[发明专利]一种基于信息几何的α散度的频谱感知方法

权利要求书

1.一种基于信息几何的α散度的频谱感知方法，其特征在于，包括以下步骤：

S10.建立认知无线电模型，对噪声环境仿真产生N个噪声协方差矩阵R_k，并将其中一个作为待检测单元R；

S20.利用自然梯度下降算法计算步骤S10中N个噪声协方差矩阵R_k的黎曼均值

S30.计算步骤S10中检测单元R与步骤S20中黎曼均值之间的几何距离L；

S40.设定虚警概率P_f，重复步骤S10～S30共n次得到n个几何距离L，将得到的n个几何距离L进行降序排序，并计算门限值T；

S50.对主用户信号进行数据采样得到已知信号矩阵，仿真产生若干未知信号协方差矩阵，采用信息几何的α散度求解信号协方差矩阵与已知信号矩阵在流形上的距离D；

S60.通过比较器比较步骤S40中门限值T与步骤S50中距离D的大小：若D>T，则待感知的信号有信号存在；否则，仅有噪声存在。

2.根据权利要求1所述的基于信息几何的α散度的频谱感知方法，其特征在于，步骤S10中，所述认知无线电模型的建立方法如下：

假设在认知无线电网络中有K个SU而且每个SU的采样点数为N，H₀表示为信号不存在，H₁表示为信号存在，两种假设下接收信号的模型表示为：

式中，s_i(n)表示主用户PU信号，w_i(n)表示均值为0、方差为σ²高斯白噪声信号；以S＝1和S＝0分别表示PU的状态，则频道的可用性A可定义为：

当A＝0时，表示频道不能使用；当A＝1时，表示频道可以使用；

另外，定义虚警概率P_fa和检测概率P_d为：

P_fa＝P[A^*＝0|A＝1]

P_d＝P[A^*＝0|A＝0] 。

3.根据权利要求1所述的基于信息几何的α散度的频谱感知方法，其特征在于，步骤S20中，对包含N个噪声协方差矩阵R_k(k＝1,2,3,…,N)的矩阵流形，所述黎曼均值为目标函数J(R)取得最小值时所对应的矩阵，表示为：

式中，D(R_k，R)表示噪声协方差矩阵R_k与检测单元R之间的距离。

4.根据权利要求3所述的基于信息几何的α散度的频谱感知方法，其特征在于，对于包含两个点R₁和R₂的矩阵流形，黎曼均值为连接R₁和R₂的测地线的中点，表示为：

。

5.根据权利要求3所述的基于信息几何的α散度的频谱感知方法，其特征在于，对于包含N(N>2)个点的矩阵流形，利用梯度下降算法迭代计算黎曼均值表示为：

式中，τ为迭代步长。

6.根据权利要求1至5任一项所述的基于信息几何的α散度的频谱感知方法，其特征在于，步骤S40中，所述门限值的计算方法为：将步骤S30中得到的n个几何距离L进行降序排序，所述门限值T对应于降序排列的L*P_f位置的值。

7.根据权利要求6所述的基于信息几何的α散度的频谱感知方法，其特征在于，虚警概率P_f取值为10^-3～10^-2。

8.根据权利要求7所述的基于信息几何的α散度的频谱感知方法，其特征在于，虚警概率P_f取值为10^-2。