[发明专利]一种时变衰落信道下的频谱检测方法

说明书

技术领域

本发明针对时变衰落信道下频谱检测问题，设计提出一种动态状态空间系统模型 (Dynamic State-space Model，DSM)，分别基于两状态马尔科夫状态概率转移模型和一阶有限状态马尔科夫信道(Finite-state Markov Channel,FSMC)模型，将授权用户(也称为主用户)状态与时变信道状态作为隐藏状态(Hidden States)；在此基础上，提出一种联合估计信道增益与授权用户状态的新型频谱感知方法，并利用粒子滤波(Particle Filtering， PF)技术估计非平稳系统中所涉及的后验概率，从而实现了对于时变衰落信道增益与主用户状态的联合估计。属于通信领域。

背景技术

随着现代无线通信技术的迅猛发展以及用户需求的不断增加，无线传输技术正在向着大宽带高码率方向不断迈进。在频谱资源紧缺局势日益凸显的今天，无线系统设计者开始着手提升已授权频段的频谱利用率，旨在实现一种更为灵活、高效的无线频谱资源管理使用方案，从而为下一代高速无线通信业务的发展提供必要前提条件。在此背景的推动下，认知无线电技术(Cognitive Radio，CR)应运而生，成为目前有望缓解频谱资源枯竭与其利用率偏低这一主要矛盾的最具应用前景的新技术之一。CR通过实时感知检测无线频谱的使用状况(即主用户是否使用频段)，在授权频段无主用户工作时，非授权用户(也称为次要用户)将机会性地动态接入并使用该空闲频谱。因此，频谱感知 (Spectrum Sensing)将是认知无线电技术中的关键部分。

频谱感知显著区别于一般通信接收机中的信号检测与接收过程，它无需准确复原所接收的信号，而仅需检测某个特定频段在特定地理区域和时段上，是否存在有主用户信号。目前来看，现有频谱感知方案可分为三种检测方式，即能量检测器(Energy Detection, ED)、匹配滤波器(Matched Filter Detection,MFD)和循环平稳特征检测(Cyclostationary Detection)。相比于其他两种方法，能量检测方案因其计算复杂度低，无需授权信号先验信息，且检测时间短等诸多优势，成为目前广泛应用的频谱感知方案之一。然而遗憾的是，能量检测容易受到信道状态的影响，具体来讲，ED中的判决门限与接收信号的能量密切相关，因而在时变衰落信道中，信道增益随时间变化的特性无疑将极大地增加检测难度，并显著降低实际应用中的频谱检测性能。尽管现有研究已考虑时变衰落信道的统计概率分布密度特性，但该统计概率分布仅能反映衰落信道的瞬时随机特性，并不能描述其随时间迁移变化的性质，因而也难以对时变信道进行描述与追踪，导致ED检测性能欠佳。

本发明提出一种时变衰落信道下的动态状态空间模型，用以深入描述主用户状态与时变信道增益这两个隐含状态的时变迁移特性；在此基础上，设计提出针对时变衰落信道的一种全新频谱感知方法，将累计信号能量作为DSM的观测信号，并充分发掘授权用户工作状态的先验概率以及衰落信道增益的状态转移特性，对主用户状态和时变信道增益实施联合估计(Joint Estimation)，极大提高了实际衰落信道中的频谱感知性能，在无需实施复杂的多节点协作感知的情况下，亦能获得良好检测性能。由于该方案以累计能量作为观测量，新方法在提升性能的同时，亦保留了无需主用户信号特征以及检测时间短的优势。

发明内容

本发明提出一种针对时变衰落信道的新频谱检测模型，将授权用户工作状态和衰落信道增益看作两个隐藏系统状态，并引入一阶FSMC模型来有效地刻画时变慢衰落信道增益随时间迁移的特性，同时将接收到的授权用户信号在特定时间窗内的能量累积和作为系统的观测值；基于新建立的DSM，进一步设计提出一种全新频谱感知方法，充分发掘利用授权用户工作状态的时变特性以及衰落信道增益的状态迁移信息，基于最大后验概率准则(Maximum A Posterior Probability,MAP)及随机采样理论(Random Sampling) 粒子滤波技术(Particle Filtering，PF)，同时估计时变信道增益和授权用户工作状态的后验概率，进而实现了对主用户状态和信道增益的联合估计与实时跟踪。新方案在保证感知算法低复杂度与实时性要求的前提下，极大提高了时变衰落信道中的频谱感知性能，从而为分布式认知无线网络的设计与实现提供一种极具应用潜力的方案。

本发明采用以下技术方案。