[发明专利]利用小特征值估计噪声功率的最大特征值频谱感知方法

说明书

本发明公开了一种利用小特征值估计噪声功率的最大特征值频谱感知方法，其处理过程为：在当前感知时隙内，对来自多个通道的信号进行多次采样，将每次采样得到的多个样本构成样本向量；然后根据所有样本向量计算协方差矩阵；接着计算协方差矩阵的所有特征值，并按从小到大排序；之后将排序后的所有特征值对应的修正特征值的前一半作为小特征值，根据所有小特征值来估计噪声功率；再根据协方差矩阵的最大特征值及噪声功率，计算检验统计量；最后通过比较检验统计量与判决门限的大小，判定当前感知时隙内是否存在授权用户信号；优点是利用了协方差矩阵的最大特征值和估计的噪声功率，能够获得较好的感知性能。

技术领域

本发明涉及一种认知无线电频谱感知技术，尤其是涉及一种利用小特征值估计噪声功率的最大特征值频谱感知方法。

背景技术

移动通信业务多样化的迅猛发展极大程度地丰富和便利了人们的工作和生活，但是，相应地无线设备数量和移动数据流量的需求呈爆炸式增长，这就导致了频谱资源短缺问题。近几年，频谱资源短缺问题已经逐渐显现，而且在可预见的未来会变得愈加严重。然而，这却不是因为物理频谱资源不足造成的，而是因为现有的固定频谱分配策略使很多频谱资源无法得到充分利用，极大地降低了频谱利用率。因此，提高频谱利用率成为了解决这个问题的关键。针对这个问题，Mitola博士提出了认知无线电技术。认知无线电技术是指无线设备能够与所处的通信环境进行交互并根据交互结果改变自身传输参数，从而实现以动态、自适应的方式灵活地利用潜在的空闲频谱。为了避免对授权用户产生干扰，认知无线电技术需要能够准确、快速地发现空闲频谱，实现稳健地频谱感知。因此，频谱感知成为了认知无线电的关键技术之一。

目前，接收信号协方差矩阵的特征值已被广泛应用于认知无线电的频谱感知中，Li等人在2016年发表的《Maximum-eigenvalue-based sensing andpowerrecognition formultiantennacognitive radio system》(用于多天线认知无线电系统的最大特征值感知与功率认知)中提到的传统的最大特征值频谱感知方法被大量的应用。然而，传统的最大特征值频谱感知方法需要知道噪声功率，而实际中噪声功率往往是未知的，当噪声功率未知时，传统的最大特征值频谱感知方法使用人为设定的噪声功率的上界值来代替噪声功率，这会引起噪声功率不确定性的问题，从而会严重降低频谱感知的性能。

发明内容

本发明所要解决的技术问题是提供一种利用小特征值估计噪声功率的最大特征值频谱感知方法，其无需知道噪声功率，且感知性能好。

本发明解决上述技术问题所采用的技术方案为：一种利用小特征值估计噪声功率的最大特征值频谱感知方法，其特征在于该最大特征值频谱感知方法的处理过程为：在当前感知时隙内，对来自多个通道的信号进行多次采样，并将每次采样得到的多个样本构成一个样本向量；然后根据所有样本向量计算协方差矩阵；接着计算协方差矩阵的所有特征值，并对所有特征值按从小到大的顺序排序，对排序后的每个特征值进行修正；之后将排序后的所有特征值对应的修正特征值的前一半作为小特征值，根据所有小特征值的平均值来估计噪声功率；再根据协方差矩阵的最大特征值及噪声功率，计算检验统计量；最后通过比较检验统计量与判决门限的大小，判定当前感知时隙内是否存在授权用户信号。

该最大特征值频谱感知方法具体包括以下步骤：