一种联合小波变换的多点协作频谱感知方法与流程

1.本发明属于认知无线电频谱感知技术领域，具体涉及一种基于一种联合小波变换的多点协作频谱感知方法。


背景技术：

2.伴随着信息化时代的来临，高速实时的上网应用的推出，人们能够在各种无线通信终端享受便利的生活服务，然而在带来便利的同时，也造成了频谱的拥挤，频谱资源变得紧张和匮乏。为了高效利用频谱资源，认知无线电技术应运而生。认知无线电作为一种智能化频谱共享技术，能够不断感知所处的无线电环境，并根据一定的学习和决策算法，实时自适应地改变通信系统的发射功率、载波频率等工作参数，使其内部状态适应接收到的无线信号的统计性变化，从而实现在任何时间和任何地点进行高可靠通信并有效利用频谱资源。
3.认知无线电最核心的关键技术之一是频谱感知，频谱感知的两大基本功能为：一、感知频谱空洞，充分利用可利用的频谱机会；二、检测主用户状态，避免对主用户造成干扰。
4.常见的频谱感知方法有能量检测法、匹配滤波器检测和循环平稳特征检测。其中能量检测方法是一种信号非相干检测方法，算法复杂度低，易于实现，并且无需知道主用户信号的先验知识，此种方法常用于局部感知以及合作感知。若在时域进行能量检测，则对接收信号首先进行带通滤波，然后对滤波后的信号能量进行测算，并与预先设定的阀值进行比较，若其能量值大于阀值，则认为此信道被占用。
5.然而传统的能量检测法却存在两个影响检测精度的问题:(1)随着环境条件的变化，噪声的功率也会随之变化，噪声具有不确定性，而能量检测的阈值跟噪声功率相关，因此检测的精度在噪声不确定的情况下会降低；(2)实际情况下，阴影衰落会导致信号几乎完全被障碍物遮挡，降低单个检测器的检测概率，做出错误检测判决，造成对主用户的干扰。


