[发明专利]一种认知网络中基于非重构序贯压缩的随机信号检测方法

说明书

技术领域

本发明涉及无线通信领域，特别涉及一种认知无线电的频谱检测方法，更具体地说涉及一种频谱稀 疏度未知情况下针对随机信号的频谱检测方法。

背景技术

随着各种无线应用的迅速发展，现有频谱资源已经越来越难以满足人们日益增长的无线接入需求。为 此认知无线电网络(CognitiveRadioNetwork，CRN)技术应运而生。它是一种智能无线通信系统，具有环境 感知和自主调整通信参数的能力，以适应外部无线环境的变化，从而达到提供可靠通信和高效利用无线电 频谱这两个目标。其中频谱感知的作用是尽量快而准确地确定频谱的占用情况。因此，频谱感知的速度和 准确性是非常重要的。

传统的频谱感知技术，大多是针对单信道或窄带频谱场景下的频谱感知。随着对无线频谱资源需求的 不断增加，CR也需要对几百兆赫兹甚至更宽的宽带频谱进行检测。在对宽带频谱进行感知时，所需的高 采样速率及海量采样数据处理都对频谱感知的硬件实现提出了严峻的挑战。如果按照奈奎斯特采样定理， 那么在宽带频谱感知场景下现有窄带频谱感知技术(如基于能量检测的方法或基于特征检测的方法)以及 狭义宽带的过渡方案(如基于小波变换的多分辨率检测方法或优化的频带内信道检测方法)都将难以在宽 频带下有效应用。于是人们很自然地思考：能否以远低于奈奎斯特采样速率对宽带频谱进行采样，同时仍 然可以对主用户进行有效检测?

近年来出现的压缩感知理论(CompressiveSensing，CS)表明只要信号是可压缩的或在某个变换域是稀 疏的，就可用一个与变换基不相关的观测矩阵将变换所得到的高维信号投影到一个低维空间上，然后通过 优化方法就可以从这些少量的投影中以高概率重构出原信号。可以证明这样的投影包含了重构信号的足够 信息。压缩感知是信号采样理论的重要进展，具有广阔的应用前景，目前的应用研究已经涉及到众多领域， 如：CS雷达、无线传感网络、图像采集设备的开发、医学图像处理、生物传感、光谱分析、超谱图像处 理及遥感图像处理等。本专利拟将压缩感知理论应用于宽带频谱的快速感知，在保证频谱感知准确性满足 要求的前提下，尽可能降低宽带频谱的采样速率和后续处理的计算量。

目前，压缩感知的研究重点在于低速观测序列的获得和信号波形的高概率、高精度重构。然而，信号 的重构在许多信号处理应用中并不是必须的。很多时候，我们只是希望从观测序列里提取有用信息或滤除 后续处理中不感兴趣的信息。此时，试图通过观测序列重构出所有信号之后再来解决信号提取和滤波问题 显然不是最好的选择。例如，如果只希望检测信号的存在与否，若对信号进行波形重构后再进行检测就浪 费了大量软硬件资源。

此外，传统的压缩检测中需要的观测值数目m是依据假定的信号稀疏度K预先设定的。然而，在实际 中，信号稀疏度往往是未知的，甚至是时变的。预设的信号稀疏度大于实际情况的时候，会产生多余的观 测序列，这些多余的观测序列对进一步提高检测性能的效果并不明显，但会造成额外的压缩测量和后续处 理时间开销；反之，预设的压缩比可能过低，导致观测序列样值较少，难以满足用户的检测精度要求。

发明内容

有鉴于此，本发明将压缩采样与序贯检测技术相结合，提出了一种针对随机信号的检测方法，不仅可 用于单节点检测，也可用于多个认知无线电网络中多个用户进行分布式协作检测的情况(单节点可认作是 用户数N=1的特殊情况)。本发明不仅保留了压缩采样降低数据处理量的优点，而且完全避免了复杂的信 号重构，更重要的是，不需要对原信号的任何先验知识，能够根据信号稀疏度自适应调整压缩比。从而在 保证检测精度的前提下，尽可减少观测数目、降低计算量，以达到节省时间开销，提高检测的实时性的目 的。

上述的发明目的通过以下的技术方案加以实现：一种基于非重构序贯压缩的随机信号检测方法。

包括步骤如下：

(1)初始化，根据性能要求计算检测门限。

(2)在信号接收端，完成宽带模拟信号的低速采样。

(3)根据低速采样观测序列，计算检测统计量和似然比。

(4)将似然比与判决门限比较，确定是否完成检测。

根据本发明的方法，所述步骤(1)为检测门限的计算，包括：

设定判决门限值分别为lnA和lnB，在给定的检测概率P_d和虚警概率P_f下，门限值如下：