基于相位补偿的认知云网络协作频谱感知方法与流程

本发明涉及认知云网络中的频谱感知与检测技术，更为具体地说涉及一种在云网络环境下基于相位补偿的协作频谱感知方法。

背景技术：

随着各种数据业务，特别是设备到设备之间(device-to-device)通信业务的快速增长，频谱资源变得越来越稀缺，导致了日益增长的频谱资源需求与可用频谱资源之间的矛盾越来越尖锐。而另一方面，现有的无线频谱资源利用非常不均衡，存在大量频谱利用率很低的授权频段。认知无线电(cognitiveradio)是智能感知频谱环境、高效利用无线频谱的技术手段之一，引起了人们的广泛关注。认知无线电技术能有效地缓解传统的频谱管理方式所带来的资源短缺和频谱资源利用率不高的问题，具有非常广阔的应用前景。

准确的频谱感知是实现认知无线电的前提。频谱感知的任务是查找“频谱空洞”，在不对主用户造成干扰的前提下最大程度的提高频谱利用率。这就使得频谱感知需要满足快速、准确的要求。协作频谱检测利用多个认知用户节点之间的协作进行频谱检测，克服了单节点频谱检测方案中存在的衰落多径、隐藏终端等因素对频谱检测性能的影响，得到了大家的青睐。但在现有的协作频谱检测方法中，当认知用户节点信噪比较小时容易被融合中心抛弃，认知用户节点的感知信息没有被充分，影响了协作频谱感知性能的进一步提升。

云计算的出现给协作频谱感知算法带来了新的思路。将计算能力强大的云计算引人到认知网络中，在云端对认知用户接收到的信号进行融合，并做出频谱检测判决，可显著提高认知网络频谱感知的性能，减少感知节点的计算耗时和耗能，提高认知网络系统的实时性和移动设备的生命周期。但在云端如何消除各路信号之间的相位差，充分利用所有认知用户节点的感知信息，实现信号的最大合并，是困扰云网络协作频谱感知的难题。

技术实现要素：

本发明的目的在于克服上述现有技术的不足，提出一种基于相位补偿的认知云网络协作频谱感知方法，解决云网络协作频谱感知中的难题。在该方法中，网络中所有感知节点将各自接收到的信号交给到云端进行处理，云端将各个感知节点送来的信号先进行相位补偿，然后进行最大合并，利用合并后的信号对主用户信号是否存在进行检测，实现对网络准确、有效的信号频谱感知。

上述目的通过下述技术方案予以实现：本发明一种基于相位补偿的认知云网络协作频谱感知方法，所述认知云网络包括一个主用户、n个认知用户，所述n个认知用户形成n个频谱检测感知节点，所述协作频谱感知方法包括如下步骤：

步骤1、n个感知节点将各自接收到的信号si(t)发送至云端,i＝1······n,t为时间；

步骤2、云端在n路接收信号中选择能量最大的一路信号sm(t)作为参考信号，并对其进行希尔伯特变换

步骤3、对于余下的n-1路信号分别进行相位补偿，具体步骤包括：

a、将经过希尔伯特变换后的信号与第i路信号相乘并对相乘之后的信号进行低通滤波，得到一个与这两路信号相位差θe,i(ki)成正比的函数f[θe,i(ki)]，θe,i(ki)为第i路信号与第m路信号间的相位差，i≠m，ki为第i路信号相位补偿的次数，初始值为1；

b、若相位差函数f[θe,i(ki)]的绝对值大于预设阈值，则对第i路信号的相位进行相位补偿，相位补偿公式为为算法迭代步长，θi(0)为第i路信号si(t)的初始相位，并将相位补偿后的信号作为第i路新的信号重复步骤a和b，每迭代一次，ki增加1，直到所有的相位差函数f[θe,i(ki)]的绝对值均小于预设阈值；

