一種頻譜檢測(cè)與未知噪聲方差跟蹤估計(jì)方法與裝置制造方法
【專利摘要】本發(fā)明針對(duì)實(shí)際應(yīng)用中噪聲方差動(dòng)態(tài)未知情況下的頻譜檢測(cè)問題，首先提出一種動(dòng)態(tài)狀態(tài)空間系統(tǒng)模型反映其內(nèi)在機(jī)理：將授權(quán)用戶狀態(tài)與時(shí)變?cè)肼暦讲钭鳛閮蓚€(gè)隱藏狀態(tài)，分別采用兩狀態(tài)一階馬爾科夫和自回歸模型對(duì)其動(dòng)態(tài)遷移特性建模。在此基礎(chǔ)上，設(shè)計(jì)提出一種新型頻譜感知方法裝置。該方法根植于貝葉斯統(tǒng)計(jì)推理理論，采用邊緣化粒子濾波技術(shù)(見附圖)，能夠?qū)崿F(xiàn)對(duì)授權(quán)用戶與噪聲方差的聯(lián)合估計(jì)。特別地，本發(fā)明提出邊緣化粒子濾波兩級(jí)自適應(yīng)預(yù)測(cè)系數(shù)調(diào)整方法，充分利用噪聲方差時(shí)變特性，可實(shí)現(xiàn)對(duì)于噪聲方差的準(zhǔn)確跟蹤。利用得到的噪聲方差信息，該算法裝置可拓展應(yīng)用至(但不限于)單節(jié)點(diǎn)單天線感知系統(tǒng)中去，并獲得良好頻譜感知性能。
【專利說明】一種頻譜檢測(cè)與未知噪聲方差跟蹤估計(jì)方法與裝置

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明針對(duì)時(shí)變未知噪聲方差條件下頻譜檢測(cè)問題，首先設(shè)計(jì)提出一種動(dòng)態(tài)狀態(tài) 空間系統(tǒng)模型（Dynamic State-space Model, DSM)，分別基于兩狀態(tài)馬爾科夫狀態(tài)概率轉(zhuǎn) 移模型和自回歸（Auto-regressive, AR)模型，將授權(quán)用戶狀態(tài)與時(shí)變?cè)肼暦讲钭鳛閮蓚€(gè) 隱藏狀態(tài)（Hidden States);在此基礎(chǔ)上，提出一種新穎的頻譜檢測(cè)方法。該方法基于貝葉 斯理論，利用邊緣化粒子濾波（Marginal Partical Filtering，MPF)技術(shù)，可同時(shí)實(shí)現(xiàn)對(duì)授 權(quán)用戶狀態(tài)的準(zhǔn)確檢測(cè)與未知噪聲方差的實(shí)時(shí)跟蹤，顯著提高噪聲方差動(dòng)態(tài)未知條件下的 頻譜感知性能。屬于通信領(lǐng)域。

【背景技術(shù)】
[0002] 隨著現(xiàn)代無線通信技術(shù)迅猛發(fā)展，有限的頻譜資源與傳統(tǒng)靜態(tài)頻譜分配方案已無 法滿足高傳輸速率通信設(shè)備的需求。認(rèn)知無線電（Cognitive Radio, CR)作為一種頻譜智 能共享技術(shù)，可極大地提高頻譜利用率，成為目前受到廣泛關(guān)注的熱門技術(shù)之一。
[0003] 作為認(rèn)知無線電的基礎(chǔ)技術(shù)，頻譜感知可通過對(duì)授權(quán)頻段進(jìn)行周期性檢測(cè)，發(fā)現(xiàn) 頻譜空洞，從而保證非授權(quán)用戶對(duì)授權(quán)頻段進(jìn)行利用的同時(shí)不對(duì)授權(quán)用戶造成干擾。近 年來，多種頻譜感知方式被提出，常見的方法包括能量檢測(cè)（Energy Detection, ED)、匹 配濾波檢測(cè)（Matched Filter Detection，MFD)和循環(huán)平穩(wěn)特征檢測(cè)（Cyclostationary Detection)。在實(shí)際應(yīng)用中，由于噪聲的不確定性和時(shí)變性，認(rèn)知用戶很難獲得準(zhǔn)確的實(shí)時(shí) 噪聲方差，從而導(dǎo)致現(xiàn)有檢測(cè)方法檢測(cè)性能顯著下降。