技术实现要素：

6.针对传统能量检测中影响检测精度的问题，本发明提出了一种联合小波变换的多点协作频谱感知方法。
7.本发明的技术方案是：一种联合小波变换的多点协作频谱感知方法，包括如下步骤：
8.s1：m个独立次用户对电磁环境中的射频信号s(t)进行均匀采样接收，利用采样接收后的信号计算检测统计量y；
9.s2：将检测统计量用双门限能量检测算法进行判决，即将y值与阈值进行对比，若大于上门限阈值γ1，则判定主信号存在；若小于下门限阈值γ0，则判定主信号不存在；
10.s3：对检测统计量γ0≤y≤γ1之间的信号x(t)进行小波变换去噪，得到去噪后的信号z(t)，使用信号在小波去噪过程中的变化尺度来作为判决参数，并设定m函数作为量化标准，给定上下门限，如果m值大于上门限则为主用户信号，如果m的值小于下门限则说明为
噪声信号，如果位于两者之间，则将m的值记录下来；
11.s4：将m个独立次用户经过步骤s1-s3的感知结果上传至融合中心；
12.s5：融合中心汇聚m个参与协作的次用户中的感知结果，根据先“or”后“and”的融合准则进行融合判决，得出授权频段中是否有主用户接入的全局判决结果。
13.本发明的有益效果：针对现有的双门限阈值能量检测法，无法判断信号统计量处于阈值之间的信号，对双门限阈值之间无法判决的一类信号，本发明通过小波变换阈值去噪的方法进行判决，能有效的提高对主信号是否存在的检测精度；基于协作机制，通过汇聚多个次用户的感知结果来提高感知的准确度，利用了小波阈值去噪后，小波系数模值变化的信息来做出全局判决；对双门限阈值之间的信号联合小波阈值去噪判断是否存在授权用户，并且引入多点协作机制，将传统“or”准则和“and”准则结合起来用于做出全局判决，从而改善在信噪比低和阴影衰落条件检测的精度。
附图说明
14.图1为本发明实施例的检测统计量y计算流程示意图。
15.图2为本发明实施例的双门限能量检测算法流程示意图。
16.图3为本发明实施例的小波阈值去噪对γ0≤y≤γ1判决流程图。
17.图4为本发明实施例的合作检测模型图。
18.图5为本发明实施例的本发明融合准则判决流程图。
19.图6为本发明提供的方法与几种相关频谱感知算法检测精度比较示意图。
具体实施方式
20.下面结合附图和具体的实施例对本发明作进一步详细的描述：
21.对于待检测的射频信号s(t)，存在两种情况，一种是h(1)：主信号n(t)存在，信道被占用；一种是h(0)：主信号n(t)不存在，信道空闲，对于自然环境下噪声往往是加性噪声，噪声为ω(t)，信道增益为h(t)，那么待检测信号s(t)可以表示为：
[0022][0023]
本发明实施例提供的一种联合小波变换的多点协作频谱感知方法，具体包括如下步骤：
[0024]
s1：m个独立次用户对电磁环境中的射频信号进行均匀采样接收，利用采样接收后的信号计算检测统计量y。检测统计量y的具体计算过程如下：
[0025]
根据图1所示流程，对信号s(t)进行处理，次用户先对接收的信号s(t)进行带通滤波，去除掉干扰信号后，只留下目标检测频段的信号通过，然后对接收目标检测信号s(t)均匀采样，取样点数为n，得到s(k)(k＝1,2,3
……
n)，s(k)也可建模为二元假设检验问题：
[0026][0027]
本实施例针对信道为加性高斯白噪声信道(awgn)的情况，噪声均值假设为0，方差为
[0028]
将采样点信号的幅值s(n)取模得到|s(n)|，然后取平方得到|s(n)|2，n＝1，2，3……
n,将所有取样点信号幅值模平方累加起来，得到信号检测统计量y。
[0029][0030]
s2：得到检测统计量y后，如图2所示，用双门限能量检测算法，对检测统计量y进行判决，即将y值与阈值进行对比，若大于γ1，则判定主信号存在；若小于γ0，则判定主信号不存在；对于γ0≤y≤γ1的信号x(t)，则进行步骤s3。
[0031]
对两个阈值说明如下：
[0032]
首先根据能量检测法原理可知，在h(1)：有主信号存在和h(0)：无主信号存在两种情况下，检测统计量都近似于高斯分布：
[0033][0034][0035]
其中，normal为服从高斯分布的符号，n为采样点数，为噪声的方差，为信号的方差。
[0036]
通过下面的式子:
[0037][0038][0039]
其中，γ为检测系统的阈值，用于判决主用户信号是否存在；q为互补累积分布函数；pf为虚警概率；pd为检测概率。
[0040]
采取恒虚警检测原则，首先预设目标虚警概率pf，这样可由上面两式推出阈值γ的表达式：
[0041][0042]
从上式看虚警概率pf是已设定的值，因此阈值γ只与取样点数n和噪声方差有关。
[0043]
在前面的模型里已经假设噪声为高斯白噪声，而且常常估计噪声方差确定已知。在实际应用中，高斯白噪声并不是一定的和不变的，它会受到周围环境温度变化的影响，随机的发生变化浮动，而且接收端对噪声方差进行估计时会产生估计误差。把这些称为噪声方差的不确定性，所以原阈值的估计随着噪声方差变化而出现较大误差。因此引入一个噪声不确定度参数，设为噪声不确定度ρ，来描述噪声随时间变化的特性，则噪声方差由原来假定的固定值变为可推出虚警率与检测率表达式：
[0044]
[0045][0046]
由上式，推出能够随着噪声变化而自适应调整的阈值，可以得到上述两个阈值分别为：
[0047][0048][0049]
s3：将x(t)进行小波变换去噪，得到去噪后的信号z(t)，使用信号在小波去噪过程中的变化尺度作为判决参数，并设定m函数作为量化标准，给定上下门限，如果m值大于上门限则为主用户信号，如果m的值小于下门限则说明为噪声信号，如果位于两者之间，则将m的值记录下来。
[0050]
设定主信号不存在判决结果为d0，主信号存在，则判决结果为d1。由于只对检测统计量y＞γ1或者y＜γ0的待检测信号做出了判决，而对于检测统计量γ0≤y≤γ1之间的信号并未判断，这样势必会影响检测的准确性，本实施例通过结合小波阈值法去噪来对γ0≤y≤γ1的这部分信号x(t)进行判断，如图3所示，具体思路如下：
