[发明专利]一种基于非圆信号的局部最大功效不变检验频谱感知方法

说明书

技术领域

本发明涉及通信技术领域，具体是涉及一种基于非圆信号的局部最大功效不变检验频谱感知方法。

背景技术

作为认知无线电网络中非常重要的一个环节，频谱感知技术已经受到国内外学者的广泛关注。通过频谱感知技术，认知用户可以在不干扰主用户的前提下，发现频谱空洞，从而利用未被占用的频谱资源，大大提高频谱利用率。然而，在感知过程中往往存在虚警和漏检的情况，虚警的发生导致频谱利用率的降低，而漏检的发生则会给主用户带来干扰。另一方面，由于主用户的接入情况是随时变化的，所以必须保证在尽可能短的时间内完成感知。因此研究检测精度和感知效率较高，且易于实现的频谱感知算法具有非常重要的意义。

传统的频谱感知算法包括匹配滤波检测、循环平稳特征检测和能量检测等，匹配滤波由于需要已知主用户的全部先验信息因而在实际应用中受到诸多限制，而循环平稳特征检测则计算复杂度太高，能量检测由于简单易实现，是实际应用中最为常用的一种，但是受噪声功率影响严重。多天线技术由于具有良好的抗衰落特性和分集增益等，近年来受到了国内外学者的关注，也已经被广泛应用到频谱感知领域。其基本思想是，在主用户占用频段的情况下，认知用户接收端各个天线接收到的信号来源于同一个认知用户，因此彼此之间有着很强的相关性；而在频段空闲的情况下，由于接收到的是噪声，所以不存在相关性。利用这个相关结构，不需要已知噪声功率便可以设计出很好的检测器。MME(Maximum-MinimumEigenvalue)检测方法利用接收信号采样协方差矩阵的最大特征值与最小特征值比构造检验统计量。随后，在广义最大似然比检验(GLRT)的构架下，出现了AGM(ArithmetictoGeometricMean)算法。实际应用中，由于天线非标定等原因，导致接收端各天线处噪声功率不一致(非均匀噪声)，在这种场景下，GLRT检测的检验统计量可以通过计算采样协方差矩阵的Hadamard比来实现，称为Hadamard算法。同样为了克服非均匀噪声的影响，VD(Volume-basedDetection)算法通过采样协方差矩阵的行列式构造检验统计量。不难发现，上述方法均是利用信号的采样协方差矩阵来构造检验统计量设计相应的检测算法，然而，对于通信系统中非常常见的非圆信号而言，完整的二阶统计特性除了协方差矩阵，还包括共轭协方差矩阵，因此只利用信号的协方差矩阵，并没有完全利用信号的统计特性，因此检测性能并不高。基于此，在传统Hadamard算法的基础上，出现了针对非圆信号的NC-HDM算法，该方法同样是在GLRT架构上提出的。然而，由于GLRT检测需要利用未知参数的最大似然估计来计算似然比，从而构造检验统计量，因此在采样点数较小，信道环境较差的情况下，估计误差会大大影响其检测性能。

发明内容

为了解决这一问题，本发明提出了一种基于非圆信号的NC-局部最大功效不变检验检测算法。具体为一种基于非圆信号的局部最大功效不变检验频谱感知方法，包括以下步骤：

A、根据认知用户接收端的接收信号，计算采样协方差矩阵，并构建对应的增广采样协方差矩阵；

B、对于增广采样协方差矩阵，计算其矩阵的F范数，从而构建检验统计量T；

C、通过与预设的门限作比较，若统计量大于门限，则认为频谱被占用，反之，则认为频谱空闲，从而完成检测。

在上述技术方案的基础上，步骤A中第k个采样时刻认知用户接收端的接收信号具有如下形式