[发明专利]一种基于特征向量的加权协作频谱感知方法

权利要求书

1.一种基于特征向量的加权协作频谱感知方法，其特征在于，包括以下步骤：

各个节点对测试信号进行采样并发送给融合中心；

融合中心计算各个节点的功率谱密度样值后，求出该批功率谱密度样值的协方差矩阵及协方差矩阵的特征值和特征向量；

融合中心求出权重系数，接着用权重系数求出带有各个节点信号特征的功率谱密度样值；

融合中心用基于频域的频谱感知算法检测主用户是否存在。

2.如权利要求1所述的一种基于特征向量的加权协作频谱感知方法，其特征如下，包括以下步骤：

a.对各个节点接收的测试信号进行采样并发送，处理过程包括：

设x_i(t)为第i个节点接收到的测试信号，i=1,2,3…M，M为总节点数，测试信号的中心频率为f_c Hz且带宽为W Hz；

以抽样速率f_s Hz对x_i(t)进行采样，采样周期T_s=1/f_s秒，则第i个节点上接收、采样得到的离散测试信号为x_i(n)=x_i(nT_s)，i=1,2,3…M，n=0,1,2…N_s-1，N_s为采样点数；

各个节点将离散测试信号发送给融合中心。

b.融合中心接收到第i个节点发送的离散测试信号为y_i(n)=x_i(n)+η_i(n)，η_i(n)表示第i个节点发送的离散测试信号在传输过程中受到的噪声，i=1,2,3…M，n=0,1,2…N_s-1；

计算y_i(n)的功率谱密度样值s_i：

式中，Y_ij是y_i(jN_F:(j+1)N_F-1)的归一化离散傅里叶变换（DFT），N_F是DFT的长度，j=0,1,2…N-1，表示N取不大于N_s/N_F的最大整数，上标*表示共轭，⊙表示Y_ij和Y_ij^*做分段乘积；

s_i=[s_i(0)s_i(1)…s_i(N_F-1)]表示第i个节点的功率谱密度样值，i=1,2,3…M。

c.计算协方差矩阵，求出第i个节点功率谱密度样值的平均值：si‾=(1/NF)Σk=0NF-1si(k),i=1,2,3...M;]]>

构造第i个节点去均值后的功率谱密度样值s_iRM：siRM=si(0)-si‾si(1)-si‾...]]>si(NF-1)-si‾T,i=1,2,3...M,]]>式中，上标T表示矩阵转置；

构造矩阵S_RM=[s_1RM s_2RM…s_MRM]，对S_RM计算协方差矩阵C=S^T_RMS_RM，C为M×M维的矩阵。

d.计算特征向量，根据Cν=λν，计算特征值和特征向量；

令特征值按降序排列，即λ₁>λ₂>…>λ_M。

e.计算权重系数，将最大特征值λ₁对应的特征向量ν₁归一化，得a=ν₁/|ν₁|=[a₁a₂…a_M]^T，a的M个分量称为权重系数。

f.计算带有各个节点信号特征的功率谱密度样值s’：

s′=Σi=1Mai(si(0)-si‾)Σi=1Mai(si(1)-si‾)....Σi=1Mai(si(NF-1)-si‾)T]]>

s’是N_F行1列的带有各个节点信号特征的功率谱密度样值。

g.对s’用基于频域的频谱感知算法检测主用户是否存在。