[0004] 為了應(yīng)對(duì)上述問題，本發(fā)明提出一種全新頻譜感知方法。該方法基于貝葉斯理論， 利用邊緣化粒子濾波技術(shù)，在單節(jié)點(diǎn)單天線感知系統(tǒng)中，能夠同時(shí)實(shí)現(xiàn)對(duì)授權(quán)用戶動(dòng)態(tài)工 作狀態(tài)的準(zhǔn)確檢測(cè)和未知噪聲方差的實(shí)時(shí)跟蹤，獲得良好的感知性能。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明首先提出一種針對(duì)噪聲方差時(shí)變未知條件下的頻譜檢測(cè)動(dòng)態(tài)狀態(tài)空間模 型。將授權(quán)用戶工作狀態(tài)和時(shí)變?cè)肼暦讲羁醋鲀蓚€(gè)隱藏系統(tǒng)狀態(tài)，分別采用一階兩狀態(tài)馬 爾科夫模型和AR模型抽象其時(shí)變遷移特性。同時(shí)，采用非相干接收方案得到觀測(cè)值，即將 接收采樣信號(hào)能量在特定長(zhǎng)度的時(shí)間窗內(nèi)進(jìn)行累積求和得到觀測(cè)信號(hào)。在此基礎(chǔ)上，根據(jù) 邊緣粒子濾波技術(shù)和共軛先驗(yàn)分布概念，設(shè)計(jì)提出一種全新頻譜感知方法。特別的，本發(fā)明 創(chuàng)新性的提出了邊緣化粒子濾波兩級(jí)自適應(yīng)預(yù)測(cè)系數(shù)調(diào)整方法，能夠更為準(zhǔn)確的對(duì)時(shí)變?cè)?聲方差進(jìn)行跟蹤。新方案在保證感知算法實(shí)時(shí)性要求的前提下，極大提高了頻譜感知性能， 從而為分布式認(rèn)知無線網(wǎng)絡(luò)的設(shè)計(jì)與實(shí)現(xiàn)提供一種極具應(yīng)用潛力的方案。
[0006] 在接收端，包括授權(quán)用戶狀態(tài)檢測(cè)和噪聲方差實(shí)時(shí)跟蹤兩個(gè)模塊。
[0007] 授權(quán)用戶狀態(tài)檢測(cè)：根據(jù)當(dāng)前時(shí)刻接收端觀測(cè)信號(hào)以及上一時(shí)刻噪聲方差估計(jì) 值，利用粒子濾波（Particle Filtering，PF)技術(shù)對(duì)授權(quán)用戶工作狀態(tài)的后驗(yàn)概率進(jìn)行序 貫更新，從而實(shí)現(xiàn)對(duì)授權(quán)用戶狀態(tài)的檢測(cè)。
[0008] 噪聲方差實(shí)時(shí)跟蹤：根據(jù)當(dāng)前時(shí)刻觀測(cè)信號(hào)以及授權(quán)用戶狀態(tài)檢測(cè)模塊輸出，利 用共軛先驗(yàn)概念和邊緣化思想，提出了邊緣化粒子濾波兩級(jí)自適應(yīng)預(yù)測(cè)系數(shù)調(diào)整方法，對(duì) 噪聲方差實(shí)現(xiàn)實(shí)時(shí)跟蹤。
[0009] 本發(fā)明的優(yōu)點(diǎn)是：
