[发明专利]认知无线电系统中基于最大特征值的频谱感知方法

摘要

认知无线电系统中基于最大特征值的频谱感知方法已经成为解决现有频谱资源匮乏的非常有前途的技术之一，频谱感知是认知无线电系统中最具挑战的问题之一，采用接收信号的抽样协方差矩阵的最大特征值λ_max作为判断参量，与噪声最大特征值的统计平均值进行比较，以此来判断频谱是否被占用，即主用户信号是否存在，该方法分为4个部分实现，对接收的信号进行抽样滤波、计算满足虚警概率P_fa的门限值γ、计算最大特征值、判断频谱是否被占用，即判断主用户信号是否存在，这种方法以信号抽样协方差矩阵的最大特征值为统计量，不需要关于信号、信道以及噪声的先验知识，并能有效改善低信噪比情况下信号的检测性能。

主权项

1、一种认知无线电系统中基于最大特征值的频谱感知方法，其特征在于采用接收信号的抽样协方差矩阵的最大特征值λ_max作为判断参量，与噪声最大特征值的统计平均值进行比较，以此来判断频谱是否被占用，即主用户信号是否存在，该方法分为4个部分实现，对接收的信号进行抽样滤波、计算满足虚警概率P_fa的门限值γ、计算最大特征值、判断频谱是否被占用，即判断主用户信号是否存在，具体的方法为：a.对接收的信号进行抽样滤波：设y(t)为接收到的连续时间信号，信号频带的中心频率为f_c且带宽为W，以抽样速率为f_s对y(t)进行采样，采样时间为T_s＝1/f_s，接收到的离散信号为x(n)＝y(nT_s)；接收到的信号通过一个带通滤波器，设为f(k)，k＝0，1，...，K；经过滤波后，接收信号变为x~(n)=Σk=0Kf(k)x(n-k),n=0,1,...;]]>b.计算满足P_fa的门限值γ：γ=(Ns+ML)2(Ns-ML)2(1+(Ns+ML)-2/3(NsML)1/6F1-1(1-Pfa))]]>其中N_s是总采样数，M是过采样因子，L为平滑因子，F₁(t)为Tracy-Wisdom分布函数，P_fa为虚警概率；c.计算最大特征值：计算抽样协方差矩阵R(Ns)=1NsΣn=0Ns-1x(n)xH(n),]]>对它进行转换，得到转换协方差矩阵R~(Ns)=Q-1R(Ns)Q-H,]]>计算该转换矩阵的最大特征值λ_max；其中x(n)=x~(n)x~(n-1)...x~(n-L+1)T,]]>n＝0，1，...，N_s-1；Q^-1为矩阵Q的逆矩阵；Q是一个L×L的Hermitia矩阵，为矩阵G的分解矩阵，G＝QQ^H；矩阵G定义为G＝HH^H，H为一个L×(L+K)矩阵，如下所示：H=f(0)f(1)...f(K)0...00f(0)...f(K-1)f(K)...0......00...f(0)f(1)...f(K)]]>d.判断该频谱是否被占用，即主用户信号是否存在：利用接收信号的抽样协方差矩阵的最大特征值λ_max、噪声最大特征值的统计平均值和门限值γ进行判断，如果λmax>r×λ~,]]>则该频谱已被占用，即主用户信号存在；否则，该频谱没有被占用，即主用户信号不存在。