步骤4、云端将相位补偿完成后的n-1路接收信号si(t)和所述能量最大的一路信号sm(t)进行叠加合并，然后对合并后的信号进行频谱检测，做出频谱检测判决结果。

本发明还具有如下特征：

1、所述主用户在其授权频谱中传输的主用户信号为x(t)＝p(t)·cos(ωct)，其中p(t)为二进制基带信号，ωc为主用户信号载波频率。

2、所述协作频谱感知方法是先对各路信号进行合并，然后对合并后的信号做出频谱检测判决结果。

3、步骤3中，迭代步长的最佳取值为0.08。

4、步骤3中，所述预设阈值为0.001。

5、步骤3中，n-1路信号的相位补偿分别同时进行。相位补偿的次数互不相关，仅取决于各自的相位差函数f[θe,i(ki)]。

6、步骤4中，云端采用的频谱检测算法是任意一种合适于单节点频谱感知的算法。

本发明方法在于云端协作频谱检测中，云端可以选择任何一路信号作为参考信号，计算参考信号与余下的n-1路信号之间的相位差，然后对n-1个相位差分别进行补偿，实现多节点信号的最大合并。从而产生以下的有益效果：

(1)通过相位补偿，消除了云端接收到的各路信号之间的相位差，实现了多路信号的最大合并；

(2)云端先对各路信号进行最大合并，然后进行频谱感知，有效利用了所有认知用户节点的感知信息，大幅度提高了云网络多用户协作频谱感知的准确性。

附图说明

下面结合附图对本发明作进一步的说明。

图1是系统模型示意图。

图2是云端协作频谱感知框图。

具体实施方式

下面结合附图和具体实施例对本发明做进一步说明。

如图1所示为本发明系统模型示意图，在一个包括一个主用户和n个认知用户的认知云网络中，每个认知用户将各自接收到的信号发送到云端，云端对各点的接收信号进行相位补偿和合并处理，并做出最终的频谱检测判决。云端频谱感知的基本流程如图2，具体过程如下：

步骤1、n个感知节点将各自接收到的信号si(t)发送至云端,i＝1······n。在本例中，主用户信号为x(t)＝p(t)·cos(ωct)，其中p(t)为二进制基带信号，ωc为主用户信号载波频率。

步骤2、云端在n路接收信号中选择能量最大的一路信号sm(t)作为参考信号，并对其进行希尔伯特变换

步骤3、对于余下的(n-1)路信号分别进行相位补偿，具体步骤包括：

a、将经过希尔伯特变换后的信号与第i路信号相乘并对相乘之后的信号进行低通滤波(图2中lpf为低通滤波器)，得到一个与这两路信号相位差θe,i(ki)成正比的函数f[θe,i(ki)]，θe,i(ki)为第i路信号与第m路信号间的相位差，i≠m，ki为第i路信号相位补偿的次数，初始值为1；

b、给定阈值，判断相位差函数f(θe,i)的绝对值是否大于给定的阈值。若相位差函数f[θe,i(ki)]的绝对值大于预设阈值，则对第i路信号的相位进行相位补偿，相位补偿公式为为算法迭代步长，θi(0)为第i路信号si(t)的初始相位，并将相位补偿后的信号作为第i路新的信号重复步骤a和b，每迭代一次，ki增加1，直到所有的相位差函数f[θe,i(ki)]的绝对值均小于预设阈值，在本例中给定阈值为0.001，

步骤4、云端将相位补偿完成后的(n-1)路接收信号si(t)和所述能量最大的一路信号sm(t)进行叠加合并，然后选择一种合适的频谱感知算法(单节点频谱感知算法)对合并后的信号进行频谱检测，做出频谱检测判决结果。

在本例中，云端的频谱检测采用最大最小特征值的频谱检测算法，该频谱检测算法为现有成熟算法，本实施例不对其进行详细说明。

本发明的创新在于将云端先对各路信号进行最大合并(n-1路信号相对于能量最大信号做相位补偿，接着对n路信号进行叠加合并)，然后对合并后的信号进行频谱感知，有效利用了所有认知用户节点的感知信息，大幅度提高了云网络多用户协作频谱感知的准确性。

除上述实施例外，本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围。