[发明专利]一种alpha稳定噪声衰落信道下多天线频谱感知方法及系统

说明书

本发明属于通信中认知无线电技术领域，公开了一种alpha稳定噪声衰落信道下多天线频谱感知方法，所述alpha稳定噪声衰落信道下多天线频谱感知方法包括以下步骤：首先对多天线接收信号进行连续采样，并形成接收信号向量；然后在此基础上计算多天线接收信号的分数低阶协方差矩阵，并由此构建两种不同的检测统计量；最后当检测统计量大于或等于检测门限时，判定主用户存在，否则判为不存在。当混合信噪比在‑8dB及以上时，本发明所提的基于两种不同检测统计量的检测方法的检测正确率均可达到100％，可见本发明具有良好的频谱感知性能。

技术领域

本发明属于通信中认知无线电技术领域，尤其涉及一种alpha稳定噪声衰落信道下多天线频谱感知方法及系统。

背景技术

目前，最接近的现有技术：随着无线通信技术的快速发展和通信业务的需求不断增长，频谱资源稀缺问题越来越严重。认知无线电采用动态频谱接入机制，在主用户未使用该频谱资源前提下，允许未授权次用户利用该频谱资源进行传输数据，有效地提供了频谱利用率。频谱感知是认知无线电物理层的一个核心技术，是认知无线电研究领域的关键问题。目前大多数的研究都是基于高斯噪声的假设，但在实际认知无线电系统中，认知用户所接受的信号往往受到了非高斯噪声的影响。此类噪声往往具有很强的脉冲性，拖尾比高斯分布更严重。而alpha稳定分布是描述该类噪声的有效模型。因此研究alpha稳定噪声衰落信道环境下多天线频谱感知方法具有一定的意义。Y.Zeng等人采用高斯分布建立噪声的模型，该研究提出了最大至最小特征值(MME)方法，该方法采用样本协方差矩阵(SCM)的最大特征值与最小特征值之比作为检测统计量，然后基于随机矩阵理论(RMT)计算检测阈值，从而进行频谱感知。(Y.Zeng,Y.C.Liang.Maximum-minimum eigenvalue detection forcognitive radio[A].Proc.IEEE 18th Int.Symp.Pers.Indoor Mobile Radio Commun.,2007,1-5.)。Qiong Jia等人采用混合高斯分布建立加性噪声的模型，在平坦衰落信道下进行多天线频谱感知，该研究基于样本协方差矩阵(SCM)的最大局部方差(MLV)和平均局部方差(ALV)构造了检测统计量来确定频谱是否空闲。(Q.Jia,B.Li,S.Ma and M.Liu.LocalVariance Detection for Multi-Antenna Spectrum Sensing[J].IEEE CommunicationsLetters,2011,19(12):2142-2145.)。然而，这两篇文献都采用高斯白噪声模型，不能很好地适用于实际环境中。因为在实际认知无线电系统中，通常存在的是alpha稳定噪声，此类噪声较高斯噪声而言具有更为厚重的拖尾，从而导致传统检测器的性能大大退化甚至失效。Xiaomei Zhu等人采用α稳定分布建立噪声模型，考虑到基于二阶统计量的传统频谱感知方法不适用于检测非高斯噪声中参数未知的主用户，提出了一种基于分数低阶矩(FLOM)的频谱感知方案。然而该方法是在能量检测算法上基础上改进的，对噪声不确定度敏感，因而在信噪比较低的信道环境下，检测性能较低。(ZhuX,Zhu W P,Champagne B.Spectrumsensing based on fractional lower order moments for cognitive radios inα-stable distributed noise[J].Signal Processing,2015,111:94-105.)。

综上所述，现有技术存在的问题是：目前的多天线频谱感知的识别方法在低信噪比情况，alpha稳定分布噪声衰落信道环境下存在频谱检测成功率较低。

解决上述技术问题的难度：

由于alpha稳定分布概率密度函数除了几个特例外，没有统一的封闭表达式，存在厚重拖尾特性，其二阶统计量和高阶统计量都是不存在的，因此经典的频谱感知方法在alpha稳定分布噪声衰落信道环境下都不适用，感知性能明显下降。而目前存在的alpha稳定分布噪声衰落信道环境下的频谱感知方法在低信噪比情况下，易受噪声不确定性影响，使其频谱检测成功率较低。