[0010] 1)本發(fā)明技術(shù)方案適用于噪聲不確定無線傳輸環(huán)境下的單節(jié)點(diǎn)頻譜感知，為無線 移動(dòng)通信環(huán)境中認(rèn)知無線電技術(shù)應(yīng)用奠定堅(jiān)實(shí)基礎(chǔ)；
[0011] 2)設(shè)計(jì)提出的動(dòng)態(tài)狀態(tài)空間模型，分別采用隱馬爾科夫模型和自回歸模型對(duì)授權(quán) 用戶狀態(tài)和噪聲方差的動(dòng)態(tài)遷移特性進(jìn)行描述，可更為有效地反映無線移動(dòng)通信環(huán)境下頻 譜感知內(nèi)在機(jī)理；采用非相干接收得到觀測(cè)信號(hào)，降低了方案實(shí)現(xiàn)的復(fù)雜度。
[0012] 3)新方案對(duì)授權(quán)用戶狀態(tài)進(jìn)行檢測(cè)的同時(shí)可實(shí)現(xiàn)對(duì)噪聲方差的實(shí)時(shí)跟蹤，因而極 大地提升了噪聲不確定無線環(huán)境下的頻譜感知性能，同時(shí)對(duì)于噪聲方差的實(shí)時(shí)跟蹤，提升 非授權(quán)用戶對(duì)無線環(huán)境的認(rèn)知能力，有利于實(shí)現(xiàn)更為有效地頻譜接入與共享；
[0013] 4)該發(fā)明充分利用授權(quán)用戶工作狀態(tài)的先驗(yàn)轉(zhuǎn)移概率信息，采用邊緣粒子濾波技 術(shù)，有效克服觀測(cè)信號(hào)（累積能量）呈現(xiàn)出的非平穩(wěn)非高斯特性，且避免了傳統(tǒng)粒子濾波在 應(yīng)對(duì)高維檢測(cè)時(shí)出現(xiàn)的計(jì)算復(fù)雜度過高的問題。
[0014] 5)該發(fā)明針對(duì)噪聲時(shí)變遷移特性，提出邊緣粒子濾波兩級(jí)自適應(yīng)預(yù)測(cè)系數(shù)調(diào)整方 法，能夠更為準(zhǔn)確的對(duì)時(shí)變?cè)肼暦讲钸M(jìn)行跟蹤。
[0015] 6)隨著噪聲不確定性增加，本發(fā)明提出的聯(lián)合檢測(cè)算法仍具有優(yōu)良的穩(wěn)健性，因 而在實(shí)際應(yīng)用中將具有很大優(yōu)勢(shì)。

【專利附圖】

【附圖說明】
[0016] 圖1為頻譜感知接收端信號(hào)處理裝置框圖。
[0017] 圖2為實(shí)際噪聲方差與其估計(jì)值對(duì)比圖
[0018] 圖3為新方法頻譜感知檢測(cè)正確率和傳統(tǒng)ED性能仿真對(duì)比圖。

【具體實(shí)施方式】
[0019] 本發(fā)明建立起噪聲方差動(dòng)態(tài)未知條件下的頻譜感知?jiǎng)討B(tài)狀態(tài)空間模型，同時(shí)采用 邊緣粒子濾波技術(shù)對(duì)噪聲時(shí)變方差和授權(quán)用戶狀態(tài)進(jìn)行聯(lián)合估計(jì)。下面對(duì)動(dòng)態(tài)系統(tǒng)模型及 頻譜感知過程分別闡述。
[0020] 1.本發(fā)明建立的頻譜感知?jiǎng)討B(tài)狀態(tài)空間模型如式（1) (2) (3)所示。

【權(quán)利要求】
1. 一種頻譜感知的實(shí)現(xiàn)方法與裝置，可實(shí)現(xiàn)時(shí)變未知噪聲方差情況下的高性能頻譜感 知；其特征在于：基于所提出的動(dòng)態(tài)狀態(tài)空間模型，有效實(shí)現(xiàn)了對(duì)授權(quán)用戶工作狀態(tài)與未 知噪聲方差的聯(lián)合估計(jì)。
