一种适用于高维有限样本条件的多天线频谱感知方法技术

本发明专利技术涉及一种适用于高维有限样本条件的多天线频谱感知方法，该方法利用多天线接收信号分量之间的相关性来构造感知判决量，并基于随机矩阵理论设计感知判决门限：首先，对多天线接收信号进行连续采样，并形成接收信号数据矩阵X；然后，在此基础上计算多天线接收信号分量之间的相关性度量指标，并由此计算得到感知判决量l；其次，基于随机矩阵理论的结果计算感知判决门限τ；最后，实施感知判决：当感知判决量l大于设定的门限值τ时判定频谱空洞不存在，反之则判定频谱空洞存在。该方法在高维有限样本容量的感知应用中表现出实现简单、计算复杂度低、可以实现主用户信号、无线信道以及噪声的统计信息缺乏条件下的高效全盲检测，具有感知结果可靠等优点。

【技术实现步骤摘要】

本专利技术涉及一种应用于大规模多天线认知无线电系统中频谱感知的方法，属于无线通信中的认知无线电

技术介绍
多天线认知无线电技术是无线通信领域的研究热点，而有效的多天线频谱感知算法是实现该技术的关键因素之一。在多天线频谱感知场景中接收数据向量的维数M在数值上等于天线的根数，而样本容量N(即接收数据向量的个数)则由感知时间内对接收信号进行取样的次数决定。在传统的多天线认知无线电系统中感知节点上配置的天线数目M往往很少，因此传统的多天线频谱感知方法的研究聚焦于在M远远小于N的条件下考虑算法的设计问题。在具体的算法设计方面，基于接收信号相关特性的多天线全盲频谱感知方法因其优良特性引起了广泛关注。经典的多天线频谱感知方法包括：基于对角线与非对角线元素绝对值之比的检测方法(CAVD)、基于最大特征值与最小特征值之比的检测方法(MMED)以及基于接收信号能量与最小特征值之比的检测方法(EMED)。上述三种方法克服了能量检测方法遭遇噪声不确定性现象时感知性能急剧恶化的致命缺点，并且在多天线接收信号存在相关性时表现出优良的检测性能。然而，CAVD、MMED和EMED三种方法均着眼于解决接收数据向量维数M远远小于样本容量N条件下的频谱感知问题。为了进一步提高无线频谱效率，增强网络覆盖和系统容量，大规模MIMO(多输入多输出)技术正成为工业界和学术界的研究热点。在这种背景之下，可以预见将来的大规模多天线认知无线电系统中次级用户或者专用感知设备上配置的天线数目势必非常之大。此时，在感知时间严格受限的感知应用当中，将出现高维(即M很大)有限样本(即N有限)的新情况：多天线接收数据向量的维数M变得与样本容量N可比，甚至于M大于N。在这样的条件之下，CAVD、MMED和EMED等经典的多天线频谱感知算法在应用过程中将遭遇实际的难题：一方面，上述三种经典方法的理论感知判决门限的精度在新的条件下无法保证实现可靠感知的需要。其原因在于，由于无法求解得到精确的解析判决门限，以上方法所对应的判决门限均是在M远远小于N的假定条件下采用近似的手段获得。当M接近N，甚至于M大于N时，近似判决门限的应用条件变得不再成立，导致在感知判决过程中无法获得可靠的感知结果；另一方面，在常规的M远远小于N的条件下，上述三种经典的多天线频谱感知方法的计算复杂度主要取决于N的大小。而在M接近N，甚至于M大于N的条件下，M的大小相对于N来说不可忽略，此时算法的计算复杂度将随着接收数据向量维数M的增大而急剧增加。以MMED和EMED为例，在感知判决过程中进行特征值分解所带来的运算量为M3阶，显然在大规模多天线认知无线电等高维有限样本的感知条件下由维度M的增加所带来的计算复杂度的急剧增加将严重限制传统算法的应用。综上所述，在大规模多天线认知无线电等高维有限样本条件下高效多天线频谱感知算法的设计将面临新的挑战。正是在这种背景之下，本专利技术提出了一种基于接收信号相关特征的适用于高维有限样本应用场景的多天线全盲频谱感知方法。
技术实现思路
技术问题：本专利技术提出了一种适用于高维有限样本条件的多天线频谱感知方法。该方法具有实现简单、计算复杂度低、可以在主用户信号、无线信道以及噪声的统计信息缺乏条件下实现高效全盲检测、以及感知结果可靠等优点，可以很好地应用于解决大规模多天线认知无线电系统等高维有限样本条件下的频谱空洞检测问题。技术方案：本专利技术提出的一种能够适用于高维有限样本条件的多天线频谱感知方法，其利用多天线接收信号分量之间的相关性来构造感知判决量，并基于随机矩阵理论设计感知判决门限：首先对多天线接收信号进行连续采样，并形成接收信号数据矩阵X；然后在此基础上计算多天线接收信号分量之间的相关性度量指标，并由此计算得到感知判决量l；其次基于随机矩阵理论的结果计算感知判决门限τ；最后实施感知判决：当感知判决量l大于设定的门限值τ时，则判定频谱空洞不存在，反之则判定频谱空洞存在。所述基于多天线接收信号相关性特征的适用于高维有限样本条件下的多天线频谱感知方法，其具体步骤为：1)感知节点在时刻n对其配置的第1根到第M根接收天线上的信号进行采样，得到接收信号数据向量x(n)＝[x1(n),x2(n),…,xM(n)]T，其中，上标T表示矩阵转置操作符；2)重复步骤1)，感知节点对多线接收信号共实施N次连续采样，得到N个接收信号数据向量x(1)、x(2)、…、x(N)，并将这些接收信号数据向量排列成矩阵的形式：X=x1(1)x1(2)...x1(N)x2(1)x2(2)...x2(N)............xM(1)xM(2)...xM(N);]]>3)对1≤i≤M和i≤j≤M分别计算出第i根和第j根天线接收信号分量之间的相关性度量指标Ri,j=Σn=1Nxi(n)xj(n);]]>4)计算感知判决量：l=Σi=1MRi,i2+2Σi=1MΣj>iMRi,j2(Σi=1MRi,i)2;]]>5)计算感知判决门限：其中，PFA为目标虚警概率，Q-1(PFA)为逆马库姆函数在PFA处的取值；6)实施感知判决：如果感知判决量l大于判决门限τ，则判定频谱空洞不存在；如果感知判决量l小于判决门限τ，则判定频谱空洞存在。所述基于随机矩阵理论计算感知判决门限的方法是：在高维有限样本条件下，基于随机矩阵理论证明感知判决量l服从均值为1/N+1/M+1/MN、方差为4/(MN)2的实高斯分布，当目标虚警概率给定为PFA时对应的感知判决门限τ通过)计算得到，其中，Q-1(PFA)为逆马库姆函数在PFA处的函数值。所有的符号注解有益效果：本专利技术的有益效果主要体现在以下三个方面：1)本专利技术所提供的感知方法利用大维随机矩阵理论推导了感知判决门限的解析表达式，计算公式简单且结果可靠；与此同时，感知判决量的计算无需进行特征值的分解，实现简单且复杂度低。新方法有效地解决了大规模多天线认知无线电系统等高维有限样本条件下的频谱感知问题；2)本专利技术所提供的感知方法可以在主用户信号、无线信道以及噪声的统计信息缺乏条件下实现高效检测，同时判决门限的计算无需噪声方差的知识，是一种适用范围广泛的全盲多天线频谱感知方法；3)本专利技术所提供的感知方法同样适用于常规的多天线认知无线电场景中接收信号数据向量维数小于样本容量条件下的频谱感知问题。附图说明图1是一种适用于高维有限样本条件的多天线频谱感知方法的实现流程图。图2是本文档来自技高网...

