基于分数低阶协方差谱的频谱感知算法研究及其基于分数低阶协方差谱的频谱感知算法研究及其FPGA实现实现
在对非高斯噪声情况下主用户频谱感知问题的理论研究之上,采用α稳定分布模型描述认知通信系统的非高斯噪
声,给出了一种基于分数低阶协方差的感知方法,并采用分数低阶协方差谱对α稳定分布噪声下的主用户信号进
行了谱估计,较好地解决了在非高斯噪声情况下传统的功率谱估计性能失效的问题。在此基础上针对FPGA的特
性,进一步优化了算法,在FPGA上设计并实现了基于该算法的感知系统。系统利用FPGA产生中心频率为25
MHz、带宽为12.5 MHz的QPSK信号和特征指数为1的α稳定分布噪声作为主用户信号,设计相应的数字信号处
理模块,并在此系统中验证了基于分数低阶协方差的感知方法能够有效地从α稳定分布噪声中检测出主信号的存
在。该系统运行稳定,可移植性强,适用于不同的主用户频谱检测方案在此系统上进行实现与验证。
0 引言引言
长期以来,传统的频谱管理与划分采用静态频谱分配方式
[1]
,导致无线频谱利用率低下,同时研究发现,即使是那些被授权
了的频段,平均利用率也仅有15%~85%。为了解决频谱资源匮乏的问题,认知无线电(Cognitive Radio,CR)
[2]
的概念被提
出,其核心观点就是在不影响主用户工作的前提下,对空闲频段进行重复利用,提高无线频谱的利用率。
频谱感知是认知无线电系统中最为关键的环节,它能够对周围无线电环境进行动态的频谱检测,寻找可以利用的频谱资
源,从而提高利用率。此外,在频谱感知技术中,当前所诞生的大多数成果是在随机噪声服从高斯分布的假设下取得的,但在
实际认知通信系统中,随机噪声大多为非高斯噪声,这种噪声往往比高斯噪声具有更加显著的尖峰脉冲特性和拖尾特性。α稳
定分布是描述非高斯噪声最具有潜力的模型之一,文献[3]提出了α稳定分布是描述认知通信系统中噪声干扰的有效模型。根据
稳定分布没有二阶及二阶以上统计量的特性,传统基于二阶统计量的处理方法不再适合,使得基于高斯模型的感知算法出现性
能退化甚至失效
[4]
,传统的功率谱估计性能大大减弱甚至失效。针对这一问题,引入分数低阶统计量
[5]
,给出适合于α稳定分
布随机过程的谱分析方法,并提出了基于共变的α谱估计,但当特征指数α≤1时,基于共变的算法将出现显著的性能退化。针
对这一问题,引入分数低阶协方差(FLOC),它是描述α分布随机过程之间关系的分数低阶统计量,而且适合于α的所有取
值,文献[6]提出基于分数低阶协方差的谱估计。本文采用分数低阶协方差谱对α稳定分布噪声下的主用户信号进行了谱估计,
根据MATLAB仿真对谱估计算法进行了优化,即对自相关函数中的统计矩进行了改进,改进后的算法能够有效地从α稳定分布
噪声中检测出主用户信号的存在,有效地保留了主用户信号的幅度和相位信息,较好地解决了主用户先验信息未知条件下的频
谱感知问题。
目前关于频谱感知的研究基本上是理论与仿真,在实物平台上的验证和实现并不多见。因此研制宽频带、小型化、便利
型、可移植型的频谱感知终端系统成为目前开发热点。FPGA无论是在资源上还是速度上都具有强大的优势。基于此,本文利
用Xilinx公司Nexys4_DDR开发板设计了基于FPGA的分数低阶协方差谱频谱感知系统,在此系统上对分数低阶协方差算法进
行了实现与验证,并利用液晶屏显示了频谱检测的结果。该系统运行稳定,可移植性强,适用于不同的主用户频谱检测方案在
此系统上进行实现与验证。
1 频谱感知算法频谱感知算法
1.1 系统模型系统模型
在认知无线电系统中,频谱感知的目的是次级用户感知和发现空闲频谱,从而提高频谱的资源利用率。因此,可以用二元
假设检验来描述频谱感知问题,模型定义为:
其中,H
0
表示主用户不存在;H
1
表示主用户存在;s(n)表示主用户在n时刻的发射信号;w(n)表示认知通信系统中的背景噪
声,本文假设噪声为α稳定分布噪声;z(n)表示次级用户所接收到的信号。从系统模型可以看出,次级用户从含有α稳定分布噪
声的信号中检测出主信号的存在。
1.2 α稳定分布噪声模型稳定分布噪声模型
对于α稳定分布,没有闭式的概率密度函数,通常用它的特征函数给出,表达式为: