便于实现而又有效的认知无线电频谱检测方法技术

根据本发明专利技术的一个实施例，认知无线电频谱检测过程，一个过程包括：接收信道的时域数字信号；对至少一段时域数字信号应用离散傅立叶变换，根据得到的频谱计算功率谱密度；根据求得的连续的至少一幅功率谱密度，计算至少一个频点上功率谱密度的平均值，并计算至少一个频点上功率谱密度平均值的平均值；根据求得的至少一个平均值、平均值的平均值，与至少一个预设门限的关系，给出信道在至少一个上述频点上的占空信息。在该过程中，计算平均值与计算平均值的平均值通过如下两种计算方式中的至少一种：求和后乘以一个系数、求和然后移位。在该过程中，求得的至少一个平均值、平均值的平均值，与至少一个预设门限的关系为三种关系中的至少一种。

【技术实现步骤摘要】

本专利技术属于无线通信
，涉及认知无线电(Cognitive Radio)中的频谱检测(Spectrum Sensing)，更具体地说，涉及一种检测无线电频谱是否被占用的方法。
技术介绍
认知无线电技术发展的目的是为了更加有效地利用稀缺的无线电频谱资源，其在软件无线电技术基础之上，引入了“智能”。无线电频谱检测技术是认知无线电技术的基石， 用于检测无线电频谱的某些频段在某些时段是否被用户占用(参见Zhe Chen等人在2010 年 IEEESoutheastCon 大会上发表白勺题为Prediction of channel state for cognitive radio usinghigher-order hidden Markov model，，的学术论文)。现有的认知无线电频谱检测技术主要分为能量检测(Energy detection)、匹配滤波器检测(Matched filter detection)、周期平稳特征检测(Cyclostationary feature detection)、基于协方差的检 IlJ (Cov￡iri￡mce_b￡iseddetectiori)、禾口白勺(Wavelet-based detection) 等大几类(参见S. Haykin等人在2009年IEEE期刊“Proceedings of the IEEE”第97卷第5期849至877页上发表的题为Spectrum sensing for cognitive radio”的学术论文，和 Τ. Yucek 等人在 2009 年 IEEE 期刊“IEEE Communications Surveys & Tutorials，， 第 11 卷第 1 期 116 至 130 页上发表的题为A Survey of Spectrum Sensing Algorithms for Cognitive Radio Applications”的学术论文)。每一类无线电频谱检测技术通常又会派生出一些不同的检测方法。不同的无线电频谱检测方法的检测效果(通常用检测概率Pd和虚警概率Pfa衡量)不同，算法复杂度也不同。算法复杂度通常决定了实现无线电频谱检测方法所需要的硬件资源和运算量。算法复杂度越低，越便于在短时间内完成该算法所需的运算，就越便于实时实现无线电频谱的检测。对于电池供电的无线通信设备，算法复杂度越低，在其上运行该算法所需的功耗一般就越低，这样就会延长电池在再充电或被替换之前的使用时间。另外，从算法实现的角度看，通常，算法便于实现不仅意味着降低算法复杂度，而且也意味着便于开发者用硬件、固件、或软件的方法实现该算法。例如，算法中不包含高精度浮点运算， 或算法中不包含硬件或处理器不易实现的运算，等等。有效的算法这里指无线电频谱检测方法的检测效果可以达到或超过既定指标。如果有一种算法复杂度相对不高，且便于实现，又有效的无线电频谱检测方法，这将是一种优势。通过本
普通技术人员所公知的傅立叶变换(Fourier Transform)，可以从时域信号中得到其频谱。通过判断其在某一时段的频谱上的某一频点处的幅值的大小， 可以得到信道在这个时段的这个频点上是否被占用的信息。这种无线电频谱检测方法的优势是实现简单，但其有两个劣势。第一，其检测效果，在低信噪比(SNR)如-20dB)下，通常不足以达到既定指标(如检测概率Pd彡0. 9且虚警概率Pfa < 0. 1)。通过增大傅立叶变换的点数，虽然可以提高其检测效果，但同时其运算量也会大幅提高。第二，这种无线电频谱检测方法通常需要一个预先设置的门限(Threshold)，用以判定某些频点是否被占用。这个门限的最佳值会随信噪比的改变而改变，使预先设置最佳门限变得困难，从而恶化了该方法的检测效果。如果有一种在低信噪比下达到既定检测效果指标的无线电频谱检测方法，同时其预设门限不随信噪比的改变而改变，这也将是一种优势。
技术实现思路
根据本专利技术的一个实施例，认知无线电频谱检测过程，该过程包括接收信道时域数字信号，并对这个信号进行一系列处理，最后给出信道在不同时间段上、不同频点上的占全fn息。根据这个实施例，一个过程包括接收信道的时域数字信号；对至少一段时域数字信号应用离散傅立叶变换，根据得到的频谱计算功率谱密度(Power Spectral Density)；根据求得的连续的至少一幅功率谱密度，计算至少一个频点上功率谱密度的平均值，并计算至少一个频点上功率谱密度平均值的平均值；根据求得的至少一个平均值、平均值的平均值，与至少一个预设门限的关系，给出信道在至少一个上述频点上的占空信息。 在该过程中，计算平均值与计算平均值的平均值通过如下两种计算方式中的至少一种求和后乘以一个系数、求和然后移位。在该过程中，求得的至少一个平均值、平均值的平均值， 与至少一个预设门限的关系为如下三种关系中的至少一种平均值与平均值的平均值的比值，同预设门限的不等式关系；平均值，同平均值的平均值与预设门限的乘积的不等式关系；平均值向右移位，同平均值的平均值向右移位后与预设门限的乘积的不等式关系。本专利技术中的预设门限无需随噪声幅度的变化而调整；本专利技术在低信噪比下也可以达到既定检测效果指标；本专利技术的算法复杂度相对不高，且便于软件、固件、硬件实现。附图说明通过参考附图，可以更全面地理解本专利技术，其中附图1是时域数字信号频谱检测装置的框图；附图2是说明根据本专利技术实施例的无线电频谱检测方法的流程图。附图3是说明根据本专利技术实施例的无线电频谱检测方法在硬件平台上的一种检测概率(Pd)和虚警概率(PFA)。具体实施例方式现在参照附图1，其中示出根据本专利技术实施例的时域数字信号频谱检测装置100 的框图，如果需要，该功能可在硬件、软件或固件中实现。例如，在硬件实现中，装置100可包括一个专用集成电路(ASIC)，其电路被设计执行特定信号处理任务。可替换地，在软件实现中，装置100可包括执行完成这些信号处理任务的应用程序的处理器。装置100的物理实现设计和构建完全在本
的普通技术人员的能力范围内。装置100可以运行接收时域数字信号102。事实上，时域数字信号102可以是本
公知的任何采样率和任何幅度的时域数字信号。时域数字信号102的每个采样点的取值可以是任意整数。功能104把已收到的原始时域数字信号分成连续的等长的若干段，以便使其成为分段后的时域数字信号106。把分段后的时域数字信号106记为Xt (η)，其中 η = 0,1,..., N-l,t = 0,1,..., T-I0 N是每一段时域数字信号的点数，T是分成的段数。 事实上，N和T可以取任意自然数。接下来，通过功能108执行分段后的时域数字信号的加窗过程，得到加窗后的分段时域数字信号110。该过程的数学表达式如下xWjt (n) = xt (η) w (η) (1)η = 0，1，· · ·，N-I, t = 0，1，…，T_1即时域数字信号与窗函数对应点相乘。其中《(η)为窗函数。事实上，窗函数w(n) 可以是本
公知的任何一种窗函数。特别地，如果窗函数是单位矩形窗函数，那么Xw, t(n) =xt (η)，等效于没有执行加窗过程。因此本文档来自技高网...

