[发明专利]一种能有效对抗噪声不确定性的多天线全盲频谱感知方法

说明书

技术领域

本发明涉及一种应用于多天线认知无线电系统中频谱空洞检测的方法，属于无线通信中的认知无线电技术领域。

背景技术

无线通信面临的基本问题是如何使资源利用更合理、网络覆盖范围更广、系统容量更大、带宽利用效率更高，从而为用户提供更好的服务质量。多输入多输出(MIMO，Multi-Input Multi-Output)技术的出现为解决上述问题提供了很好的解决思路，它目前已成为长期演进方案(LTE，Long Term Evolution)等通信标准的物理层关键技术之一。另一方面，认知无线电技术允许次级用户在不干扰主用户正常通信服务的前提下合理使用其空置的频谱资源，为有效缓解日益增长的频谱需求和有限的频谱资源之间的矛盾提供了全新的解决思路，它的出现引起了学术界和工业界广泛的关注。鉴于两者的优点，认知MIMO无线电(Cognitive MIMO Radio)技术已经成为认知无线电领域的研究热点。频谱感知算法是无线电技术得以实现的前提和关键，因此有效的多天线频谱感知算法自然成为实现认知MIMO无线电技术的关键因素。

经典的基于能量的检测方法具有实现简单，检测过程中无需利用信道和主用户信号信息的优点而成为使用最为广泛的检测方法之一。然而，该方法具有两个致命的缺点：其一，在检测零均值独立高斯主用户信号时，基于能量的检测方法具有最优的检测性能。但是在实际的检测过程中，由于无线信道时间色散以及过采样等因素的影响使得待判决的有用信号成分往往具有统计相关特征，而现有的研究结果已经证实了能量检测方法在这种情况下的感知性能将显著下降。另一方面，在检测过程中，能量检测方法需要利用准确的噪声方差值。而在现实应用当中，噪声不确定性现象的影响将直接导致噪声方差是时变的、随机的，因而不可能经由测量获得准确的噪声方差值。现有的研究结果表明，能量检测方法的检测性能将随着噪声不确定性问题的出现而显著下降，最终导致该方法的失效。

为了克服能量检测方法存在的上述问题，一些学者提出了基于接收信号相关特性的多天线频谱感知方法。经典的方法包括：基于取样协方差矩阵的对角线与非对角线元素绝对值之比、基于取样协方差矩阵的最大特征值与最小特征值之比，以及基于接收信号能量与取样协方差矩阵最小特征值之比等三种全盲多天线频谱感知方法。上述三种方法共同的优点在于：解决了基于能量检测的方法所遭遇的噪声不确定性问题，并且在多天线接收信号存在相关性时表现出优良的检测性能。然而，噪声不确定性问题在多天线感知场景下表现得更为复杂，由于感知组件中电子器件非线性因素以及标称误差等噪声不确定性因素的存在，在实际的感知应用当中不同天线之间的噪声方差并不相同。而上述三种方法仅仅着眼于解决感知节点上不同天线之间噪声方差相等的条件下的频谱感知问题，在噪声方差不一致的条件下这些方法所依赖的应用前提不再成立，其所对应的检测结果将变得不再可靠。

为了克服不同天线之间噪声方差不一致问题所带来的感知结果不可靠的问题，J.K.Tugnait等学者最近在《IEEE Transactions on Signal Processing,vol.60,no.4,pp.1823-1832,Apr.2012》发表了题为“On multiple antenna spectrum sensing under noise variance uncertainty and flat fading(噪声不确定和平坦衰落条件下多天线频谱感知算法)”的文章，该文在基于接收信号服从高斯分布的前提条件之下，通过对不同天线之间的未知噪声方差进行估计，提出了基于广义似然比技术的检测方法。该方法在天线间噪声方差不一致的条件下表现出了良好的感知性能，但是，其缺点体现在如下三个方面：其一，该方法当主用户接收信号服从高斯分布时为最佳，而在主用户接收信号为非高斯分布时的感知场景则并不满足最佳匹配条件；其二，该方法在感知过程中依赖于主用户信号的统计特征，因而并非一种全盲感知方法；其三，该方法在感知判决量的计算过程中涉及取样协方差矩阵的行列式计算，算法计算复杂度高，在天线数目较多的条件下这一缺点显得尤为突出。以上三方面的原因限制了该方法在实际多天线感知场景中进一步的应用和推广。在这种背景下，设计兼具可靠的感知性能和低计算复杂度的能有效对抗噪声方差不确定性影响的全盲多天线频谱感知方法显得尤为必要。

发明内容