一种用于认知无线电系统的模拟电视信号检测方法

摘要

认知无线电系统中的模拟电视信号检测方法，属于无线通信技术领域。本发明由认知用户首先将接收到的信号进行离散化处理，然后从接收信号序列中截取两段长度等于模拟电视信号中行消隐间隔N

说明书

技术领域

本发明属于无线通信技术领域，涉及认知无线电通信技术，尤其涉及模拟电视无线传输频段的认知无线电通信系统与方法。

背景技术

随着全球范围内移动用户数的快速增长、互联网业务的迅猛发展以及便携式计算机设备的广泛使用，通信系统对无线频谱资源的需求也在不断增加，从而导致无线频谱资源越来越紧张，可用频谱的缺乏已经成为高性能无线通信技术发展的严重障碍。然而从近年的一些研究结果可以看到，频谱资源的缺乏不是真正意义上的频谱不足，更多是因为现有的频谱管理和分配政策不合理造成的。2004年FCC对美国频谱使用情况测量结果显示，在任意时刻和位置授权的VHF/UHF电视频段(54MHz～806MHz)仅有5.2％的频谱在被使用，VHF/UHF电视频段拥有大量的空白电视频段。为有效缓解频谱利用率低下和频谱资源紧缺这一现状，认知无线电技术应运而生。

认知无线电技术可以实现在不影响授权用户正常通信的前提下，允许非授权用户使用时间或空间上相对空闲的频谱资源，实现频谱资源的重复利用。认知无线电技术受到了各组织在政策上的支持。2004年5月美国联邦通信委员会(FCC)发布了电视频谱资源再利用的提案，计划开放VHF/UHF电视频段给具有认知功能的无线通信设备使用。同年11月基于认知无线电技术的IEEE802.22工作组成立并提出，在认知无线电系统中，具有认知功能的用户在不影响VHF/UHF电视频段已有授权用户的前提下，可以对空白电视频段加以使用。

认知无线电系统是一种智能的无线通信系统，通过对通信终端进行感知，学习周围无线通信环境变化后，自适应调整通信规则，以适应所处通信环境，实现对无线频谱的动态分配，从而提高频谱的利用率。为了上述过程可以顺利进行，认知无线电系统需要具备以下关键技术：频谱感知技术、动态频谱管理技术、无线资源分配技术和系统高层技术以及自优化、自配置的技术。

频谱感知技术是认知无线电实现的前提，也是其最核心的技术。频谱感知主要有两个基本任务，首先是从时间、频率或空间等多个维度能检测到可用的频段，用以传输认知用户的数据；其次是准确地检测授权用户是否出现，一旦检测到授权用户出现，必须退出该频段以避免对授权用户造成干扰，同时再通过调整自身的工作参数以切换到其他频段或其他方式进行通信。

频谱感知的核心任务是检测出授权用户信号是否存在，根据是否采用协作的方式可以分为本地独立频谱感知和多用户协作频谱感知两大类。独立频谱感知是认知用户通过分析检测到的信号中是否存在授权用户信号来判断频谱的使用状态。协作频谱感知是将多个认知用户独立检测的结果进行合并处理，进行信息融合，从而更准确地判断授权用户是否存在。所以，独立频谱感知是实现协作频谱感知的基础，所以对独立频谱感知进行研究，具有重要意义。

VHF/UHF电视频段的授权用户主要为模拟电视信号和数字电视信号。世界上使用的彩色电视广播制式有NTSC、PAL、SECAM制。我国模拟电视信号采用的是PAL制式，PAL制式的模拟电视信号采用残留边带调幅方式。PAL制式的模拟电视信号由色度、亮度、同步和消隐等信号混合而成，参与混合的各种信号均保持着独立性，便于分离。图1为PAL制式模拟电视信号时域波形，行同步周期为64us，在一个行同步周期，有行消隐间隔以及视频信号。行消隐间隔为12us，模拟电视信号在行消隐间隔中包括了前/后沿，行同步脉冲和副载波脉冲串。其中行同步脉冲的宽度为4.7us。对静止的图像而言，模拟电视信号以帧为周期重复，其行间相关性较大；对活动的图像而言，模拟电视信号为非周期信号，但因为行同步脉冲仍然具有周期性，所以模拟电视信号的行间仍具有较强相关性。

