The invention relates to the technical field of wireless communication methods, and more specifically, to a spectrum sensing method based on alpha divergence of information geometry, including the following steps: establishing a cognitive radio model, generating N noise covariance matrices Rk for simulation of noise environment, and using one of them as unit R to be detected; and utilizing natural ladder. Riemann Means of N Noise Covariance Matrix Rk Calculated by Degree Decline Method
【技术实现步骤摘要】
一种基于信息几何的α散度的频谱感知方法
本专利技术涉及无线通信方法的
，更具体地，涉及一种基于信息几何的α散度的频谱感知方法。
技术介绍
无线通信技术的快速发展给我们的生活带来了许多便利，同时对频谱资源的需求也不断增大。无线频谱作为一种有限的自然资源正变得日益紧张，开始制约无线通信技术的发展，给高质量的通信服务造成了一定的影响。目前各国的频谱管理制度大致相同，把可用的频谱资源分成两部分，包括授权的固定频段和供开放使用的未授权频段，而其中频谱资源在不同频段上的使用率有很大区别；在一些非授权频段上的使用率相当高，同时也有很大部分授权频段长时间处于空闲状态，这从侧面反映频谱资源的匮乏很大一部分原因归结于频谱利用率过低。传统的频谱感知方法主要有能量检测、匹配滤波和、循环特征检测和随机矩阵检测方法。但实际环境中所接收到的感知信号包括噪声，这会影响传统频谱感知方法的检测性能。另外，能量检测算法的缺点是容易受到噪声波动的影响，检测性能对噪声的不确定性十分敏感；循环平稳特征检测算法的缺点是复杂度较高，同时降低了系统的灵敏度；而匹配滤波检测算法的缺点是需要授权用户信号的先验信...
【技术保护点】
1.一种基于信息几何的α散度的频谱感知方法，其特征在于，包括以下步骤：S10.建立认知无线电模型，对噪声环境仿真产生N个噪声协方差矩阵Rk，并将其中一个作为待检测单元R；S20.利用自然梯度下降算法计算步骤S10中N个噪声协方差矩阵Rk的黎曼均值
【技术特征摘要】
1.一种基于信息几何的α散度的频谱感知方法，其特征在于，包括以下步骤：S10.建立认知无线电模型，对噪声环境仿真产生N个噪声协方差矩阵Rk，并将其中一个作为待检测单元R；S20.利用自然梯度下降算法计算步骤S10中N个噪声协方差矩阵Rk的黎曼均值S30.计算步骤S10中检测单元R与步骤S20中黎曼均值之间的几何距离L；S40.设定虚警概率Pf，重复步骤S10～S30共n次得到n个几何距离L，将得到的n个几何距离L进行降序排序，并计算门限值T；S50.对主用户信号进行数据采样得到已知信号矩阵，仿真产生若干未知信号协方差矩阵，采用信息几何的α散度求解信号协方差矩阵与已知信号矩阵在流形上的距离D；S60.通过比较器比较步骤S40中门限值T与步骤S50中距离D的大小：若D>T，则待感知的信号有信号存在；否则，仅有噪声存在。2.根据权利要求1所述的基于信息几何的α散度的频谱感知方法，其特征在于，步骤S10中，所述认知无线电模型的建立方法如下：假设在认知无线电网络中有K个SU而且每个SU的采样点数为N，H0表示为信号不存在，H1表示为信号存在，两种假设下接收信号的模型表示为：式中，si(n)表示主用户PU信号，wi(n)表示均值为0、方差为σ2高斯白噪声信号；以S＝1和S＝0分别表示PU的状态，则频道的可用性A可定义为：当A＝0时，表示频道不能使用；当A＝1时，表示频道可以使用；另外，定义虚警概率Pfa和检测概率Pd为：Pfa＝P[A*＝0|A＝1]Pd＝P[A*＝0|A＝0]。3.根据权利要求1所述的基于信息几何的α散度的频谱感知方法，其特征在于，步骤S20中，对包含N个噪声协方差矩阵Rk(k＝1,2,3,…,N)的矩阵...
【专利技术属性】
技术研发人员：杜凯旋，王永华，万频，齐蕾，王振学，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。