[发明专利]一种基于信息几何的α散度的频谱感知方法

说明书

本发明涉及无线通信方法的技术领域，更具体地，涉及一种基于信息几何的α散度的频谱感知方法，包括以下步骤：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；利用自然梯度下降算法计算N个噪声协方差矩阵R_k的黎曼均值计算检测单元R与黎曼均值之间的几何距离L；将n个几何距离L进行降序排序，并计算门限值T；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；比较门限值T与距离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。本发明计算过程简单实用，具有较好的频谱感知效率以及频谱感知稳定性。

技术领域

本发明涉及无线通信方法的技术领域，更具体地，涉及一种基于信息几何的α散度的频谱感知方法。

背景技术

无线通信技术的快速发展给我们的生活带来了许多便利，同时对频谱资源的需求也不断增大。无线频谱作为一种有限的自然资源正变得日益紧张，开始制约无线通信技术的发展，给高质量的通信服务造成了一定的影响。目前各国的频谱管理制度大致相同，把可用的频谱资源分成两部分，包括授权的固定频段和供开放使用的未授权频段，而其中频谱资源在不同频段上的使用率有很大区别；在一些非授权频段上的使用率相当高，同时也有很大部分授权频段长时间处于空闲状态，这从侧面反映频谱资源的匮乏很大一部分原因归结于频谱利用率过低。

传统的频谱感知方法主要有能量检测、匹配滤波和、循环特征检测和随机矩阵检测方法。但实际环境中所接收到的感知信号包括噪声，这会影响传统频谱感知方法的检测性能。另外，能量检测算法的缺点是容易受到噪声波动的影响，检测性能对噪声的不确定性十分敏感；循环平稳特征检测算法的缺点是复杂度较高，同时降低了系统的灵敏度；而匹配滤波检测算法的缺点是需要授权用户信号的先验信息，通用性较差；正定矩阵CFAR检测因为杂波功率是通过Riemann均值(几何均值)计算得出，所以当样本数据出现异常值(离群值)时，Riemann均值(几何均值)可能发生较大的改变，导致检测性能不够稳定。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于信息几何的α散度的频谱感知方法，针对不同的分布数据，可以对应到相应的统计流形上进行几何分析，可以得到较好的检测效果。

为解决上述技术问题，本发明采用的技术方案是：

提供一种基于信息几何的α散度的频谱感知方法，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。

本发明的基于信息几何的α散度的频谱感知方法，针对不同的分布数据，可以对应到相应的统计流形上进行几何分析，并且计算过程简单实用，可以得到较好的检测结果。

优选地，步骤S10中，所述认知无线电模型的建立方法如下：