基于量化熵的认知无线电信号频谱感知方法及系统技术方案

本发明专利技术提供了一种基于量化熵的认知无线电信号频谱感知方法及系统，首先计算观测信号的功率谱，并将其分组求和后进行归一化和量化处理，得到功率谱的分组求和量化样本

【技术实现步骤摘要】
基于量化熵的认知无线电信号频谱感知方法及系统


[0001]本专利技术属于信号处理
，具体涉及一种基于量化熵的认知无线电信号频谱感知方法及系统
。

技术介绍

[0002]作为一种动态的频谱分配策略，认知无线电
(Cognitive Radio
，
CR)
为解决频谱资源匮乏和利用率不足等问题提供了新途径
。
而频谱感知是
CR
实现的前提与基础，其任务主要是检测主用户信道是否被占用
。
通常从用户与主用户之间是一种非协作关系
。
因此，如何在低信噪比
(Signal
‑
to
‑
Noise Ratio
，
SNR)、
主用户先验信息缺乏及无训练样本等条件下设计低复杂度的频谱感知算法，一直以来是
CR
信号处理中的经典课题
。
[0003]CR
频谱感知从本质上讲是一个二元信号检测问题
。
目前，常用的频谱感知算法可大致分为基于模型驱动和基于数据驱动两大类
。
基于模型驱动类算法，如能量检测法
、
匹配滤波器检测法
、
循环平稳特征检测法
、
协方差阵检测法
、
图域特征检测法等，该类算法对数据依赖性较小，且算法的可解释性
、
实时性均较好
。
而基于数据驱动的频谱感知算法将频谱感知看作机器学习
(Machine Leaning
，
ML)
中的二分类问题，如人工神经网络
(Artificial Neural Network
，
ANN)
法
、
支持向量机
(Support Vector Machine
，
SVM)
法
、
强化学习
(Reinforcement Learning
，
RL)
法及卷积神经网络
(Convolutional Neural Networks
，
CNN)
等
。
总体而言，该类算法一般可获得更好的检测性能，但需大量的训练样本，算法缺乏可解释性
。
必须注意到，现有两类算法仍是将观测信号表征为采样后样本，进而提取其统计特征用于频谱检测，所不同的只是提取特征的手段与机理存在差异
。
现有算法均存在低
SNR
时可分性及稳定性变差
、
计算复杂度高等固有缺陷
。
因此，研究基于新型信号特征的频谱感知算法成为相关领域的重要课题
。

技术实现思路

[0004]本专利技术针对现有技术中的不足，提供一种基于量化熵的认知无线电信号频谱感知方法及系统
。
首先计算观测信号的功率谱，并将其分组求和后进行归一化和量化处理，得到功率谱的
BS
样本及
BS
概率向量；最后计算得到
BS
概率向量的熵作为检验统计量，并与适当门限进行比较来判断观测信号中主用户信号的存在性
。
[0005]为实现上述目的，本专利技术采用以下技术方案：
[0006]一种基于量化熵的认知无线电信号频谱感知方法，其特征在于，包括：
[0007]计算观测信号的有限点数快速傅里叶变换，并取其模值的平方，得到观测信号的功率谱；
[0008]将功率谱进行等间隔分组，并将每组的功率谱样本进行求和运算，得到
BS
谱；
[0009]对
BS
谱进行最大最小归一化及均匀量化，得到量化样本；
[0010]以不同的量化级作为统计指标，获取量化样本的归一化直方图，并据此构建相应的
BS
概率向量，计算
BS
概率向量的信息熵作为
BS
谱的量化熵；
[0011]设定判决门限，通过比较
BS
谱的量化熵和判决门限来判断认知无线电系统中主用户信号的存在
。
[0012]为优化上述技术方案，采取的具体措施还包括：
[0013]进一步地，所述观测信号的离散样本为：
[0014]r(n)
＝
s(n)+
ω
(n)
，
0≤n≤N
‑1[0015]式中，
N
为观测信号样本数，
ω
(n)
是均值为0，方差为
σ2的加性高斯白噪声，信号分量
s(n)
为：
[0016][0017]式中，
f0为信号载波频率，
h
为相位编码信号的星座数，
φ
为初相位，
n
表示样本的序号，
A
表示信号的幅度，
Δ
t
为采样间隔，
d
h
(n)
是相位编码函数；
[0018]观测信号的功率谱为：
[0019][0020]式中，
R(k)
为观测信号的功率谱，
k
为功率谱的序号
。
[0021]进一步地，所述
BS
谱通过如下方式获得：
[0022]对观测信号的功率谱
R(k)
作等间隔
、
无混叠分段，表示为：
[0023][0024]式中，
M
为分段数，
L
为每段样本点数，第
m
段分段
R
m
(l)
表示为：
[0025]R
m
(l)
＝
R((m
‑
1)L+l)
，
1≤m≤M
，
1≤l≤L
[0026]式中，
l
表示每个分段中的样本的下标；
[0027]对每个分段做求和，得到
BS
谱：
[0028][0029]式中，
X(m)
为
BS
谱
。
[0030]进一步地，所述量化样本通过如下方式获得：
[0031][0032]式中，
Q(m)
为量化样本，量化级数
μ
＝0，1，
…
，
N0‑1，
N0为量化的最大级数，归一化样本
Y(m)
为：
[0033][0034]式中，
x
max
和
x
min
分别为
BS
谱
X(m)
的最大值和最小值
。
[0035]进一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于量化熵的认知无线电信号频谱感知方法，其特征在于，包括：计算观测信号的有限点数快速傅里叶变换，并取其模值的平方，得到观测信号的功率谱；将功率谱进行等间隔分组，并将每组的功率谱样本进行求和运算，得到
BS
谱；对
BS
谱进行最大最小归一化及均匀量化，得到量化样本；以不同的量化级作为统计指标，获取量化样本的归一化直方图，并据此构建相应的
BS
概率向量，计算
BS
概率向量的信息熵作为
BS
谱的量化熵；设定判决门限，通过比较
BS
谱的量化熵和判决门限来判断认知无线电系统中主用户信号的存在
。2.
如权利要求1所述的一种基于量化熵的认知无线电信号频谱感知方法，其特征在于：所述观测信号的离散样本为：
r(n)
＝
s(n)+
ω
(n)
，
0≤n≤N
‑1式中，
N
为观测信号样本数，
ω
(n)
是均值为0，方差为
σ2的加性高斯白噪声，信号分量
s(n)
为：式中，
f0为信号载波频率，
h
为相位编码信号的星座数，
φ
为初相位，
n
表示样本的序号，
A
表示信号的幅度，
Δ
t
为采样间隔，
d
h
(n)
是相位编码函数；观测信号的功率谱为：式中，
R(k)
为观测信号的功率谱，
k
为功率谱的序号
。3.
如权利要求1所述的一种基于量化熵的认知无线电信号频谱感知方法，其特征在于：所述
BS
谱通过如下方式获得：对观测信号的功率谱
R(k)
作等间隔
、
无混叠分段，表示为：式中，
M
为分段数，
L
为每段样本点数，第
m
段分段
R
m
(l)
表示为：
R
m
(l)
＝
R((m
‑
1)L+l)
，
1≤m≤M
，
1≤l≤L
式中，
l
表示每个分段中的样本的下标；对每个分段做求和，得到
BS
谱：式中，
X(m)
为
BS
谱
。4.
如权利要求1所述的一种基于量化熵的认知无线电信号频谱感知方法，其特征在于：所述量化样本通过如下方式获得：
式中，
Q(m)
为量化样本，量化级数
μ
＝0，1，
…
，
N...

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