基于多无人机分布式与LMS的无线频谱智能感知方法技术

本发明专利技术提出了一种基于多无人机分布式与LMS的无线频谱智能感知方法。主要解决现有无线频谱感知技术使得算法计算量大、参数估计缓慢的问题。方案包括：1)通过采用获取待检信号和噪声信号；2)将采样得到的待检信号与噪声信号的能量均值相比得到信噪比估计值；3)设立信噪比阈值，并进行阈值判断；4)根据判断结果选择无人机的频谱检测方式，采用单点的LMS频谱检测或分布式扩散协作式的频谱检测对其进行检测，得到检测结果；5)根据检测结果对待检信号中的闲置频谱进行利用，实现频谱感知。本发明专利技术有效降低了算法复杂度，具有计算量小、参数估计快且准确率高的特点。估计快且准确率高的特点。估计快且准确率高的特点。

【技术实现步骤摘要】
基于多无人机分布式与LMS的无线频谱智能感知方法


[0001]本专利技术属于通信
，进一步涉及无人机技术，具体为一种基于多无人机分布式与最小均方算法LMS(Least Mean Square)的无线频谱智能感知方法。

技术介绍

[0002]无人机在分布式作业中被放在一个很重要的位置，通过一定数量的小型飞行平台对目标实施低空实时侦察、精准操作、网络电子干扰或者组建小型的通信网络加强通信联系。这些低成本、小型化、功能化的无人机具有灵活机动、收发便捷的特点，在其一定的自主规划和智能决策的能力下，其作业效能将会得到很大的提升。这些无人机的网络结构可分为相邻无人机节点交换数据的分布式无人机网络结构和由统一的中心节点对数据进行处理分发的集中式无人机网络结构等。利用中心节点对数据进行处理的无人机集群不具有很高的可靠性。目前无人机集群技术还不够成熟，技术可靠性不高，一旦中心控制节点发生故障或受到严重干扰甚至损毁，整个无人机网络会受到严重威胁。
[0003]使用分布式网络使得无人机系统更加稳定可靠，每一个无人机都可以作为中心节点传输、接受信息。网络结构就算因为不确定因素遭受到破坏也能迅速进行动态调整，满足作业需求。其次因为无人机之间能够彼此交换信息，这相当于对单个无人机的探测范围进行了延伸。对于整个无人机集群来讲，分布式的结构更有利于对任务环境形成一个全局的最优判断，然后依据判断做出最佳决策。此外考虑到经济因素，追求更高的效费比也是武器发展的重要参考因素，无人机分布式作业采用的功能有限、价格低廉的无人机，相比于大型昂贵的无人机而言具有价格低、可靠性高、机动灵活的特点。最后是分布式对单无人机节点信息传输要求更低，以集中式的中心节点无人机来说，较大的通信要求势必会增加设备造价，降低作业效费比。分布式将融合中心散落在每个无人机上，对信息传输要求不高，减少了信息拥堵情况的出现。
[0004]针对频谱资源短缺的现象，需要对频谱空洞的充分利用，在不对主用户通信造成影响的前提情况下，最大程度地提高通信的稳定性。
[0005]将无线电的认知步骤总结为检测、分析、判断、分配。首先是对四周的电磁环境进行检测，经过对信号的分析后，对信道占用情况进行判断，最后通过判断结果合理分配频谱资源。所以频谱感知显得尤为重要，只有在对信道占用情况进行正确准确的估计后才能分配相应的资源来提高通信质量。
[0006]公开号为103763043，公开日为2014年4月30日的中国专利文献公开了一种基于协作式认知网络高效无线频谱感知方法，提出了一种应用5个认知用户合作机制的合作式频谱检测方案，推导出了“或”准则和“与”准则两种融合准则下的全局错误虚警概率和全局检测概率的数学公式，得到了两种融合准则下的检测概率和信噪比的关系图；其检测方案虽然在一定程度上改善了认知用户对于主用户频谱检测的效率的，然而依旧存在算法计算量大、参数估计缓慢的技术问题，从而影响频谱感知系统整体的检测性能。

