[发明专利]认知网络中加权的基于信号相关特性的频谱检测方法

摘要

认知网络中加权的基于信号相关特性的频谱检测方法，是为解决认知系统目前已有的频谱检测算法受噪声功率不确定问题影响，需要主用户信号、噪声信号先验知识、在低信噪比弱信号相关性系统中检测性能较差的问题。本发明首先进行采样并利用采样点计算样本协方差矩阵。然后根据样本协方差矩阵计算相应的检测统计量。而后根据预期的虚警概率计算判决门限。最后，比较检测统计量和判决门限的大小从而判定主用户信号是否存在。本发明方法适用于在认知网络中进行频谱检测，判定认知系统中是否存在主用户信号。

主权项

1.认知网络中加权的基于信号相关特性的频谱检测方法，其特征是：它包括以下步骤：步骤一、采用认知用户多天线接收端对接收到的信号进行采样，设采样点数为K，采样频率为fs，并根据公式：计算样本协方差矩阵设每个认知用户有M个感知天线；主用户信号经历瑞利信道到达每个认知用户接收端；则在第k个时刻接收信号采样向量，即：x(k)＝[x1(k),x2(k),…,xM(k)]T，为：其中：K表示采样点数；向量w(k)＝[w₁(k),w₂(k),…,w_M(k)]^T表示M个天线接收到的独立同分布的复高斯白噪声信号，其均值为0，方差为且设等于噪声功率；s(k)＝[s₁(k),s₂(k),…,s_M(k)]^T表示认知用户接收到的主用户信号；H₁和H₀表示主用户信号出现和不出现的场景；在第m个天线接收到的信号为：其中：1≤m≤M；Sp代表发射功率，r为主用户和认知用户之间的距离，hψ(r)表示路径损耗，hm(k)是多径衰落系数，θs(k)为发送的主用户信号；采用σ_s代替步骤二、根据公式：利用样本协方差矩阵计算频谱检测方法的检测统计量T_w；其中：代表矩阵的第(m,n)个元素；f_b为符号速率；N_s＝f_s/f_b表示每个符号对应的采样点数；T_w,mm,ξ和T_w,mn分别代表对应于接收信号自相关和互相关函数统计特性的检测量项；T_w,mm,ξ和T_w,mn的加权系数为：和n为矩阵的列；为接收信号的自相关函数；为带有ξ个时延接收信号的自相关函数；步骤三、根据公式：计算判决门限λ；其中：Q^‑1(·)表示Q(·)的反函数，P_f,WDSC为预设的WDSC算法希望达到的虚警概率值；步骤四、通过比较步骤二获得的检测统计量Tw和步骤三获得的判决门限λ的大小，认知网络判定主用户信号是否出现。