【技术保护点】
１．一种认知无线电频谱检测方法，该方法包括以下步骤：对时域数字信号应用离散傅立叶变换；计算功率谱密度；计算功率谱密度平均值，使用多种计算方法中的至少一种；计算功率谱密度平均值的平均值，使用多种计算方法中的至少一种；根据功率谱密度平均值、功率谱密度平均值的平均值、以及预设门限三者之间的关系，给出信道的占空信息，其中三者之间的关系属于多个关系中的至少一种。

【技术特征摘要】
1.一种认知无线电频谱检测方法，该方法包括以下步骤 对时域数字信号应用离散傅立叶变换；计算功率谱密度；计算功率谱密度平均值，使用多种计算方法中的至少一种；计算功率谱密度平均值的平均值，使用多种计算方法中的至少一种；根据功率谱密度平均值、功率谱密度平均值的平均值、以及预设门限三者之间的关系，给出信道的占空信息，其中三者之间的关系属于多个关系中的至少一种。2.如权利要求1所述的方法，其中时域数字信号是分段加窗后的时域数字信号。3.如权利要求1所述的方法，其中多个功率谱密度平均值的计算方法包括 累加后再乘以一个系数、累加后再向右移位。4.如权利要求1所述的方法，其中多个功率谱密度平均值的平均值的计算方法包括 累加后再乘以一个系数...

【专利技术属性】
技术研发人员：陈喆，
申请(专利权)人：陈喆，
类型：发明
国别省市：89