基于小波变换来感知认知无线电系统中的脉冲信号的方法技术方案

本发明专利技术提供一种基于小波变换来感知认知无线电系统中的脉冲信号的方法，其首先对感知接收机所接收到的信号进行小波变换，并在各时间点处计算特定尺度上小波支撑集内小波变换系数的平方和，再用该尺度上噪声方差对该平方和进行归一化以便获得小波变换域能量感知的判决统计量，接着分析所述判决统计量的统计特征，以便计算出所述判决统计量在观测区间上的最大值，进而根据来确定判决门限值，最后将所获得的判决统计量与所确定的判决门限值进行比较以判断接收到的信号中是否存在脉冲边沿信号，本法计算复杂度较低，便于在实际系统中应用。

【技术实现步骤摘要】

本专利技术涉及一种感知认知无线电系统中的脉冲信号的方法，特别涉及一种基于小波变换来感知认知无线电系统中的脉冲信号的方法。
技术介绍
认知无线电(CR)是提高频谱利用率的有效手段。由于雷达频段的频谱利用率很低，故与雷达系统共享频段的认知无线电系统受到了很大的关注并有了很多研究工作。对于认知无线电系统，为了实现对雷达频谱的有效机会利用，需要有效的检测雷达频段中的空白频谱，且不对雷达系统造成有害干扰，而且在某频段上探测到雷达信号后需要尽快退出该频段。因此，关键技术是如何有效地感知与定位各种雷达信号。实际中，存在各种雷达信号，如连续波雷达信号、脉冲雷达信号、和调频雷达信号(chirp signals)。不同的雷达信号形式，需要采用不同的感知与检测方法。最常见的一种雷达是采用脉冲串序列雷达信号的脉冲雷达，脉冲雷达主要应用于航空控制，气象预报和船舶导航。为了实现通信系统与雷达的共存，感知与识别微弱的雷达脉冲信号成为了一项重要的任务。很多文献中的雷达信号检测都是基于能量检测，即通过将能量检测器输出与一个门限进行比较，以判断雷达信号是否存在。能量检测器的优点是不需要关于初级用户信号的任何先验信息。然而，能量检测器有如下一些不足之处。首先，能量检测算法无法分辨主用户信号、次级用户信号和干扰。其次，能量检测器对噪声的不确定性比较敏感，在低信噪比(SNR)时性能比较差。而且，雷达脉冲可能以一种随机的方式出现，使得能量检测算法难以胜任。因此，对于随机雷达脉冲信号的有效检测与定位成为了雷达信号检测中的一个难点问题。小波变换(Wavelet transform)是检测信号中局部奇异性和不规则结构(如脉冲的边沿和宽度等)的有利工具。文献“M.Frisch，H.Messer，“The use of the wavelet transform in the detectionof an unknown transient signal，”IEEE Transactions on Information Theory，vol.38，no.2，pp.892-897，March 1992”中利用小波检测未知的瞬时信号；文献“Akira Ohsumi，Hiroshi Ijima，Tomoki Kuroishi，“Online detection of pulse sequence in random noise using a wavelet，”IEEETransactions on Signal Processing，vol.47，no.9，pp.2526-2531，September 1999”中利用小波检测含噪声观测信号中的随机脉冲串信号；文献“Z.Tian，G.B.Giannakis，“A wavelet approach towideband spectrum sensing for cognitive radios，”in Proc.Of the lst International Conference onCognitive Radio”中提出了一种利用小波变换的宽带频谱空洞检测方法，该方法首先利用FFT估计宽频带上的功率谱密度(power spectral density，PSD)，然后利用小波变换对功率谱密度中不同频谱区域(黑、灰、或白空间)的边沿进行有效地检测与定位，该能量检测器相当于频域中的能量检测器。然而，在低SNR时，由于噪声可能破坏脉冲边沿而难于检测脉冲边沿。一些文献也证明，小波变换在不同尺度空间上存在很强的关联性。对于输入信号中存在的各脉冲边沿，其小波变换系数将在连续的尺度空间上产生局部极值点，而噪声的小波变换则快速地衰落。而且不难理解，噪声的小波变换系数在不同尺度空间上的同一平移参数处将为正值或负值，而脉冲边沿的小波变换系数在不同尺度空间上的同一平移参数处将为相同的符号。基于这些结论，一些文献提出将一些连续尺度空间上小波变换系数相乘，所得到的多尺度小波变换系数之积用于对高斯噪声中的随机脉冲进行检测与定位。该方法能有效地增强局部极值的峰值幅度，且有效地降低噪声。但是，除了一些特殊情况外，多尺度小波变换系数之积的概率密度函数难于推导出来，从而制约了其实用性。在文献“Rym Besrour，Zied Lachiri，Noureddine Ellouze，“Using multiscale product for ECG characterization，”Research Letters inSignal Processing，Volume 2009，pp.1-5”中，多尺度小波变换系数之积用于ECG的特征描述，其中门限根据相应尺度上小波变换系数的均方根(RMS)值来确定，但这样选取的门限无法满足恒虚警要求。文献“E.Elsehely，M.I.Sobhy，“Detection of radar target pulse in the presence ofnoise and jamming signal using the multiscale wavelet transform，”IEEE International Symposiumon Circuits and Systems，Orlando，Florida，USA，May 30-June 2，1999，vol.3，pp.536-539”中利用小波系数在不同尺度空间上局部极值之和来检测与定位脉冲信号。但是，当SNR比较低时，难以确定局部极值点是由噪声产生还是由所需脉冲信号产生，因而检测性能将变差。由上描述可见，现有的2类雷达脉冲检测算法----即基于能量感知法和基于小波域多尺度乘积法，都因各自的缺点而限制了这些感知算法的可靠性和实际应用。因此，为了更加可靠的检测到雷达脉冲信号，同时提高检测的效率和精度，必须研究有效的频谱感知方法。而根据文献“Akira Ohsumi，Hiroshi Ijima，Tomoki Kuroishi，“Online detection of pulsesequence in random noise using a wavelet，”IEEE Transactions on Signal Processing，vol.47，no.9，pp.2526-2531，September 1999”的证明可知：脉冲边缘信号的小波变换系数在相应尺度空间上小波滤波器的支撑集中(region of support，RoS)都为正值(或负值)而在其他位置处则为0，而高斯白噪声的小波变换系数仍旧为高斯白噪声。而且，随着尺度空间的增加，SNR变大。如图1所示，其为高斯白噪声(σ2＝1)和脉冲信号的小波本文档来自技高网...

