基于特征根比分布的协作频谱感知算法研究.doc

基于特征根比分布的协作频谱感知算法研究（修改稿） 杨晓妮 ，卢光跃 （西安邮电学院 通信与信息工程学院，陕西 西安 710121） 摘 要： 关键字：频谱感知随机矩阵理论特征根比TN911.23　Cooperative Spectrum Sensing Algorithms Based on the Ratio of Eigenvalues Distribution Yang Xiao-ni , Lu Guang-yue (School of Telecommunication and Information Engineering, Xi’an University of Posts and Telecommunications, Xi’an 710121, China) Abstract: Spectrum sensing is a fundamental technology in Cognitive Radio (CR).This paper introduces two spectrum detection methods based on the large Random Matrix Theory (RMT), and gives a comprehensive discussion and tests their detection performance.This algorithms use the ratio of the minimum and maximum eigenvalues of sample covariance matrix as test statistics, which are compared with the corresponding decision threshold to infer the presence or absence of primary signal. Simulations based on QPSK signals derived from practical scene are presented. Results verify that this class of algorithms which overcome the noise uncertainty difficulty and dont require the knowledge of noise outperform Energy Detection (ED) algorithm. Keywords: Spectrum Sensing；Random Matrix TheoryEigenvalues Ratio Distribution 引言 随着无线通信业务的飞速增长，无线频谱资源日益紧张。而许多授权频段在大部分时间里都是空闲的，并没有被充分利用。认知无线电技术 [1]是通过频谱感知发现授权频段上的“频谱空穴”，从而与授权用户共享频谱，以提高频谱利用率。经典的单节点频谱感知方法有能量检测、循环平稳特征检测、匹配滤波器检测等[2]。多用户协作频谱感知技术也受到普遍关注，其中基于RMT理论的频谱感知算法[3]具有能够在噪声统计特性未知的情况下成功感知的优点。 一种基于大维随机矩阵理论的协作频谱感知算法(简称LSC算法[4])，利用M-P(the Marchenko-Pastur law)律给出了大系统情况下的频谱感知CMME(Cooperation Maximum Minimum Eigenvalues)算法[5]也是一种基于RMT的多用户协作频谱感知算法，它相对于能量检测具有更好的感知性能和优点。 频谱感知的基本问题是在噪声环境中检测是否有主用户信号存在。在基本的发射机检测中，接收信号模型 （1）其中是在n时刻收到信号的采样值；是方差为的高斯白噪声；是衰落因子，假定其在个采样点是保持恒定的()是噪声中混有的待检测信号和分别表示噪声中没有信号情况和混有信号的情况。 考虑图1所示多用户协作检测情况主用户与主基站之间通信次用户{,,…,}协作感知频谱是否空闲可用。 图1 多认知用户的频谱感知环境 为了进一步分析，假设：(1) 个次用户之间信息共享通过有线高速传输来实现这一点，不占用无线资源；(2) 个次用户分析同一段频谱。这样可以得到如下由个次用户的采样数据组成的矩阵(是在时刻n的采样值)： （2） 检测算法 典型的能量检测算法是将收到的信号能量与一个已知的根据噪声统计特性确定的阈值比较。其判决规则为 （3 其中是接收到的平均信号能量，阈值通常选用噪声方差。 能量检测方法不需要被检测信号的任何信息，