[发明专利]一种非高斯噪声下MIMO系统的频谱感知方法及系统

说明书

本发明属于无线通信中频谱感知技术领域，公开了一种非高斯噪声下MIMO系统的频谱感知方法，利用非线性核函数对观测矩阵x进行核映射，得到核空间矩阵K^x；基于核空间矩阵K^x构建检测统计量T_K；计算门限η_K，将检测统计量T_K与阈值η_K进行比较；如果T_K＜η_K，判为主用户信号存在；否则，判为主用户信号不存在。本发明可以有效实现非高斯噪声条件下MIMO系统的频谱感知，且在低信噪比条件下具有较好的性能。当信噪比高于‑10dB时，正确检测概率达到90％以上，且对于高斯噪声本发明所述方法同样具有较好的性能。可见，本发明的频谱感知效果较好。与现有算法比较，本发明所提方法的检测性能随着天线数目的增加而增加，增加天线数目可以提升算法性能。

技术领域

本发明属于无线通信中频谱感知技术领域，尤其涉及一种非高斯噪声下MIMO系统的频谱感知方法及系统。

背景技术

目前，最接近的现有技术：频谱感知技术是认知无线电网络的关键技术，是认知无线电网络实现频谱动态规划，提高频谱利用率的基础。认知无线电网络通过频谱感知技术探寻未被使用的频谱资源，并允许感知用户在不干扰主用户正常通信的前提下使用授权给主要用户的频谱，从而大大提高频谱利用率。然而，在频谱感知过程中，通常会出现虚警或漏检的情况，虚警过高会导致频谱利用率降低，而漏检的出现会给主用户带来干扰。因此研究高精度的频谱感知技术具有非常重要的意义。

关于频谱感知问题，已经提出了多种方法，如匹配滤波方法(Chen H S,Gao W GW,Daut D G.Signature Based Spectrum Sensing Algorithms for IEEE 802.22WRAN[C].IEEE International Conference on Communications,Glasgow,UK,2007.)、基于循环平稳特征的方法(Hosseini S M A T,Amindavar H,Ritcey J A.A newcyclostationary spectrum sensing approach in cognitive radio[C].IEEE EleventhInternational Workshop on Signal Processing Advances in WirelessCommunications,Marrakech,Morocco 2010.)、基于似然假设的方法(Soltanmohammadi E,Orooji M,Naraghi-Pour M.Spectrum Sensing Over MIMO Channels Using GeneralizedLikelihood Ratio Tests[J].IEEE Signal Processing Letters,2013,20(5):439-442.)、能量感知方法(Singh A,Bhatnagar M R,Mallik R K.Cooperative SpectrumSensing in Multiple Antenna Based Cognitive Radio Network Using an ImprovedEnergy Detector[J].IEEE Communications Letters,2012,16(1):64-67.)以及基于特征值的方法(Sedighi S,Taherpour A,Gazor S,et al.Eigenvalue-Based MultipleAntenna Spectrum Sensing:Higher Order Moments[J].IEEE Transactions onWireless Communications,2017,16(2):1168-1184.)。匹配滤波方法可以达到最佳感知性能，但要求已知主用户先验信息。循环平稳检测方法具有较高的性能，但对同步非常敏感，计算复杂度较高。基于似然的检测器被也可以实现最优检测，但该方法需要精确的信道信息以及信号和噪声的分布。能量检测方法在低信噪比环境下具有较低的复杂度和良好的性能，被认为是一种在加性白噪声环境下检测未知信号的常用方法，但该方法严重依赖于噪声功率的准确性，因此算法性能对噪声不确定性很敏感。基于特征值的方法可以在没有任何先验信息的情况下获得相对优异的性能，但在时变衰落信道下检测性能无法得到保证。基于协方差矩阵的方法利用主用户信号的空间或时间相关性可以实现有效频谱感知。但随着信号相关性的降低，其性能严重下降。最近，提出了一种新的基于卷积神经网络的频谱感知方案，该方案在大量训练样本的前提下能够取得了良好的感知性能，但在实际应用中，获取大量训练样本的较为困难。