【技术保护点】
一种适用于高维有限样本条件的多天线频谱感知方法，其特征在于该方法利用多天线接收信号分量之间的相关性来构造感知判决量，并基于随机矩阵理论计算感知判决门限：首先对多天线接收信号进行采样，并形成接收数据矩阵；然后在此基础上利用多天线接收信号分量之间的相关性度量指标构造感知判决量；其次基于随机矩阵理论计算感知判决门限；最后实施感知判决：当感知判决量大于设定的门限值时则判定频谱空洞不存在，而当该感知判决量小于该门限值时则判定频谱空洞存在。

【技术特征摘要】
1.一种适用于高维有限样本条件的多天线频谱感知方法，其特征在于该方法利用
多天线接收信号分量之间的相关性来构造感知判决量，并基于随机矩阵理论计算感知判
决门限：首先对多天线接收信号进行采样，并形成接收数据矩阵；然后在此基础上利用
多天线接收信号分量之间的相关性度量指标构造感知判决量；其次基于随机矩阵理论计
算感知判决门限；最后实施感知判决：当感知判决量大于设定的门限值时则判定频谱空
洞不存在，而当该感知判决量小于该门限值时则判定频谱空洞存在。
2.根据权利要求1所述的适用于高维有限样本条件的多天线频谱感知方法，其特
征在于该方法具体步骤为：
1)感知节点在时刻n对其配置的第1根到第M根接收天线上的信号进行采样，得
到M×1维接收信号数据向量x(n)＝[x1(n),x2(n),…,xM(n)]T，其中，上标T表示矩阵转
置操作符；
2)重复步骤1)，感知节点对多线接收信号共实施N次连续采样，得到N个接收信
号数据向量：x(1)、x(2)、…、x(N)，并将这些接收信号数据向量排列成矩阵的形式：
X=x1x1(2)···x1(N)x2(1)x2(2)···x2(N)····&Center...

【专利技术属性】
技术研发人员：杨喜，雷可君，彭盛亮，曹秀英，邓瑜，杨世江，舒婷，
申请(专利权)人：吉首大学，
类型：发明
国别省市：湖南;43