[发明专利]一种认知无人机网络中非高斯噪声下频谱感知方法

权利要求书

1.一种认知无人机网络中非高斯噪声下频谱感知方法，其特征在于，所述认知无人机网络中非高斯噪声下频谱感知方法包括以下步骤：

第一步，利用p范数对观测信号矩阵x进行映射，得到p范数向量；

所述利用p范数对观测信号矩阵x进行映射，得到p范数向量：

其中，F^x为p范数向量，x_k(n)是第k根第n个的观测信号，p为范数参数，N为信号长度，K为接收天线数目；

第二步，基于p范数向量构建检测统计量T_F；

所述基于p范数向量构建检测统计量T_F；

其中，为p范数向量元素，λ为主用户信号到达率；

第三步，根据似然检测理论和中心极限定理计算检测门限η_F，并检测主用户信号；

所述根据似然检测理论和中心极限定理计算检测门限η_F，并检测主用户信号；

检测门限表达式为

其中，Q^-1(·)为正态分布的互补分布函数的逆函数，表示H₀条件下统计量T_F的均值，表示H₀条件下统计量T_F的方差，P_f为虚警概率，M_w(p)＝E[|w_k(n)|^p]，w_k(n)表示第k根天线上的噪声；

对于三种非高斯噪声，M_w(p)表示为

其中，表示混合高斯噪声下|w_k(n)|^p的均值，b_i表示第i个分量噪声的系数，且I表示噪声分量的数目，表示第i个分量噪声的方差；表示广义高斯噪声下|w_k(n)|^p的均值，β为形状参数，为噪声方差，Γ(·)为伽马函数；表示alpha稳定噪声下|w_k(n)|^p的均值，α称为特征指数，用来度量分布函数拖尾的厚度，γ为分散系数；

该方法还包括：检测主用户信号，如果T_F＜η_F，判为主用户信号存在；否则，判为主用户信号不存在。

2.一种实现如权利要求1所述认知无人机网络中非高斯噪声下频谱感知方法的系统，其特征在于，该认知无人机网络中非高斯噪声下频谱感知系统包括：

通过范数对观测信号矩阵进行映射，得到范数向量的处理单元；

与处理单元相连接，实现范数向量构建检测统计量的统计单元；

与统计单元相连接，实现计算检测门限，检测主用户信号的检测单元。

3.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1所述的认知无人机网络中非高斯噪声下频谱感知方法的步骤。

4.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行权利要求1所述的认知无人机网络中非高斯噪声下频谱感知方法的步骤。