2014年AASRI电路和信号处理会议(CSP 2014)
计算机论文免费发表投稿-认知无线电网络中频谱传感的噪声方差估计
阿迪尔艾哈迈德a,*,Yim Fun Hua詹姆斯·诺拉斯a
a未来无处不在的网络(FUN)研究小组,布拉德福德大学,布拉德福德BD71DP,英国
摘要
频谱传感用于认知无线电系统,用于检测二次使用的频谱孔的可用性。最简单和最著名的频谱传感技术是基于能量检测或从随机矩阵理论(RMT)中得到的特征空间分析,如使用马尔琴科-帕斯图尔定律。这些方案在估计噪声方差时存在不确定性,从而降低了其性能。本文提出了一种新的计算噪声方差的新方法,可以消除上述方案的局限性。该方法从噪声信号或仅噪声信号的测量集中估计噪声方差。仿真结果表明,该方法能很好地估计噪声方差。它的性能随着测量数量的增加和每次测量所采集的样本数量的增加而大大提高。
©2014作者。这是一篇根据CC BY-NC-ND许可(http://creativecommons.org/licenses/by-nc-nd/3.0/).
由美国应用科学研究所的科学委员会负责的同行评审
关键词:噪声估计与分析;频谱感知认知无线电网络随机矩阵理论;
1.介绍
认知无线电系统(CRS)通过机会无线电频谱利用无线电资源促进有效优化。CRS需要频谱利用的先验知识.
. *相应的授权电话。: +044-1274-234093; fax: +44-1274-234124.电子邮件地址:a。ahmed84@bradford.ac.uk.
2212-6716,©,2014年,作者。这是一篇根据CC BY-NC-ND许可(http://creativecommons.org/licenses/by-nc-nd/3.0/).
由美国应用科学研究所doi:10.1016/j.aasri.2014的科学委员会负责的同行评审。09.008
38 AdeelAhmed等人。/AASRI程序9(2014)37-43
接入无线电频谱,而频谱传感是CRS中定位未充分利用的频谱孔的一种主动方法。在频谱感知中,机会主义用户主动测量无线电环境以寻找可用的频谱孔。根据用于传感的硬件、传感实体、传感传播和传感技术[1]的不同,有许多不同类型的频谱传感方法。传感技术的可靠性取决于它是否能够准确地确定在感兴趣的波段内是否存在许可用户信号。该传感技术可分为发射机检测、基于干扰的检测和接收机检测[2]。初级信号检测的基本假设如下:[2]:
H0: x(t) = n(t)
H1: x(t) = h*s(t) + n(t)
其中n(t)为加性高斯白噪声,他的信道增益,和
s(t)是获得许可的发射机信号。
H0表示原假设,即主要发射器不存在,而假设H1声明存在一个主发射机。
2.问题陈述
常用的主要用户检测技术包括能量检测[3]、匹配滤波器检测[4]、环平稳特征检测[1,2]、自相关检测[5]、基于特征值的频谱检测[6-8]、多锥度和滤波器组估计[9]。[10]中提出的基于RMT的频谱传感提出了基于马尔琴科-帕斯图尔定律[11]的准则,它依赖于已知的噪声方差,这与能量检测面临相同的问题。
在本文中,我们提出了一种噪声方差估计技术,解决了当前盲频谱传感技术的局限性。也就是说,能量检测和基于特征值的技术都在其假设检验标准中使用了噪声方差,因此两者都依赖于对噪声方差的正确估计。噪声方差估计中的任何不确定性都会极大地影响其精度,导致频谱孔的漏检测,或对主要用户的干扰。我们提出的噪声方差估计方法可以用于设置基于能量检测的频谱感知的决策阈值,也可以用于利用马尔琴科-帕斯图尔定律计算特征值的上、下界。
通过大量的仿真验证了该方案的性能,发现其在估计噪声方差方面是有效的。在我们的模拟中,我们已经考虑了各种信号,同时评估所提出的方案。在下一节中,通过广泛的模拟来评估该方案的性能,并通过改变信噪比、测量次数和每次测量的样本数来评估估计的噪声方差的平均误差。
3.所提出的噪声估计方案
为了解决噪声估计问题,我们考虑多个测量集,在M个,来自无线电频谱的同一部分,即。正在分析的同一信号的多次测量。我们假设为每个测量集收集了N个样本。让信号的一个测量集用S表示M(N)其中M表示一个单独的测量,N表示测量的样本数量,即S1表示第一次测量的完整样本集,S2表示第二次测量的完整样本集,等等。SM表示最后一次测量的完整样本集,即。
AdeelAhmed等人。/AASRI程序9(2014)37-43
S1= [s1(1) s1(2) s1(3)… s1(N)] S2= [s2(1)s2(2)s2(3) …s2(N)]
… . … .… . … …..
…..