[0051]
将x(t)进行小波变换去噪，得到去噪后的信号z(t)，使用信号在小波去噪过程中的变化尺度来作为判决参数，经过小波去噪后，如果有轻微的波形振幅变化则说明为主用户信号，如果去噪前后变化非常明显则说明为噪声信号。
[0052]
首先对含噪信号进行离散小波分解，根据不同含噪信号的信号特征，选取更合适的小波基和分解层数，例如db小波基系，sym小波基系等，分解层数选取常见有3-8层，一般来说随着分解层数增加，去噪效果变好，但是分解层数增加到一定数目以后，去噪效果改善已经不明显，此时反而增加了计算量，所以要选用最合适的小波层数，得到各层小波系数w
j，k
。
[0053]
由于小波变换是线性变换，对x(t)作离散小波变换后得到的小波系数仍由两部分组成：一部分是信号对应的小波系数，另一部分是噪声对应的小波系数。基于有用信号和噪声在经小波变换后具有不同的统计特性：有用信号的能量对应着幅值较大的小波系数，噪声能量则对应着幅值较小的小波系数，并分散在小波变换后的所有系数中。
[0054]
一般来讲，经过小波分解后，信号的系数要大于噪声的系数，于是可以找到一个合适的数λ作为阈值，当分解系数小于这个临界阈值时，认为这时的分解系数主要是由噪声引起的，予以舍弃；当分解系数大于这个临界阈值时，认为这时的分解系数主要是由信号引起的，就把这一部分直接保留下来(硬阈值方法)或者按照某一固定量向零收缩(软阈值方法)，然后用得到的小波系数进行小波重构，即为去噪后的信号。
[0055]
最常用的阈值函数有两种，一种是硬阈值函数，另一种是软阈值函数。本实施例采用硬阈值函数对小波系数进行处理：
[0056]
硬阈值函数(hard threshold)：
[0057][0058]
其中，w
j，k
和分别为经去噪处理前后的小波变换系数，本发明实施例预先设定
的阈值在实际情况中，可以用该式估计出噪声的方差，其中，median为能够返回给定数值的中值的函数，中值是在一组数值中居于中间的数值，如果参数集合中包含偶数个数字，函数median将返回位于中间的两个数的平均值。然后对各层小波系数w
j，k
进行阈值处理，将低于阈值的小波系数置零，高于阈值的小波系数不变。
[0059]
根据小波阈值去噪理论，awgn高斯白噪声的小波系数服从高斯分布，噪声的小波阈值都不会大于因此对于检测统计量γ0≤y≤γ1之间的信号有以下两种情况：
[0060]
(1)没有主信号存在，其中主要是噪声，那么经过阈值处理后，绝大部分原来的小波系数w
j，k
都被置于0，得到的小波变换系数模值
[0061]
(2)主信号存在，那么阈值处理后，噪声部分的小波系数被置于0，主信号的小波系数得到了保存，剩余的小波变系数模值
[0062]
本发明设定一个判决函数处理前后模值的比值，通过该函数来进行判决，设定两个判决门限z0和z1，下门限z0＝0.1，上门限z1＝0.7。
[0063]
当m＜z0时，就判定检测信号为噪声信号，主信号不存在，判决结果为0，当m＞z1时，判定检测信号主信号存在，判决结果为1，当z0≤m≤z1时，将m发送至融合中心fc进行合作判决。
[0064]
s4：将m个独立次用户将经过步骤s1-s3的感知结果上传至融合中心。
[0065]
s5：融合中心汇聚m个参与协作的次用户中的感知结果，根据先“or”后“and”的融合准则进行融合判决，得出授权频段中是否有主用户接入的全局判决结果。
[0066]
经过步骤s3后，m个次用户都能得到判决值dh，由于实际信号传输过程中，存在着信道衰落(例如阴影衰落)的情况，单一的检测器很有可能受到信道衰落的影响，做出错误的判决，影响检测结果，降低检测精度，从而对主用户造成干扰。
[0067]
因此本实施例采用合作检测的机制，其合作检测模型如图4所示。m个次用户每一个在本地做出自己的判决dh，然后将各自的判决结果dm发送至融合中心fc，融合中心fc依据一定的融合准则，最后做出全局的判决，这样即使一个感知用户因为阴影衰落做出错误判决，其它没有受到阴影衰落影响的用户做出了正确判决，最终全局也能做出正确判决，判断主用户信号是否存在。具体说明如下：
[0068]
首先m个次用户对待检测信号s(t)进行检测判决，得到m个本地的判决结果dh，h＝1,2,3
…
m,dh的取值有三种情况：
[0069][0070]
h(0):主信号不存在的时候，判决结果为0；
[0071]
h(1):主信号存在的时候，判决结果为1；
[0072]
当0.1≤m≤0.7，次级用户暂时无法判断主信号是否存在。
[0073]
m个次用户分别将自己的判决结果dh发送至融合中心fc，融合中心fc汇聚m个判决结果后，依据融合准则做出全局判决。
[0074]
融合准则具体如图5所示，m个次用户将本地判决结果dh发送至融合中心fc后，融合中心首先根据“or”准则进行判决，当只要有一个次用户本地判决结果为1，融合中心做出全局判决结果为1，即主信号存在，当没有一个次用户的判决结果dh＝1，则融合中心根据“and”准则进行判决，如果则判定主信号存在，否则主信号不存在。
[0075]
经过上述步骤得到最终的全局判决d有三种情况为：
[0076][0077]
其中，i＝1,2,3
……
m。
[0078]
本实施例采用蒙特卡洛仿真方法，比较本发明的方法和双门限能量检测算法的检测性能。采用恒虚警理论，预设虚警率，实验次数为10000次，待检测信号为bpsk调制信号，采样点数目为1500次，信噪比设置为-15db，合作检测的次用户数目m＝10，噪声不确定度ρ＝1.05。
[0079]
如图6所示，可以看出当虚警概率一定的条件下时，在低信噪比-15db情况下，本发明的方法检测概率高于双门限能量检测算法和小波感知算法，说明本发明方法的有效性。