【技术保护点】
１．一种基于小波变换来感知认知无线电系统中的脉冲信号的方法，其特征在于包括步骤：１）对感知接收机所接收到的信号进行小波变换，并在各时间点处计算特定尺度上小波支撑集内小波变换系数的平方和，再用该尺度上噪声方差对该平方和进行归一化以便获得小波变换域能量感知的判决统计量；２）分析所述判决统计量的统计特征，以便计算出所述判决统计量在观测区间上的最大值，进而根据来确定判决门限值，其中，ＰＦ为虚警概率，其值预先设定，为所述判决统计量的最大值，λＥ为判决门限值，Ｈ０表示接收到的信号中不存在脉冲边沿信号，表示在Ｈ０下，的概率；３）将所获得的判决统计量与所确定的判决门限值进行比较以判断接收到的信号中是否存在脉冲边沿信号。

【技术特征摘要】
1.一种基于小波变换来感知认知无线电系统中的脉冲信号的方法，其特征在于包括步
骤：
1)对感知接收机所接收到的信号进行小波变换，并在各时间点处计算特定尺度上小
波支撑集内小波变换系数的平方和，再用该尺度上噪声方差对该平方和进行归一
化以便获得小波变换域能量感知的判决统计量；
2)分析所述判决统计量的统计特征，以便计算出所述判决统计量在观测区间上的最
大值，进而根据来确定判决门限值，其中，PF为虚警概率，
其值预先设定，为所述判决统计量的最大值，λE为判决门限值，H0表示接
收到的信号中不存在脉冲边沿信号，表示在H0下，的
概率；
3)将所获得的判决统计量与所确定的判决门限值进行比较以判断接收到的信号中是
否存在脉冲边沿信号。
2.如权利要求1所述的基于小波变换来感知认知无线电...

【专利技术属性】
技术研发人员：易辉跃，胡宏林，王瑞，王力，
申请(专利权)人：上海无线通信研究中心，
类型：发明
国别省市：31