[发明专利]基于信号实时似然比的频谱感知方法

说明书

本发明涉及一种基于信号实时似然比的频谱感知方法，提取主用户信号出现与否时的信号特征，计算接收信号循环谱峰值似然比，并与频谱判决门限比较，做出主用户信号是否存在的判决，如果似然比大于判决门限，则判决主用户信号存在，否则判决主用户信号不存。本发明方法采用虚警概率和检测概率加权因子设置频谱判决门限，通过学习认知网络信号和噪声的特征，利用接收信号循环谱峰值似然比进行频谱感知，频谱判决统计量不仅与当前接收信号信息有关，而且还与认知网络历史信息有关，消除了信道快速变化对频谱感知性能的影响，同时又能简单有效的平衡频谱判决的虚警概率和检测概率性能，满足认知网络QoS性能要求，尤其适合于衰落信道下的频谱感知。

技术领域

本发明涉及认知网络中的信号频谱感知技术，更为具体地说涉及一种基于信号实时似然比的频谱感知方法。

背景技术

随着无线通信技术的飞速发展，频谱资源短缺与通信业务量增长的矛盾日趋突出，频谱资源变得越来越稀缺。认知技术依靠人工智能感知无线通信环境，动态地检测频谱资源使用信息，实时自适应地改变自身系统工作参数以有效利用空闲频谱，是提高频谱利用率、缓解频谱资源紧张的有效办法之一。

在认知网络中，有多种频谱感知技术。比如，能量检测，匹配滤波器检测、平稳循环特征检测和拟合优度检验等。这些技术都是对主用户信号的某个特征进行感知的，没有人工智能的学习过程，不能实时地跟踪信道变化，在衰落多径、隐藏终端等复杂低信噪比环境下，其检测性能大打折扣。如何充分利用认知网络的历史信息，结合主用户信号的实时信息和信道噪声的实时信息，正确区判别主用户信号是否存在，是一个尚未解决的难题。

发明内容

本发明的目的在于解决上述难题。考虑到衰落信道下认知网络中主用户信号和信道噪声的特征的快变性，本发明以认知用户(感知节点)当前接收信号的循环谱峰值似然比为检验统计量，以虚警概率和检测概率加权组合为认知网络频谱感知性能指标，提出了一种基于认知网络历史信息的信号实时似然比频谱感知方法。在该方法中，认知用户首先根据认知网络QoS性能要求设置频谱判决门限，其次学习主用户信号出现与否时的信号特征，然后根据接收信号的循环谱峰值计算主用户信号出现与否的似然比，最后将似然比与判决门限进行比较，做出主用户信号出现与否的判决，并根据判决结果更新主用户信号存在与否的特征。该方法充分利用了认知网络的历史信息以及主用户信号和信道噪声的实时信息，克服了信道衰落对频谱感知性能的影响，大大提高了认知网络频谱感知的准确性。

上述目的通过下述技术方案予以实现：本发明基于信号实时似然比的频谱感知方法，认知网络至少包括1个主用户和1个认知用户，认知用户接收到的检测信号为y(t)＝s(t)+n(t)，其中，s(t)为认知用户接收到的主用户信号，n(t)为信道噪声，0≤t≤T，T为认知用户频谱检测周期；所述频谱感知方法包括如下步骤：

步骤1、判决门限设置——根据认知网络QoS性能要求，分别对认知网络的频谱感知虚警概率和检测概率进行加权，其中，虚警概率加权权重为α，检测概率加权权重为β，α+β＝1，并由此构成认知网络频谱感知判决门限λ：

步骤2、训练样本获取——主用户发送M个训练样本信号，认知用户从其接收到的信号中分别获取主用户信号存在时的信号样本序列s_m(k)和主用户信号不存在时的信号样本序列n_m(k)，m＝0,1,…,M-1，k＝0,1,…,K-1，其中M是样本数，K是每个样本的抽样数；

步骤3、信号特征提取——根据信号样本序列s_m(k)和噪声样本序列n_m(k)分别计算主用户信号存在和不存在时认知用户接收信号样本的循环谱峰值，主用户信号存在时第m个接收信号样本的循环谱峰值为主用户信号不存在时第m个接收信号样本的循环谱峰值为