一种基于连通分量个数特征的认知无线电频谱感知方法技术

本发明专利技术提出了一种基于连通分量个数特征的认知无线电频谱感知方法，先将观测信号进行去均值化处理，并计算去均值后观测信号的自相关函数，而后将其转换到图域，得到具有特定数量顶点和边的无向简单图。提取该图的连通分量个数作为检验统计量，通过将该统计量与特定门限相比较来判决主用户信号频谱的空闲与否。本方法可在极低信噪比条件下实现对主用户信号频谱空闲与否的检测，其性能优于现有常用的基于能量检测、正态性检测及完全图特征的认知无线电频谱感知算法，在计算过程中需要进行特征分解，尤其适用于实时性不同的场合。尤其适用于实时性不同的场合。尤其适用于实时性不同的场合。

【技术实现步骤摘要】
一种基于连通分量个数特征的认知无线电频谱感知方法


[0001]本专利技术属于信号处理
，具体涉及一种基于连通分量个数特征的认知无线电频谱感知方法。

技术介绍

[0002]近年来，随着无线通信技术的快速发展，无线接入设备数量的急剧增长，频谱资源日益稀缺。认知无线电(Cognitive Radio，CR)作为一种动态机会频谱接入机制，为提高频谱资源利用效率提供了更加有效的解决途径。对于CR系统而言，频谱感知是其有效工作的前提与基础，其任务就是检验主用户信道是否被占用。目前，常用的频谱感知算法，通常从信号的时域、频域、变换域和概率密度函数等角度，提取特征并进行频谱感知。通常，提高特征的可分性是提升频谱感知算法性能的关键因素，但这往往需要增加的观测样本量，并对算法进行优化设计，势必增加算法的复杂度。因此，为了提高算法的效能，对新的信号表征及特征定义方法的研究，已成为该领域的热点课题。
[0003]近年发展起来的图域信号处理方法，为解决这个问题提供了新的思路。其基本思想是，将信号样本(时域、频域或者变换域)变换成特定的图，而图的顶点和边由变换前信号域中采样点的关系和映射规则决定。目前，基于图域信号处理的CR频谱感知算法主要通过检测图的完全连接性特征(即图的拉普拉斯阵的特征值)来实现对频谱空闲与否的判决。此类方法，一方面借助图的拓朴表示，可进一步挖掘利用信号采样点间的转移关系信息，且在进行图域变换时对信号样本进行了量化处理，某种程度上有利于抑制噪声，但其在低信噪比下的性能不佳。为了提高基于图域的认知无线电频谱感知算法在低信噪比时的检测性能，本专利技术提出一种基于图的连通分量个数检验的处理方法。
[0004]本专利技术的主要思路为：如果主用户信号频谱空闲，即观测信号为纯噪声时，其相关函数近似是一个冲激函数，对其进行图域变换，得到的图中孤立点较多，而边较小，这样图的连通分量数就很大，而如果信号存在时，其自相关函数不是一个冲激，得到的图的边较多，连通性强，这样图的连通分量数就小，以此作为判决信号有无的检验统计量。因为，图的连通分量个数与其拉普拉斯阵的特征值中零特征值的个数是相等的，因此，最终频谱感知问题转换为对图拉普拉斯阵零特征值个数的多少判定。

技术实现思路

[0005]本专利技术针对现有技术中的不足，提供一种基于连通分量个数特征的认知无线电频谱感知方法，先将观测信号进行去均值化处理，并计算去均值后观测信号的自相关函数，而后将其转换到图域，得到具有特定数量顶点和边的无向简单图。再提取该图连通分量个数，即图的拉普拉斯阵中零特征值的个数作为检测统计量，通过将该统计量与特定门限相比较来判决信号的存在与否。本方法可在极低信噪比条件下实现对认知无线电频谱的有效感知。
[0006]为实现上述目的，本专利技术采用以下技术方案：
[0007]一种基于连通分量个数特征的认知无线电频谱感知方法，其特征在于，包括如下步骤：
[0008]步骤1：对过采样后的观测信号进行去均值处理；
[0009]步骤2：计算经去均值处理后的观测信号的自相关函数；
[0010]步骤3：将自相关函数转化为具有q个顶点的图；
[0011]步骤4：计算图的连通分量个数d
c
作为判决统计量，并设置相应的判决门限η；
[0012]步骤5：通过将图的连通分量个数d
c
与门限η进行比较，得到频谱感知的判决结果。
[0013]为优化上述技术方案，采取的具体措施还包括：
[0014]进一步地，所述步骤1中，观测信号模型为：
[0015]x(n)＝s(n)+w(n)，n＝0，1，...，N
‑1[0016]式中，x(n)是离散时间序列，w(n)是均值为0方差为σ2的加性高斯白噪声样本，s(n)是信号样本；N是信号样本数；
[0017]频谱感知的结果包含H0和H1两种情况，H0表示主用户信号频谱空闲；H1表示主用户信号占用现有频谱；
[0018]在这两种情况下的传输模型分别如下：
[0019]H0：x(n)＝w(n)
[0020]H1：x(n)＝s(n)+w(n)
[0021]对观测信号先作去均值处理，得到零均值的观测信号：
[0022][0023]式中，r(n)表示零均值的观测信号，为x(n)的均值。
[0024]进一步地，所述步骤2中，计算r(n)的自相关函数：
[0025][0026]式中，C
rr
(m)表示r(n)的自相关函数，m是自相关函数的自变量。
[0027]进一步地，所述步骤3中，通过归一化或均匀量化的方法将自相关函数转化为具有q个顶点的图。
[0028]进一步地，所述步骤3具体如下：
[0029]先将自相关函数C
rr
(m)作归一化处理，得到其归一化频谱
[0030][0031]之后，设定量化级数q，对均匀量化，量化后的频谱U(m)＝i+1，其中，i/q＜U(m)＜i+1/q，0≤i≤q
‑
1；
[0032]将U(m)转换到图域，构成图G(V，E)，其中V和E分别表示图的顶点集V＝{v1，v2，...v
q
}和边集合E＝{e
α，β
|ν
α
∈V，ν
β
∈V}，e
a，β
表示图的两个顶点之间的边；构成图G(V，E)的具体做法是：从U(m)到U(m+1)，m＝0，1...，N
‑
2逐个遍历，当存在v
α
到v
β
的电平跳变时，则两
个顶点相连，e
α，β
＝1；反之，则两个顶点无连接，e
α，β
＝0。
[0033]进一步地，所述步骤4具体如下：
[0034]计算图的拉普拉斯阵，并对其进行特征分解，获取其特征值，并统计其中零特征值的个数，即为图的连通分量个数，以此作为频谱感知的检验统计量；
[0035]设置门限值η用以进行判决，门限值取图的顶点数减2或减3。
[0036]进一步地，所述步骤5中，通过将图的连通分量个数d
c
与门限η进行比较，若d
c
＞η，则判为H0，否则判为H1。
[0037]本专利技术的有益效果是：本专利技术提出的方法可有效应用于认知无线电频谱的感知，通过提取观测信号自相关函数的图域特征，即图的连通分量个数特征作为判决统计量，来实现对主用户信号频谱是否被占用的检测。本方法可在极低信噪比条件下实现对主用户信号频谱空闲与否的检测，其性能优于现有常用的基于能量检测、正态性检测及完全图特征的认知无线电频谱感知算法，在计算过程中需要进行特征分解，尤其适用于实时性不同的场合。
附图说明
[0038]图1是一种基于连通分量个数特征的认知无线电频谱感知方法的流程图。
[0039]图2是H0情形下观测信号自相关函数波形及其经均匀量化后转换得到的对照图。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于连通分量个数特征的认知无线电频谱感知方法，其特征在于，包括如下步骤：步骤1：对过采样后的观测信号进行去均值处理；步骤2：计算经去均值处理后的观测信号的自相关函数；步骤3：将自相关函数转化为具有q个顶点的图；步骤4：计算图的连通分量个数d
c
作为判决统计量，并设置相应的判决门限η；步骤5：通过将图的连通分量个数d
c
与门限η进行比较，得到频谱感知的判决结果。2.如权利要求1所述的一种基于连通分量个数特征的认知无线电频谱感知方法，其特征在于：所述步骤1中，观测信号模型为：x(n)＝s(n)+w(n)，n＝0，1，...，N
‑
1式中，x(n)是离散时间序列，w(n)是均值为0方差为σ2的加性高斯白噪声样本，s(n)是信号样本；N是信号样本数；频谱感知的结果包含H0和H1两种情况，H0表示主用户信号频谱空闲；H1表示主用户信号占用现有频谱；在这两种情况下的传输模型分别如下：H0：x(n)＝w(n)H1：x(n)＝s(n)+w(n)对观测信号先作去均值处理，得到零均值的观测信号：式中，r(n)表示零均值的观测信号，为x(n)的均值。3.如权利要求2所述的一种基于连通分量个数特征的认知无线电频谱感知方法，其特征在于：所述步骤2中，计算r(n)的自相关函数：式中，C
rr
(m)表示r(n)的自相关函数，m是自相关函数的自变量。4.如权利要求1所述的一种基于连通分量个数特征的认知无线电频谱感知方法，其特征在于：所述步骤3中，通过归一化或均匀量化的方法将自相关函数转化为具有q个顶点的图。5.如权利要求3所述的一种基于连通分量个数特征的认知无线电频谱感知方法，其特征在于...

【专利技术属性】
技术研发人员：胡国兵，赵敦博，赵嫔姣，陈正宇，杨莉，姜志鹏，
申请(专利权)人：金陵科技学院，
类型：发明
国别省市：