[发明专利]基于快速傅里叶变换的盲频谱感知方法及装置

说明书

技术领域

本发明涉及认知无线电系统中的频谱感知技术，特别是涉及一种无需发送信号任何特征信息的盲频谱感知方法及装置。

背景技术

随着无线数据业务的飞速发展，人们对频谱资源的需求越来越大，频谱资源日趋匮乏。另一方面，一些频段的利用率却非常低。这使得传统的预先分配、长期授权使用的静态频谱管理方式的效率较低。因此，如何灵活有效地使用频谱资源成为热点问题。基于认知无线电的频谱共享概念由J.Mitola首次提出，这一技术使得在任何时间、任何地点灵活利用频谱资源成为可能。认知无线电技术的出现，极大地提高了频谱利用率，缓解日益增长的无线业务需求与日渐匮乏的频谱资源之间的矛盾，被普遍认为是解决目前无线频谱利用率低问题的最佳方案。

在认知无线电系统中，如何判别频谱上是否存在授权用户的信号是首先要解决的问题。这一问题被称为频谱检测或频谱感知。常用的频谱检测方法包括：能量检测、匹配滤波检测和循环平稳检测。能量检测复杂度低，但是受到噪声的不确定性的影响，其性能恶化严重。匹配滤波性能优异，但是需要已知发送信号的特征。循环平稳检测的性能也很优异，但是复杂度较高，在实际应用时，受到一定的局限。

根据接收信号的协方差矩阵可以判断该频段上是信号还是噪声，其工作的理论基础如下。我们知道，通常，有信号存在的情况下，信号的协方差矩阵不是一个对角矩阵，而仅噪声存在时，接收信号的协方差矩阵为对角线元素相等的矩阵。基于这一理论基础，传统的技术方案提出了一种利用接收信号的协方差矩阵的特征值进行频谱感知，判决变量可以由协方差矩阵的特征值构成，并给出了一种判决变量构造方法，即最大最小特征值的比值。可以看出，理想情况下，只有噪声存在时，该最大最小特征值的比值为1，有信号存在时，该比值是大于1的。该方法的优点是无需发送信号的任何先验信息，也无需噪声的任何统计特性。但是，求解最大最小特征值需要复杂的特征值分解，计算复杂度为O(L³)，其中，L是协方差矩阵的维度。因此，该方法的复杂度非常高，尤其是当L较大时，工程实现非常困难。

发明内容

技术问题：为了克服现有能量检测对噪声不确定性影响，本发明提出了一种基于快速傅里叶变换的盲频谱频谱检测方法及装置。

技术方案：基于快速傅里叶变换的盲频谱感知方法，包括如下步骤：

（1）接收待感知频段上的无线信号；

（2）对接收信号进行采样滤波后，计算信号的自相关系数；

（3）对自相关系数进行M点的快速傅里叶变换，并根据快速傅里叶变换的结果进行频谱感知；

（4）快速傅里叶变换的结果进行求模运算，记模值为f₁,f₂,…,f_M，并根据该模值构造数值T₁和T₂；其中，T₁和T₂均为f₁,f₂,…,f_M的多元函数，它们分别至少包含f₁,f₂,…,f_M中的一个；

（5）计算判决变量T=T₁/T₂；当T大于预先设定的判决门限，则判定该频谱上有授权信号存在，当T小于预先设定的判决门限，则判定没有授权信号，即该频谱空闲。

优选的，所述T的构造方法是T₁=max(f₁,f₂,…,f_M)，T₂=min(f₁,f₂,…,f_M)，其中，max()和min()分别表示求最大和求最小值运算；

优选的，所述T的构造方法是T₁=max(f₁,f₂,…,f_M)，T₂为f₁,f₂,…,f_M的线性叠加。

所述快速傅里叶变换的点数M为，其中，表示向上取整。

所述判决门限根据所要求的虚警概率或检测概率通过理论或仿真计算得到。

采样滤波后的N个样本信号表示为，x(0),x(1),…,x(N-1)，所述的相关系数可以通过如下方法得到：选取计算窗口长度为L，从l=0,…,L-1，计算样本信号的相关系数：