一种改进的协方差绝对值协作频谱感知方法

专利类型：发明专利 

语 言：中文 

申 请 号：CN201711175955.0 

申 请 日：20171122 

发 明 人：许炜阳谢汇强甘海华徐圣博 

申 请 人：重庆大学 

申请人地址：400044 重庆市沙坪坝区沙坪坝正街174号 

公 开 日：20180320 

公 开 号：CN107820255A 

代 理 人：赵荣之 

代理机构：北京同恒源知识产权代理有限公司 11275 

摘　　要：本发明涉及一种改进的协方差绝对值协作频谱感知方法，属于无线电技术领域。该方法为：SU分别进行本地测量，并将测量结果传送给FC；FC对通过所有SU的测量数据构建样本协方差矩阵；分别计算样本协方差矩阵非对角线元素绝对值累和V₁与对角线元素绝对值累和V₂，并以两者之比作为ICAV感知方法的检验统计量T_ICAV；根据V₁和V₂的分布特性，推导T_ICAV的分布函数以及设定虚警概率下的判决阈值γ_ICAV。本发明方法在协方差绝对值感知算法的基础上，通过互不相关的非对角线元素和对角线元素构建统计判决量，解决了CAV算法的实际分布函数与理论分布函数具有较大差距的缺点，能够克服噪声不确定度的特点，同时该检测算法与其感知算法相比具有更好的检测性能和更低的运算复杂度。 