39
SM= [sM (1)sM(2)sM(3) …sM(N)],
s在哪里j(k)为第j个测量集的第k个个体样本。因此N个样本的M个测量的M×N矩阵表示为
丨
设C (x)表示矩阵S的一列,这样它就只代表所有测量值中的样本“x”,即。
S = [C1C2C3... CN]
为了确定噪声方差,我们提出了一个新的σ2计算定理,用于假设检验,并由方程(4)给出,即,对于M×N矩阵S,σ2估计使用:
whereC-A是C的平均值吗A. 上述方程(1)是一种估计噪声方差的新方法,在文献中没有提出作为噪声估计方法。通过多次仿真评估了方程(1)的性能。在估计σ时的平均误差2在下一节中计算,其中清楚地表明,对于更高的测量数量和每次测量的样本数量,估计的平均误差非常接近于零。公式(1)中噪声方差的良好估计性能表明,它适用于能量检测,并能准确地确定马尔琴科-帕斯图尔定律的上界和下界。
40 AdeelAhmed等人。/AASRI程序9(2014)37-43
4.模拟和结果
已经进行了多次模拟来检验估计噪声变化的新方法的性能。每个样本数、测量数和信噪比重复1000次。噪声估计的平均误差用公式(2)计算,其中V. ar是已知的噪声方差和σ吗2是我们对噪声方差的估计。
对于环路=1:1000
错误(循环)={绝对[Var- σ2] }
最后部分
4.1.不同样本数的不同信噪比的平均误差:
图(1)显示了不同信噪比值下的噪声方差的平均分贝(dB)。平均误差随着每次测量中样本数量的增加而大大减小。在高信噪比值时,平均误差也很低。从图(1)还可以看出,对于不同的信噪比值,平均误差遵循相同的趋势,并且所有信噪比值都随着每次测量样本数量的增加而减小。图1(a)显示了使用两种测量值进行的噪声估计的平均误差。M=2.图1 (b)显示了使用四种测量值的噪声估计的平均误差。很明显,图1 (b)的平均误差与图1 (a)中发现的趋势相同,但平均误差随着测量次数M的增加而减小。
4.2.不同信噪比的不同测量次数(M)的平均误差:
图2显示了对于不同的M值,即不同的测量值的噪声方差的dB的平均误差。平均误差随着测量集数量的增加而大大减少。在高信噪比值时,平均误差也很低。从图2中还可以看出,对于不同的信噪比值,平均误差遵循相同的趋势,并且对于不同测量数的所有趋势,平均误差随信噪比的增加而减小。图2显示了每次测量1000个样本的平均误差。N=1000.图3为使用N=25000对噪声进行估计的平均误差。很明显,图3的平均误差与图中发现的趋势相同,但随着样本数量N的增加,平均误差减小,如图所示.2 .1.
AdeelAhmed等人。/AASRI原发程序9(2014)37-43 41
图1:噪声估计的平均误差:(a)为2测量,M=2 (b)为4个测量,M=4 (c)为6测量,M=6
42 AdeelAhmed等人。/AASRI程序9(2014)37-43
图2:不同测量次数的噪声估计的平均误差(N=1000)
图3:不同测量次数下的噪声估计的平均误差(N=10000)
AdeelAhmed等人。/AASRI原判例汇编9(2014)37-43 43
5.结论
我们提出了一种新的估计噪声方差的方法,可用于在多个数据集可用的情况下。我们还表明,对噪声方差的高测量值估计的平均误差非常低,因此适用于能量检测、基于多天线的频谱传感和协同频谱传感。提出方案的更高性能的估计的噪声方差表明其适合建立检测阈值假设测试能量检测和马尔琴科-帕斯图尔定律频谱传感,这是下一个里程碑我们提出的噪声估计方案测试其性能上述频谱传感方案。
参考文献
[1] T. Yucek和H. Arslan,“为认知无线电应用的频谱传感算法的调查”,IEEE通信调查和教程,Vol。11,No.1,2009年第一季度,页。116-130
[2]I. F.阿基尔迪兹,W.Y.李,M.C.武兰和S.莫汉蒂。“下一代/动态频谱接入/认知无线电无线网络:一个调查”,《国际计算机与电信网络杂志》,第50卷,第1期。13, pp.2127-59, 2006.
[3] H. Wang,吴志,金建,“认知无线电能量检测的先进传感技术”,通讯与网络杂志,页。2010年2月19-27日
[4] H. Tang,“宽带认知无线电系统的一些物理层问题”,在Proc中。IEEE国际。
动态频谱接入网络新前沿研讨会,巴尔的摩,马里兰州,美国,11月。2005, pp.151–159.
[5]无线电通信研究小组,“ITU-R[LMS-CRS2],认知无线电系统[CRS应用]内陆移动服务”,文件5A/TEMP/348附件9
[6] O.蒂尔科宁,L。《认知无线电系统基础上的“最大特征值频谱感知的精确与渐近分析》,郑志。克罗地亚,印度理工学院,2012年3月
曾,[7],[7]。梁志亮,“基于特征值的认知无线电频谱感知算法”。IEEE通信交易。,第57卷,第6页。1784-1793年6月。2009.
[8] F. Penna,加雷罗,和斯皮里托,M。A.(2009).基于基于Wishart矩阵中极限特征值比分布的协同谱感知。IEEE通讯信件,第13卷,第7期,第3页。507-509, Jul.2009
[9] B.范文基,“认知无线电滤波库频谱传感”,IEEE信号处理事务,第56卷,页。1801-1811,2008年5月。
[10] L.S.卡多佐,M.德巴,比安奇,J.Najim,“利用随机矩阵理论的协同频谱感知”,第三届无线普适计算国际研讨会(ISWPC),2008年,页。334-338,2008年5月7-9日
[11] V.A.Marchenko和L.A.Pastur,“一些随机矩阵集的特征值的分布”,数学苏联-斯博尔尼克,1:457-483,1967