超窄带无线物联网超窄带信号检测方法与流程

本发明属于无线通信技术领域。具体涉及一种超窄带无线物联网超窄带信号检测方法。

背景技术：

超窄带是近年来国际上正在兴起的两种极端无线通信技术.UWB技术的特点是低功耗，高带宽，低复杂度，它具有对信道衰落不敏感，发射信号功率谱密度低，安全性高，系统复杂度低，能提供数厘米的定位精度等优点。

在超窄带通信中，一般采用FDMA方式，单个载波的带宽在100Hz－500Hz的范围内。在这个方位内，如何识别载波是一个关键。对于终端来说，可以在一个子载波上来传输信息，但是，在基站上，必须在一个频段上来检测子载波。比如，在200KHz的频段上，每个子载波的带宽是100Hz，那么，就有2000个子载波，终端是随机地选择一个子载波来传输信息的，因此，在极端的情况下，基站必须能够随时能够检测2000个子载波上可能的信息传输。在这个子载波检测中，一个是子载波的数量多，另外一个就是带宽窄，一般只有100Hz左右。所以，难度就比较高。我们在处理的时候，采用特征检测和能量检测结合的方法。能量检测后，检测前导码，来判别是否是自己的信号。里面，主要的是能量检测。在能量检测上，主要的方法是FFT检测方法。

技术实现要素：

本发明的目的是为了克服上述不足提供一种超窄带无线物联网超窄带信号检测方法。

一种超窄带无线物联网超窄带信号检测方法，包括步骤：

001，接收从天线发送的信号；

002，对从天线接收的信号进行时频变换得到平均功率谱；

003，计算所得到的平均功率谱的平均值；

004，在时域到频域变换的每个频点上逐一进行一阶滤波；

005，统计计算已滤波的、平均化的功率谱的统计量；

006，检测频道中检测窄带信号的存在。

进一步，所述检测频道中检测窄带信号的存在具体为：在一个带宽为ΔF1宽带频道中，检测带宽为ΔF2的窄带信号的存在，其中，ΔF1＞＞ΔF2。

进一步，所述进行时频变换得到平均功率谱的步骤具体为：

选择多个频段和N个频点，选择的N个频点跨越了所选择的频段，从天线接收的信号，选择ΔF1宽带频道，数值化后，输出信号r_n，然后进行FFT运算：

Y(k，m)＝r_n+n＊k

其中，Y(k，m)时第k块FFT输出，r_n时接收的数据，且N时FFT的大小，r_n包括噪声和待检测的窄带信号。

进一步，所述进行时频变换得到平均功率谱的步骤具体为：

在执行FFT后，通过K个样本计算所接收到的平均功率谱的平均值，P(k，m)，如下：

P(k，m)＝δP(k，m)+(1－δ)|Y(k，m)|²

其中，δ时常数(遗忘因子)。

进一步，所述检测频道中检测窄带信号的存在的过程具体为：统计计算器计算均值μ_k和β_k修正的标准差，当max(P(k，m))＞k₁μ_k+k₂β_k，其中，k₁和k₂是常数，选择的准则是获取所期望的性能时，利用上述概率函数，检测器在所述的频道中检测窄带信号的存在，选择k₁和k₂使得漏检概率、检测概率和错检概率在预定的范围内，

μ_k＝σ²₁+σ²₂

＝σ²₁(1+)

其中，SNR是所述窄带信号的信噪比，σ₁²和σ₂²分别是基于频点的背景信号和窄带信号的方差，总输入功率是Nσ₁²+Mσ₂²，假设k₂＝0，于是：

Prob＿miss＝Г(K，Kk_l)^M

Prob＿detection＝1－Г(K，Kk_l)^M

Prob＿false＿alarm＝1－Г(K，Kk_l)^N

本发明使用的检测方法使用这样的原则：如果随机变量被模式化为高斯分布，则大部分样本落在从均值到其3倍标准差之内。这之外的样本被认为是异常值。这样，我们可以认为在输入信号缺失的时候，系统测量到的信号时噪声。该噪声服从高斯分布。然而，一般地，所述的窄带信号的功率谱不服从高斯分布。因而，不可以直接应用异常值检测方式，所以本方案提供了新的方式的理论依据。

附图说明

图1为本发明方法流程示意图。

具体实施方式

以下结合具体实施例对本发明作进一步的说明：

我们在处理的时候，采用特征检测和能量检测结合的方法。能量检测后，检测前导码，来判别是否是自己的信号。里面，主要的是能量检测。在能量检测上，主要的方法是FFT检测方法。