技术实现思路

[0007]本专利技术目的在于针对上述现有技术的不足，提出一种基于多无人机分布式与LMS的无线频谱智能感知方法，主要克服现有无线频谱感知技术中算法计算量大、参数估计缓慢的问题。本专利技术通过将采样的待检信号的能量均值与噪声信号的能量均值相比得到信噪比；设立信噪比阈值，根据信噪比估计值和信噪比阈值的比对结果，选择无人机的频谱检测方式，根据检测结果对待检信号中的闲置频谱进行利用，实现频谱感知；有效降低了算法复杂度，具有计算量小、参数估计快且准确率高的特点。
[0008]为了实现上述目的，本专利技术采取的技术方案包括如下步骤：
[0009]1)对空间的待检信号和噪声信号进行采样；
[0010]2)分别获取待检测信号和噪声信号的能量均值E
A
和E
B
，按照下式得到两者的信噪比估计值M:
[0011][0012]3)设定信噪比阈值为T，进行如下判断：
[0013]当M≥T时，选择单点的LMS频谱检测方式，实现步骤如下：
[0014](3.1.1)计算目标函数的梯度向量
[0015][0016]其中，e(i)表示滤波器的误差信号，x(i)表示输入信号；
[0017](3.1.2)获取LMS频谱检测算法的递推公式：
[0018][0019]其中，w(i)和w(i+1)分别表示第i次和第i+1次迭代时滤波器的抽头系数，u为调整步长的参数，且其中λ
j
表示相关矩阵的特征值，j＝1,2,3...M；
[0020](3.1.3)采用符号运算对LMS频谱检测算法进行量化处理，公式如下：
[0021]w(i+1)＝w(i)+u*e(i)sgn[x(i)]；
[0022](3.1.4)根据量化处理后的LMS频谱检测算法完成单点的LMS频谱检测；
[0023]当M＜T时，选择分布式扩散协作式的频谱检测方式，实现步骤如下：
[0024](3.2.1)认知节点对空间中的信号进行本地检测，获得自身对环境的观测值；
[0025](3.2.1)利用对环境的观测值，认知节点与其周围的相邻节点依据相应的融合权重进行扩散融合，得到融合估计值；
[0026](3.2.1)设定判决门限，将得到的融合估计值与设定的判决门限进行比较，根据比较结果进行如下判定：当融合估计值大于设定的判决门限时，表示当前信道不可使用；当融合估计值小于设定的判决门限时，表示当前信道可以使用。
[0027]4)按照选定的方式进行频谱检测得到检测结果；
[0028]5)根据检测结果对待检测信号的闲置频谱进行利用，实现频谱感知。
[0029]本专利技术与现有技术相比，具有如下优点：
[0030]第一、由于本专利技术设定了信噪比阈值，通过阈值比对决定不同环境下无人机的频
谱检测方式，从而实现低信噪比与高信噪比下无人机的差异化频谱检测，使得低信噪比下有较高的检测概率、高信噪比下有良好的运算速度，在保证精准度的情况下，有效地解决了分布式作业协同下无线频谱感知技术参数估计缓慢、算法计算量大、运行缓慢的问题，提高了频谱感知系统整体的检测性能；
[0031]第二、由于本专利技术在相对低的信噪比环境下选择采用分布式扩散协作式的频谱检测，从而实现对参数更为准确的估计；
[0032]第三、由于本专利技术在相对高的信噪比的环境下选择LMS算法，采用单点的LMS频谱检测，相比于现有方法在高信噪比下无差异化的选用分布式算法，更加符合无人机在使用过程中的实际需要，避免了在高信噪比环境下分布式算法带来的计算量复杂、耗时较长等缺点，在保证一个可信的检测概率前提下有效提升了整体检测效率。
附图说明
[0033]图1是本专利技术的实现流程图；
[0034]图2是本专利技术的分布式网络结构示意图；
[0035]图3是采用传统能量检测与单点LMS频谱检测的检测概率图；
[0036]图4是本专利技术中使用不同步长对单点的LMS频谱检测影响程度的仿真结果图；<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多无人机分布式与LMS的无线频谱智能感知方法，其特征在于，包括如下步骤：1)对空间的待检信号和噪声信号进行采样；2)分别获取待检测信号和噪声信号的能量均值E
A
和E
B
，按照下式得到两者的信噪比估计值M:3)设定信噪比阈值为T，进行如下判断：当M≥T时，选择单点的LMS频谱检测方式；当M＜T时，选择分布式扩散协作式的频谱检测方式；4)按照选定的方式进行频谱检测得到检测结果；5)根据检测结果对待检测信号的闲置频谱进行利用，实现频谱感知。2.根据权利要求1所述的方法，其特征在于：步骤3)所述信噪比阈值T是根据历史数据进行设定，令本次设定的信噪比阈值为β
t
，则按照下式对下一次设定的信噪比阈值β
t+1
进行调整：其中，为预期的检测概率，P
d
为实际检测概率，n为调整因子，且n＞0。3.根据权利要求1所述的方法，其特征在于：步骤3)所述单点的LMS频谱检测，实现步骤如下：(3.1.1)计算目标函数的梯度向量(3.1.1)计算目标函数的梯度向量其中，e(i)表示滤波器的误差信号，x(i)表示输入信号；(3.1.2)获...

【专利技术属性】
技术研发人员：迟文升，王海，张敏，赵少博，林生，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：