[发明专利]一种基于FCM聚类算法的合作频谱感知方法

说明书

本发明属于认知无线电频谱感知技术领域，具体地涉及一种基于FCM聚类算法的合作频谱感知方法，包括以下步骤：采集信号x_i(n)，形成采样信号矩阵X；对于采集到的采样信号矩阵X，采用零空间追踪算法NSP将采样信号x_i(n)分解成两个精细分量：剩余分量U(n)和被提取分量V(n),得到第i个次用户SU的采样信号为对采样信号进行信号拆分重组DAR，根据协方差矩阵分别计算相关的特征值，并计算最大特征值与平均特征值之差MSE；使用FCM聚类算法判断主用户是否存在。本发明主要是解决在低信噪比时，提高感知性能和门限估计的精确度的问题，从而提供了一种基于FCM聚类算法的合作频谱感知方法。

技术领域

本发明涉及一种认知无线电频谱感知技术，更具体地设计一种基于FCM聚类算法的合作频谱感知方法。

背景技术

随着各种无线业务的不断增长以及无线传输内容的不断丰富，越来越多的无线通信有着大数据量的需求。但是现有的静态频谱分配策略难以在不增加频谱资源的前提下提高数据传输速率，并且越来越多的实验数据说明现有无线电频谱资源分配并不合理，即在某些地区某些时候，一些频段的频谱资源使用非常紧张而另一些频段则非常空闲。这些频谱资源使用不均衡的情况导致了认知无线电技术 (Cognitive Radios,CR)的出现。认知无线电基本出发点是在不影响授权频段的正常通信的基础上，具有认知功能的无线设备可以按照某种“机会方式”接入授权的频段内，并动态的利用频谱。CR具有两个主要特点：认知能力和重配置能力，认知的核心是频谱感知。随着CR技术的逐步完善，频谱感知技术也得到了不断的发展。频谱感知的目的是检测频谱空穴，提升频谱的有效利用率。传统的频谱感知方法主要包括能量检测，匹配滤波器检测，循环平稳特征检测和基于随机矩阵的频谱感知法。能量检测法是一种经典的频谱感知算法。利用信号加噪声的能量大于噪声能量这一特点来判断主用户是否存在。现有技术的计算复杂度低，不需要信号的先验信息，得到广泛应用。但在低信噪比时，能量检测算法的检测性能不高。经典能量检测(Energy Detection,ED)判决门限比较难确定，在低信噪比环境下容易受到噪声不确定性影响产生误判从而导致检测性能急剧下降，即使是能够自适应的门限值，检测器也不能做出正确的判断。

发明内容

本发明克服了在低信噪比环境下，能量检测法频谱感知技术的感知性能不高和门限估计精确度不高的问题，提供了一种基于FCM聚类算法的合作频谱感知方法。

为解决上述技术问题，本发明的技术方案如下：

一种基于FCM聚类算法的合作频谱感知方法，实施步骤如下：

S1：采集信号x_i(n)，形成采样信号矩阵X；

S2：对于采集到的采样信号矩阵X，采用零空间追踪算法NSP将采样信号 x_i(n)分解成两个精细分量：剩余分量U(n)和被提取分量V(n),得到第i个次用户 SU的采样信号为

S3：对采样信号进行信号拆分重组DAR，根据协方差矩阵分别计算相关的特征值，并计算最大特征值与平均特征值之差MSE；

S4：使用FCM聚类算法判断主用户是否存在。

步骤S1的采样信号矩阵X，假设一个认知无线电系统，有一个主用户PU 和M个次用户SU，每个SU的采样点数为N，H₀表示主用户不存在，H₁表示主用户信号存在，采样信号x_i(n)的模型可表示为：

其中，w_i(n)表示均值为0，方差为δ²的高斯白噪声，s_i(n)表示PU的信号；

假设第i个SU的采样信号向量表示为x_i(n)＝[x_i(1)，x_i(2)，…，x_i(N)]；所有SU 采样信号组成M×N维的矩阵X，表示为