主 权 项：一种改进的协方差绝对值协作频谱感知方法，其特征在于：该方法包括以下步骤：S1：假设认知网络中各次级用户(Secondary?User，SU)的个数为K，每个SU在感知时间内的采样点数为N，K≤N；各个SU进行本地测量，获得本地测量数据y_k(n)，然后把该数据通过传输信道发送给FC；其中y_k(n)表示第k个感知用户在n时刻的离散基带采样信号；k＝1,...,K，n＝1,...,N不同检验下，y_k(n)的信号模型为：$y_k\left(n\right)=\left\{\begin{array}{cc}{w}_k\left(n\right)& H_0\\ h_k\left(n\right)s\left(n\right)+w_k\left(n\right)& H_1\end{array}\right.$其中w_k(n)表示均值为0，方差为的复高斯白噪声，即s(n)为主用户信号，且h_k(n)为主用户与第k个认知用户在n时刻的信道冲激响应；S2：根据各SU的测量数据，用y_n＝[y₁(n),...,y_K(n)]^T表示K个SU在n时刻的样点矢量，用Y＝[y₁,...,y_N]表示感知时间段内K个认知用户构成的样本矩阵，则融合中心(Fusion?Center，FC)根据构建的采样协方差矩阵为其中(·)^H表示共轭转置；S3：分别计算样本协方差矩阵非对角线元素绝对值累和V₁与对角线元素绝对值累和V₂，并计算检验统计量T_ICAV，V₁、V₂以及T_ICAV分别为$V_2=\frac{1}{K}\underset{i=1}{\overset{K}{\Sigma }}\left|r_{ii}\right|$$T_{ICAV}=\frac{V_1}{V_2};$S4：求解T_ICAV的分布函数在H₀检验下，令L＝K(K?1)/2，则当L充分大时，根据中心极限定理，得到V₁服从正态分布，即其中$u_{Q^{\prime }}=\frac{1}{K}\sqrt{2/\left(N\pi \right)}{\sigma }_w^2$${\sigma }_{Q^{\prime }}^2=\frac{1}{K^{2}N}(1-\frac{2}{\pi }){\sigma }_w^4$其中表示噪声方差，随机变量V₁的概率密度函数和累积分布函数分别为$f_{V_1}\left(t\right)=\frac{1}{\sqrt{2\pi L}{\sigma }_{V_1}}\exp (-\frac{{(t-{\mathrm{Lu}}_{V_1})}^2}{2{\mathrm{L\sigma }}_{V_1}^2})$$F_{V_1}\left(t\right)=\frac{1}{\sqrt{2\pi L}{\sigma }_{V_1}}{\int }_{-\infty }^t\left|\exp (-\frac{{(t-{\mathrm{Lu}}_{V_1})}^2}{2{\mathrm{L\sigma }}_{V_1}^2})\right|$在H₀检验下，根据V₂的定义容易得到V₂服从自由度为KN的中心卡方分布，则随机变量V₂的k阶距表示为$E\left\{V_2^k\right\}=\left\{\begin{array}{cc}{\left(2{\sigma }_1^2\right)}^k\frac{\chi (m+k)}{(m-1)!}& KN=2m\\ {\left(2{\sigma }_1^2\right)}^k\frac{\chi (m+k+0.5)}{\chi (m+0.5)!}& KN=2m+1\end{array}\right.$其中χ(q)为伽马函数，定义为根据上面对V₁和V₂的分布特性的分析结果，T_ICAV的分布函数F_ICAV(t)和概率密度函数f_ICAV(t)表示为$\begin{array}{c}{F}_{ICAV}\left(t\right)=P(T_{ICAV}\le t)\\ =P|\frac{V_1}{V_2}\le t|\\ =P|\frac{V_1-{\mathrm{Lu}}_{Q^{\prime }}}{{\sigma }_{Q^{\prime }}\sqrt{L}}\le \frac{tE\left(V_2\right)-{\mathrm{Lu}}_{Q^{\prime }}}{{\sigma }_{Q^{\prime }}\sqrt{L}}|\\ =F_N\left|\frac{\sqrt{2}KNt-K(K-1)\sqrt{\frac{N}{\pi }}}{\sqrt{KN(K-1)|1-\frac{2}{\pi }|}}\right|\end{array}$$\begin{array}{c}{f}_{ICAV}\left(t\right)=\frac{d\left(F_{ICAV}\right(t\left)\right)}{dt}\\ =\frac{\sqrt{2KN}}{\sqrt{(K-1)1-\frac{2}{\pi }}}{f}_N\left|\frac{\sqrt{2}KNt-K(K-1)\sqrt{\frac{N}{\pi }}}{\sqrt{KN(K-1)1-\frac{2}{\pi }}}\right|\end{array}$其中分别为标准正态分布的概率密度函数和累积分布函数；为了公式的简洁，根据通常KN较大的这一事实，这里将KN＝2m+1时卡方分布的期望近似计算为KN＝2m的期望；S5：求解ICAV算法的判决阈值γ_ICAV在H₀检验下，假设系统所需虚警概率为P_fa，则根据纽曼?皮尔逊(Neyman?Pearson，NP)准则推导$\begin{array}{c}{P}_{fa}=P(T_{ICAV}>{\gamma }_{ICAV}|H_0)\\ =1-F_{ICAV}\left({\gamma }_{ICAV}\right)\\ =Q\left(\frac{\sqrt{2}{\mathrm{KN\gamma }}_{ICAV}-K(K-1)\sqrt{\frac{N}{\pi }}}{\sqrt{KN(K-1)|1-\frac{2}{\pi }|}}\right)\end{array}$其中Q(t)为标准正态分布的右尾概率分布，定义为推导ICAV算法的判决阈值为${\gamma }_{ICAV}=\frac{1}{\sqrt{2}KN}|Q^{-1}\left(P_{fa}\right)\sqrt{NK(K-1)(1-\frac{2}{\pi })}+K(K-1)\sqrt{\frac{2N}{\pi }}|$其中Q^?1(t)为Q(t)的反函数；S6：判断主用户信号是否存在；如果统计判决量T_ICAV大于判决阈值γ_ICAV，则主用户信号存在；否则，主用户不存在。 

关 键 词：改进;测量;对角线元素;协方差绝对值;分布函数;感知方法;判决;检测;差绝对值协作频谱感知;噪声;方差绝对值协作频谱;样本协方差矩阵;感知算法;计算;概率;检验;无线电;差距;ICAV;送给; 

法律状态：公开 

IPC专利分类号：H04W16/14(2009.01)I,H04B17/382(2015.01)I,H04B17/345(2015.01)I