一種基于固定點獨立分量分析算法的合作頻譜感知方法
【專利摘要】本發明公開了一種基于固定點獨立分量分析算法(FastICA)的合作頻譜感知方法，包括以下步驟：無線接收端將取自2個不同認知用戶的信號分別進行采樣濾波，將離散化后的信號組成2×n的觀測信號矩陣X(n)；對觀測信號矩陣X(n)進行中心化及白化處理；利用FastICA算法對白化后的信號矩陣進行分離，并求解觀測信號矩陣兩個向量間的相似系數以及分離得到的源分量間的相似系數；重復運行預定次數的分離算法，求解相似系數的均值比作為每個認知用戶頻譜感知的結果；數據融合中心對參與合作感知的認知用戶的檢測結果進行融合處理，判決頻譜是否空閑。
【專利說明】一種基于固定點獨立分量分析算法的合作頻譜感知方法
【技術領域】
[0001]本發明涉及認知無線電系統中的頻譜感知技術，特別涉及一種基于固定點獨立分量分析算法(FastICA)的合作頻譜感知方法。
【背景技術】
[0002]為解決無線頻譜資源短缺和頻譜利用率低下的矛盾，瑞典皇家技術學院的Mitola博士于1999年首次明確提出了認知無線電(Cognitive Radio, CR)的概念。其核心思想是認知用戶通過感知頻譜環境，搜尋并利用暫時沒有被授權用戶占用的可用頻段進行傳輸。
[0003]作為認知無線電的關鍵技術之一，頻譜感知算法能夠有效確定信道中存在的頻譜空洞(即未被主用戶占用的頻段)，是實現認知無線電的前提。只有快速準確地搜索到頻譜空洞，認知用戶才能夠動態有效地利用空閑頻譜。
[0004]傳統的頻譜檢測方法包括:能量檢測、匹配濾波檢測和循環平穩檢測等。能量檢測算法只有在準確獲得噪聲信息時才能正確設定判決門限，而且噪聲不確定度會對算法性能產生嚴重影響；此外，能量檢測不能區分信號、噪聲和干擾，易受到無關信號的干擾。匹配濾波算法要求認知用戶掌握主用戶的先驗知識，如調制方式、波形參數、數據包格式等準確信息，這在實際應用中難以實現。循環平穩檢測抗噪性能較好，但是實現復雜，計算量大，感知時間長，難以滿足檢測實時性的需要。
[0005]獨立分量分析(ICA)是今年來出現的一種新型的盲源分離算法，其基本原理是在觀測信號彼此統計獨立的前提下，通過分析表征獨立性的高階統計量，挖掘潛在的源信號，揭示隨機變量或信號中的隱藏成分。在信號處理、特征提取和數據挖掘方面具有重要的理論意義和使用價值。
[0006]固定點獨立分量分析算法，即FastICA算法，是一種基于定點遞推的過程快速尋優的迭代算法。它采用了批處理的方式，使得每次迭代都有大量數據參與運算，提高了算法的收斂速度。因其計算簡單、收斂速度快、分離性能好而被廣泛應用于信號處理領域。
【發明內容】
[0007]本發明的目的在于提供一種基于固定點獨立分量分析算法的合作頻譜感知算法。它克服了傳統檢測方法對噪聲敏感、計算復雜度高、無法精確同步等缺點，同時通過多認知用戶合作頻譜感知，有效減少了單用戶感知的不確定性，具有較高的檢測性能。
[0008]本發明提供一種基于固定點獨立分量分析算法的合作頻譜感知方法，具體包括如下步驟:
[0009]步驟1:無線接收端將取自2個不同認知用戶的信號分別進行采樣濾波，得到的離散化信號組成觀測信號矩陣；
[0010]步驟2:對觀測信號矩陣進行中心化及白化處理，使得白化后的矩陣Z不相關且為零均值、單位方差；
[0011]步驟3:利用固定點獨立分量分析算法對白化后的矩陣進行分離，得到兩個源分量，并分別求解觀測信號矩陣的兩個分量之間的相似系數以及分離得到的兩個源分量間的相似系數；
[0012]步驟4:重復預定次數的步驟I~3，并獲得所有相似系數的平均相似系數，并根據平均相似系數得到每個認知用戶頻譜感知的結果；
[0013]步驟5:數據融合中心對參與合作感知的認知用戶的頻譜感知結果進行融合處理，判決是否有授權用戶存在。
[0014]本發明的有益效果是:[0015]1、不需要用戶信號的先驗信息。算法只要求用戶信號與信道噪聲統計獨立，在實際應用中具有通用性。
[0016]2、將噪聲分量作為獨立元分量進行處理，具有極強的抗噪能力。
[0017]3、在信號處理領域中，常習慣于假設信號服從高斯分布，從而僅用二階統計量便可以提取信息。實際上非高斯信號才是更為普遍的信號類型，實際工作中常面臨大量非高斯、非因果、非平穩信號的處理問題。利用高階統計量可以抽取不同于高斯信號的多種信號特征。
[0018]4、采用多認知用戶聯合感知的方法，提高可信度，減少單個由于環境或自身局限造成的誤判，提高信號檢測的有效性。
