[發(fā)明專利]基于信號實時似然比的頻譜感知方法

有效

• 申請?zhí)枺?/td>: 202010087066.4
• 申請日: 2020-02-11
• 公開（公告）號: CN111313990B
• 公開（公告）日: 2021-09-28
• 發(fā)明（設計）人: 張士兵;陳家俊;葛妍妍;郭莉莉;陳永紅
• 申請（專利權）人: 南通大學;南通先進通信技術研究院有限公司
• 主分類號: H04B17/336
• 分類號: H04B17/336;H04B17/327;H04B17/391;H04L1/00
• 代理公司: 南京同澤專利事務所(特殊普通合伙) 32245
• 代理人: 蔡晶晶

1.基于信號實時似然比的頻譜感知方法，認知網絡至少包括1個主用戶和1個認知用戶，認知用戶接收到的檢測信號為y(t)＝s(t)+n(t)，其中，s(t)為認知用戶接收到的主用戶信號，n(t)為信道噪聲，0≤t≤T，T為認知用戶頻譜檢測周期；所述頻譜感知方法包括如下步驟：

步驟1、判決門限設置——根據認知網絡QoS性能要求，分別對認知網絡的頻譜感知虛警概率和檢測概率進行加權，其中，虛警概率加權權重為α，檢測概率加權權重為β，α+β＝1，并由此構成認知網絡頻譜感知判決門限λ：

步驟2、訓練樣本獲取——主用戶發(fā)送M個訓練樣本信號，認知用戶從其接收到的信號中分別獲取主用戶信號存在時的信號樣本序列s_m(k)和主用戶信號不存在時的信號樣本序列n_m(k)，m＝0,1,…,M-1，k＝0,1,…,K-1，其中M是樣本數，K是每個樣本的抽樣數；

步驟3、信號特征提取——根據信號樣本序列s_m(k)和噪聲樣本序列n_m(k)分別計算主用戶信號存在和不存在時認知用戶接收信號樣本的循環(huán)譜峰值，主用戶信號存在時第m個接收信號樣本的循環(huán)譜峰值為主用戶信號不存在時第m個接收信號樣本的循環(huán)譜峰值為

其中，L是頻域平滑次數，符號“*”代表復共軛，f_c為主用戶信號s(t)的數字化載波頻率，S_m(i)為主用戶信號存在時的第m個接收信號樣本序列的離散傅里葉變換

N_m(i)為主用戶信號不存在時的第m個接收信號樣本序列的離散傅里葉變換：

由此得到主用戶信號存在時認知用戶接收信號樣本循環(huán)譜峰值的均值μ_s和方差以及主用戶信號不存在時認知用戶接收信號樣本循環(huán)譜峰值的均值μ_n和方差

步驟4、信號抽樣——認知用戶網絡學習結束后，轉換到正常頻譜感知工作狀態(tài)；此時，對認知用戶接收到的信號y(t)進行抽樣，得到抽樣信號y(k)，k＝0,1,…,K-1；

步驟5、似然比計算——根據抽樣信號y(k)計算信號循環(huán)譜峰值：

其中Y(i)為認知用戶接收信號序列的離散傅里葉變換：

由此得到頻譜判決統(tǒng)計量-循環(huán)譜峰值似然比γ

其中

步驟6、頻譜判決——根據接收信號循環(huán)譜峰值似然比作出頻譜判決，如果信號似然比γ大于判決門限λ，則判決主用戶信號存在，否則判決主用戶信號不存。

2.根據權利要求1所述的基于信號實時似然比的頻譜感知方法，其特征在于還包括以下步驟：

步驟7、信號特征更新——根據判決結果更新主用戶信號存在與否的特征，更新具體方法如下：

(1)如果判決主用戶信號存在，則更新主用戶信號存在時接收信號樣本循環(huán)譜峰值的均值μ_s和方差

(2)如果判決主用戶信號不存在，則更新主用戶信號不存在時接收信號樣本循環(huán)譜峰值的均值μ_n和方差

3.根據權利要求1所述的基于信號實時似然比的頻譜感知方法，其特征在于還包括以下步驟：

步驟8、如果認知用戶需要繼續(xù)下一周期頻譜檢測，則回到步驟4進行新一輪的頻譜檢測，否則結束頻譜檢測。

4.根據權利要求1所述的基于信號實時似然比的頻譜感知方法，其特征在于：所述步驟1中，認知網絡頻譜感知的判決門限λ是根據網絡頻譜感知的虛警概率加權因子α和檢測概率加權因子β設定的，虛警概率加權權重α的取值范圍為0.4-0.6，檢測概率加權權重β的取值范圍為0.4-0.6。

5.根據權利要求1所述的基于信號實時似然比的頻譜感知方法，其特征在于：M取512，K取1024。

6.根據權利要求1所述的基于信號實時似然比的頻譜感知方法，其特征在于：L＝63。