[发明专利]一种时频特性提取及压缩感知融合的高效协作频谱感知方法

说明书

本发明涉及一种信号时频特性提取及压缩感知融合的高效协作频谱感知方法，通过以下步骤完成：步骤一，接收信号x(t)，利用短时傅里叶变换(STFT)提取信号时频特性，得到x(t)的时频特性矩阵，分别对矩阵每个元素求模及平方，得到时频图矩阵：步骤二，构造检测统计量，并检测主用户(PU)信号；步骤三，利用压缩感知(CS)压缩SU中的θ(w)，并传输到融合中心，因现实通信中PU信号具有稀疏性；步骤四，融合中心利用正交匹配追踪(OMP)方法，重构和量化θ(w)，再用K秩序准则，实现协作感知；本发明能同时检测多个频段内的PU信号，从而减少了所需滤波器的数量，且利用CS减少数据传输量，及协作感知技术提高频谱感知的检测概率。

技术领域

本发明属于数字通信技术领域，尤其涉及一种时频特性提取及压缩感知融合的高效协作频谱感知方法。

背景技术

传统频谱分配方式是静态的，导致频谱不能被充分利用，从而使频谱资源变得日益稀缺，限制了无线通信发展。随着认知无线电(CR)技术的出现，使主用户(PU)能智能接入未占用的空闲频谱，极大提高频谱利用率。其中，频谱感知作为CR关键，能精确智能地识别并利用空闲频谱，来有效提高频谱利用率。其中，传统单用户频谱感知技术因其局限性，不适合实际复杂环境。为此，多用户协作频谱感知技术应运而生。它通过对多用户感知结果融合，能有效提高频谱感的性能。本发明方法首先估计了高斯白噪声功率，并利用STFT充分利用信号时域和频域特性。因此，其不仅可检测信号，还可以对应到信号频率，从而可减少传统频谱感知过程中滤波器的数量，并且使用CS技术，将传输到融合中心的数据降维，及使用K秩准则提高了检测概率。

本发明方法涉及的一些背景技术如下：

1.短时傅里叶变换(STFT)

对于具有多个频率分量随时间变化的信号而言，为了获得频率、幅度和时间的对应关系，通常是用“局部频谱”的概念，即用一个窄窗函数去获取所需的信号，然后对该信号做快速傅里叶变换(FFT)。由于截取信号的频带宽度非常窄，并且剔除了窗函数以外的频谱信息，因而称这种傅里叶变换方式为短时傅里叶变换(short-time Fourier transform,STFT)。STFT本质理念是：把整段截获信号用窗函数沿着信号接收先后顺序从前往后移动窗函数去和信号做相乘处理，从而把整段截获信号按先后顺序分为多个小段，再用FFT把窗函数截得的每小段信号用频谱表示，以确定在每个时间段里的频率分量。其具体过程如下：

典型认知无线电网络(CNR)由PU和SU组成。通常,PU和SU间的无线通信在物理上分隔，SU无法直接获得PU信道状态。PU又称为授权用户，拥有在所授权频段的优先使用权；SU称为认知用户，需实时感知PU用户的频谱占用状态，防止与PU造成通信冲突。SU感知信号可表示为二元假设问题：

其中，H₀和H₁分别表示PU不存在及存在的两个假设条件，s(k)和n(k)(k＝1,2,...N)分别表示接收到的第k个PU信号序列和均值为零方差为的加性高斯白噪声。且k为整数，n(k)为实数。

设整个认知网络中有ρ个SU，T个PU，第i个SU接收到一个维度为1×N的信号，即有X_i＝(x_i1,x_i2,...,x_iN)∈R^N,i＝1,...,M。X_i代表第i个SU接收到的信号，x_ij代表第i个SU接收信号中的第j个采样点。设定一个矩形窗h(n)，可用式表示为：

其中，P为整数，代表窗长。把接收信号用矩形窗h(n)按信号接收先后顺序，从前往后移动窗函数与信号相乘，将整段截获信号按先后顺序分为多个小段，用窗函数去截取某小段以时刻l为中心的信号，可用数学表达式表示为：