[0019]5、基于分簇的合作感知方法，每個簇可以看做一個獨立的合作感知系統，減輕了融合中心的數據處理任務和網絡負擔。
【專利附圖】
【附圖說明】
[0020]圖1為CR合作頻譜感知系統的功能框架示意圖；
[0021]圖2為本發明提出的基于FastICA的頻譜感知方法的實現流程圖；
[0022]圖3A為本發明第一個實驗中分離前混合信號的概率分布直方圖；
[0023]圖3B為本發明第一實驗中分離后2組分離信號的概率分布直方圖；
[0024]圖4A為本發明第二個實驗中分離前混合信號頻譜；
[0025]圖4B為本發明第二個實驗中分離后信號頻譜。
【具體實施方式】
[0026]為使本發明的目的、技術方案和優點更加清楚明白，以下結合具體實施例，并參照附圖，對本發明作進一步的詳細說明。
[0027]圖1所示為CR合作頻譜感知系統的功能框架圖。如圖1所示，其中，認知網絡被劃分為若干簇。每個簇選取與融合中心之間信道狀況最好的認知用戶作為簇頭，進行合作感知時，第i簇的簇頭依次接收簇內第j個成員發送來的本地感知信息? u，通過某種融合規則Φ得出判決結果:
[0028]Hi = Φ ( ζ iA, ζ U2,..., ζ i, j,..., ζ ijN) ,1 = 1,2,..., M, j = 1,2,..., N。
[0029]其中，M為簇的個數，N為簇內成員的個數。
[0030]簇內的信息融合方式采用基于硬判決的或融合，即只有在所有認知用戶均認為主用戶不存在的情況下簇頭才會得出主用戶不存在的判決，否則就認為主用戶正在占用信道。判決規則如下:
【權利要求】
1.一種基于固定點獨立分量分析算法的合作頻譜感知方法，具體包括如下步驟: 步驟1:無線接收端將取自2個不同認知用戶的信號分別進行采樣濾波，得到的離散化信號組成觀測信號矩陣； 步驟2:對觀測信號矩陣進行中心化及白化處理，使得白化后的矩陣Z不相關且為零均值、單位方差； 步驟3:利用固定點獨立分量分析算法對白化后的矩陣進行分離，得到兩個源分量，并分別求解觀測信號矩陣的兩個分量之間的相似系數以及分離得到的兩個源分量間的相似系數； 步驟4:重復預定次數的步驟I~3，并獲得所有相似系數的平均相似系數，并根據平均相似系數得到每個認知用戶頻譜感知的結果； 步驟5:數據融合中心對參與合作感知的認知用戶的頻譜感知結果進行融合處理，判決是否有授權用戶存在。
2.根據權利要求1所述的頻譜感知方法，其中，所述觀測信號矩陣表示的觀測信號在授權用戶存在時包括授權用戶信號和噪聲信號，即X(t) [!!(^“^+!!(^，其中!^^為信道衰落，s(t)為授權用戶信號，n(t)為加性高斯白噪聲；在授權用戶不存在時只有噪聲信號，則觀測混合信號X (t)為X(t) = n(t)。
3.根據權利要求1所述的頻譜感知方法，其中，步驟2具體包括: 步驟21:對于所述觀測信號矩陣按行去除信號均值； 步驟22:利用去均值后的觀測信號矩陣的協方差矩陣進行特征值分解； 步驟23:得到白化矩陣Q，Q = CD_1/2C，其中C為所述協方差矩陣的特征向量矩陣，D為由特征向量對應的特征值組成的對角陣； 步驟24:將所述觀測信號矩陣和白化矩陣相乘，得到白化后的矩陣。
4.根據權利要求1所述的頻譜感知方法，其中，步驟3中兩個源分量如下獲得: 步驟31:隨機生成一組2維向量Wi，i = I，2，歸一化使其方差為I ; 步驟32:對每一個i = 1，2采用如下迭代式對向量進行更新:
5.根據權利要求1所述的頻譜感知方法，其中，步驟3中按下式求解兩個分量間的相似系數:
6.根據權利要求1所述的頻譜感知方法，其中，步驟4中認知用戶按下式得到頻譜感知結果:
7.根據權利要求1所述的頻譜感知方法，其中，步驟5具體包括: 步驟51:認知用戶將獲取的頻譜感知結果發送給簇頭； 步驟52:簇頭根據本簇內所有認知用戶的頻譜感知結果獲得本簇的頻譜感知結果，并將其發送至融合中心； 步驟53:融合中心根據各個簇的頻譜感知結果得到判決結果。
8.根據權利要求7所述的頻譜感知方法，其中，步驟52中簇頭如下獲得本簇的頻譜感知結果:
9.根據權利要求7所述的頻譜感知方法，其中，步驟53中融合中心如下得到判決結果:
【文檔編號】H04B17/00GK103763049SQ201410032164
【公開日】2014年4月30日 申請日期:2014年1月23日 優先權日:2014年1月23日
【發明者】徐元, 魯華祥, 龔國良, 陳旭, 陳剛 申請人:中國科學院半導體研究所