2. 根據(jù)權(quán)利要求1所述噪聲方差動(dòng)態(tài)未知情況下的頻譜感知實(shí)現(xiàn)方法，其特征在于： 一種深入反映噪聲方差動(dòng)態(tài)未知情況下頻譜感知機(jī)制的系統(tǒng)模型，將授權(quán)用戶狀態(tài)和噪聲 方差作為系統(tǒng)隱藏狀態(tài)，分別采用兩狀態(tài)一階馬爾科夫模型和自回歸模型描述其動(dòng)態(tài)遷移 特性。采用非相干接收，即將特定時(shí)間窗內(nèi)采樣信號(hào)的能量和作為系統(tǒng)觀測(cè)值。
3. 根據(jù)權(quán)利要求1所述的噪聲方差動(dòng)態(tài)未知情況下頻譜感知的實(shí)現(xiàn)方法，其特征在 于：利用觀測(cè)信號(hào)對(duì)授權(quán)用戶狀態(tài)和未知噪聲方差進(jìn)行聯(lián)合估計(jì)：首先基于貝葉斯統(tǒng)計(jì)推 理框架對(duì)授權(quán)用戶狀態(tài)進(jìn)行檢測(cè)，基于已獲得頻譜檢測(cè)結(jié)果以及觀測(cè)信號(hào)，對(duì)方差后驗(yàn)分 布參數(shù)進(jìn)行更新，繼而得到噪聲方差估計(jì)值。
4. 根據(jù)權(quán)利要求3所述的對(duì)授權(quán)用戶狀態(tài)進(jìn)行檢測(cè)實(shí)現(xiàn)方法，其特征在于：采用粒子 濾波技術(shù)，利用一組序貫更新的粒子及其相應(yīng)權(quán)重值逼近授權(quán)用戶信號(hào)后驗(yàn)概率，并根據(jù) 最大后驗(yàn)概率準(zhǔn)則獲得授權(quán)用戶狀態(tài)的實(shí)時(shí)序貫估計(jì)，克服了觀測(cè)信號(hào)呈現(xiàn)的非高斯非線 性特征，提升了頻譜檢測(cè)正確率。
5. 根據(jù)權(quán)利要求3所述的對(duì)噪聲方差進(jìn)行實(shí)時(shí)跟蹤的實(shí)現(xiàn)方法，其特征在于：采用逆 伽馬分布定義其共軛先驗(yàn)分布，根據(jù)共軛先驗(yàn)分布特性，噪聲方差后驗(yàn)概率同樣滿足逆伽 馬分布，進(jìn)而可基于觀測(cè)信號(hào)以及授權(quán)用戶工作狀態(tài)的估計(jì)值，來對(duì)未知噪聲方差的后驗(yàn) 分布參數(shù)進(jìn)行更新，并將其統(tǒng)計(jì)期望作為當(dāng)前時(shí)刻的噪聲方差更新估計(jì)值。
6. 據(jù)權(quán)利要求5所述的對(duì)噪聲方差后驗(yàn)分布參數(shù)進(jìn)行更新的實(shí)現(xiàn)方法，其特征在于：提出兩級(jí)自適應(yīng)預(yù)測(cè)系數(shù)調(diào)整方法。該方法根據(jù)感知周期在噪聲方差周期位置，調(diào)整預(yù)測(cè) 系數(shù)A。具體地，當(dāng)感知周期位于噪聲方差周期末時(shí)刻，即下一感知周期噪聲方差即將產(chǎn)生 遷移時(shí)，X = X1;其他感知周期，：V = X2^〈入2。
【文檔編號(hào)】H04B17/20GK104333424SQ201410549873
【公開日】2015年2月4日 申請(qǐng)日期:2014年10月16日 優(yōu)先權(quán)日:2014年10月16日
【發(fā)明者】李斌, 孫夢(mèng)巍, 趙成林, 許方敏 申請(qǐng)人:北京郵電大學(xué)