上述的问题的关键可以描述为在一个带宽为ΔF1宽带频道中，检测带宽为ΔF2的窄带信号(ΔF1＞＞ΔF2)的存在。

其中的时频变换是一个快速的FFT变换器，选择的N个点跨越了所选择的频段。频谱平均是一个数字处理电路，包括处理器等。滤波器时一个M个非零的数值滤波器。其中N＞M。

从天线接收的信号，选择ΔF1宽带频道，数值化后，输出信号r_n，然后进行FFT运算：

Y(k，m)＝r_n+n＊k

其中，Y(k，m)时第k块FFT输出，r_n时接收的数据，且N时FFT的大小。一般地，r_n包括噪声和待检测的窄带信号。然而，也可以出现另外的宽带信号。

在执行FFT后，频谱平均器通过K个样本计算所接收到的平均功率谱的平均值，P(k，m)，如下：

P(k，m)＝δP(k，m)+(1－δ)|Y(k，m)|²

其中，δ时常数(遗忘因子)。

随机变量y＝x²的概率密度函数由下式给出，其中，x是方差为σ²的零均值正态随机变量(服从高斯分布)，由此，并使用这样的事实：两个随机变量之和的概率密度函数时他们的概率密度函数的卷积，其中，λ＝K/(2σ²)。该概率密度函数通常被称为扼度概率密度函数。所述累计分布函数也可以由下式给出：

CDF＝Г(K，Pλ)

其中，Г()是不完全伽马函数。f(P)的均值和方差为：

均值＝K/λ＝2σ²

以及

方差＝K/λ²＝(2σ²)²＝均值²/K

因此，更多的平均化运算(增加K)使得所述方差接近零。如果K很大，则该密度可以用高斯密度函数逼近，但是，如上所述，所述的方差接近于零使得对于检测很难使用高斯分布假设。

从上述CDF中，可以看出，在检测中可以进行折中。如果我们将检测准则限定为P＞2ασ²，其中，α是阈值常数，则漏检概率、正确检测概率和误检概率可以描述为：

Prob＿miss＝Г(K，Pα)^M

Prob＿detection＝1－Г(K，Pα)^M

Prob＿false＿alarm＝1－Г(K，Pα)^N

其中，N是FFT的大小，而M是所述窄带信号跨越的频点的数量。给定某一性能准则，于是我们可以师徒求解阈值常数和所需平均时间(K)。但是，不存在封闭解。

对平均化后的功率谱进行进一步的平均化运算，通过具有ΔF3带宽的滤波器对P(k，m)进行滤波来完成，其中ΔF1＞ΔF3。理想地，滤波器应该匹配正在检测的在所述频道范围内的所期望的窄带信号的频谱的形状。在此情况下，滤波器时维纳滤波器。然而，在系统与被检测到的窄带信号发射机之间存在频率选择多径(例如，瑞丽衰落)的情况下，所期望的频谱时未知的。因此，滤波器可以是带宽为ΔF3的简单的矩形滤波器。滤波器带宽ΔF3近似等于正在检测的窄带信号的带宽ΔF2。也就是说，滤波器的带宽ΔF3与待检的窄带信号的带宽ΔF2匹配得越接近，所述的系统的就越好。比较好的情况是，滤波器的长度为N，具有M个非零的数值滤波器，在典型的情况下，M＜N/10。

接下来，统计计算器计算所述的已滤波的、平均化的功率谱的一些统计量。特别是，统计计算器计算所述的已滤波的平均化的功率谱的均值和修正的标准差(SD)。传统的SD在很窄带宽的信号的存在的情况下，由偏差，并且因此它不是合适的统计量。统计计算器计算均值μ_k和β_k修正的标准差，当max(P(k，m))＞k₁μ_k+k₂β_k(其中，k₁和k₂是常数，选择的准则是获取所期望的性能)时，利用上述概率函数，检测器在所述的频道中检测窄带信号的存在。也就是说，选择k₁和k₂使得漏检概率、检测概率和错检概率在预定的范围内。注意：

μ_k＝σ²₁+σ²₂

＝σ²₁(1+)

其中，SNR是所述窄带信号的信噪比，σ₁²和σ₂²分别是基于频点的背景信号(噪声)和窄带信号的方差(功率)(总输入功率是Nσ₁²+Mσ₂²)。假设k₂＝0，于是：

Prob＿miss＝Г(K，Kk_l)^M

Prob＿detection＝1－Г(K，Kk_l)^M

Prob＿false＿alarm＝1－Г(K，Kk_l)^N。