[发明专利]基于信号和噪声特征检测的频谱感知方法

摘要

本发明涉及一种基于信号和噪声特征检测的频谱感知方法，在一个包括主用户和认知用户的认知网络中，认知用户将接收到的信号进行信号特征分析与计算，并将计算到的信号特征送入信号特征检测网络进行检测，以判别主用户信号是否存在，如果信号特征检测网络输出“1”，则判决主用户信号存在，否则判决主用户信号不存。本发明方法通过信号和噪声特征进行频谱感知，频谱判决与认知用户检测到的信号功率大小以及信道噪声功率大小没有相关性，消除了信道噪声波动性对频谱感知性能的影响，尤其适合于信道噪声波动环境下的信号频谱感知。

主权项

1.基于信号和噪声特征检测的频谱感知方法，认知网络至少包括1个主用户和1个认知用户，认知用户接收到的检测信号为y(t)＝s(t)+n(t)，其中，s(t)为主用户传输的信号，n(t)为信道噪声，0≤t≤T，T为认知用户频谱检测时间；所述频谱感知方法包括如下步骤：步骤1、样本提取——从主用户信号样本中获取主用户信号样本序列s_m(k)，从信道噪声样本中获取信道噪声样本序列n_m(k)，m＝0,1,…,M‑1，k＝0,1,…,K‑1，其中M是样本数，K是每个样本的抽样数；步骤2、特征提取——根据信号样本序列s_m(k)和噪声样本序列n_m(k)计算每个样本的自相关函数序列：和其中，l＝0,1,…,K‑1；并且由此构成自相关矩阵：和由此分别得到这两个自相关矩阵的最大最小特征值之比和以及自相关矩阵的所有元素之和与其矩阵对角元素之和的比和其中，max(eig)_s为自相关矩阵的最大特征值，max(eig)_n为自相关矩阵的最大特征值，min(eig)_s为自相关矩阵的最小特征值，min(eig)_n为自相关矩阵的最小特征值；步骤3、训练序列构建——由序列和序列组合构成一个长度为2M的特征训练序列{X_p}，由和组合构成一个长度为2M的特征训练序列{Z_p}，p＝0,1,…,2M‑1，其中或者步骤4、特征训练——由神经网络构成一个两输入端、一输出端的信号特征检测网络，采用机器学习算法对该网络进行训练，其中训练序列{X_p}从一个输入端输入，{Z_p}从另外一个输入端输入，该网络训练输出是“1”或“0”两类，当网络的输入端含有和中对应的元素时，网络训练输出是“1”，表示主用户信号存在，当网络的输入端仅为和中对应的元素时，网络训练输出是“0”，表示主用户信号不存在，训练长度为2M；步骤5、信号抽样——训练结束后，信号特征检测网络转换到正常工作状态；此时，对认知用户接收到的信号y(t)进行抽样，得到抽样信号y(k)，k＝0,1,…,K‑1；步骤6、特征计算——根据接收信号样本y(k)计算自相关函数r_y(l)：其中l＝0,1,...,K‑1，并且构成自相关矩阵由此得到自相关矩阵R_y的最大最小特征值之比以及矩阵R_y所有元素之和与矩阵对角元素之和的比其中，max(eig)为矩阵R_y的最大特征值，min(eig)为矩阵R_y的最小特征值；步骤7、特征检测——将计算得到的接收信号的两个特征量X和Z送入所述的信号特征检测网络进行检测，由信号特征检测网络输出结果；步骤8、频谱判决——根据信号特征检测网络的归类输出作出频谱判决，如果信号特征检测网络输出“1”，则判决主用户信号存在，否则判决主用户信号不存在。