针对模拟电视信号，目前在认知无线电系统中常用的独立频谱感知方法主要有能量检测、循环平稳检测。能量检测算法简单，易实现，在实际应用中表现良好特性。能量检测虽然可以对信号的出现进行判决，但是不能对不同类型的信号加以区分。因此能量检测无法判断接收到的信号是来自授权用户还是噪声或干扰，所以判决容易受到其他信号的影响，在信噪比低的条件下，会导致对授权用户的检测概率下降。循环平稳特征检测无需知道信号的先验信息而且能够区分噪声和有用信号，和能量检测相比对授权用户有较好的检测性能。但是，循环平稳特征检测需要对接收到的信号的循环自相关函数或谱相关函数进行估计，所以所需的计算量较大，算法也比较复杂，并且需要较长的观测时间，很难达到认知无线电系统所要求的性能。

由上述背景可知，在实际的感知环境中，传统的独立频谱感知方法都面临感知灵敏度的问题，使得检测性能很难达到认知无线电系统的要求。在认知无线电系统中，为了提高频谱利用率并保证不对授权用户造成干扰，对认知用户的感知灵敏度要求比较高，而传统的独立频谱感知面临着检测时间和频谱利用率之间的矛盾，所以传统的独立频谱感知很难满足系统的要求。

发明内容

本发明针对现有认知无线电频谱感知技术中独立频谱感知方法感知灵敏度较低，使得检测性能很难达到认知无线电系统的要求的技术问题，结合模拟电视信号具有周期的行同步脉冲的特点，本专利提出一种用于认知无线电系统的模拟电视信号检测方法。该方法可以提高认知用户的感知灵敏度，并在低信噪比的条件下，实现对授权用户速度更快，准确度更高的检测。

本发明技术方案如下：

一种用于认知无线电系统的模拟电视信号检测方法，如图2所示，包括以下步骤：

步骤1：认知无线电用户在频谱感知或使用目标频段过程中，周期性的接收在认知环境下的目标模拟电视频段信号，将该信号记为接收信号x(t)；

步骤2：对步骤1所述接收信号进行离散化处理，离散化处理的采样周期为T_s；设离散化处理后的接收信号序列为r(n)；

步骤3：在接收信号序列r(n)中固定一段长度为N_p的信号序列段x(n)，同时在接收信号序列r(n)中确定另一段与信号序列段x(n)间隔长度为N_l的信号序列段x(n+N_l)，然后将两段信号序列段进行滑动相关计算，结果即为R(n)：

$>R\left(n\right)=\underset{k=0}{\overset{N_p-1}{\Sigma }}{x}^{*}(n+k)x(n+N_l+k);$>

其中：k＝0,1,2…,N_p-1；n＝0,1,2…,N_l-1；x^*(n+k)表示信号序列段x(n+k)的共轭转置，N_l为模拟电视信号中行同步脉冲周期的长度，N_p为滑动相关窗长度、且等于模拟电视信号中行消隐间隔的长度，且N_p<N_l；

步骤4：N_l整数倍地改变n的值，重复执行步骤3，计算M次滑动相关计算结果的累加值A(n)：

$>A\left(n\right)=\underset{k=0}{\overset{M-1}{\Sigma }}R(n-k{N}_l)$>

其中M为大于等于2的正整数；

步骤5：对步骤4所得相关结果A(n)的最高峰的模值max(|A(n)|)作为检测统计量；

步骤6：根据检测理论NP准则中虚警概率p_f和门限λ的关系式：

$>\lambda =\sqrt{{\mathrm{MN}}_p{{\sigma }^2}_w{\ln }^{\frac{1}{p_f}}}$>

通过设定虚警概率得到适当地检测门限λ；其中σ²_w为噪声平均功率；

步骤7：将检测统计量max(|A(n)|)和检测门限λ作比较，若max(|A(n)|)>λ，则判断检测到模拟电视信号；若max(|A(n)|)≤λ，则判断未检测到模拟电视信号。

本发明的实质是在认知无线电环境中，利用模拟电视信号中周期性含有相关性较强的行消隐间隔的特性，认知用户对接收到的信号进行滑动自相关计算，若接收信号为模拟电视信号，当两段滑动窗口中的行消隐间隔对齐时，滑动自相关结果必然出现峰值；将该峰值周期性叠加M次后，若出现大于检测阈值的峰值，则判定认知用户接收到的信号为模拟电视信号。

通过适当增加叠加次数M，可以增大相关峰值，从而提高认知用户在低信噪比下的检测概率，但是M的增加同时也会带来相关运算复杂度的增加和检测时间的增长，所以在选择M时，应综合考虑检测灵敏度、复杂度和检测时间等因素折中确定。至少应在不超过系统所要求的检测时间的前提下，来保证认知用户在低信噪比条件下的检测性能。

得到了相关峰之后，需要选择出合适的门限与相关峰进行比较，从而作出判决。门限的选择要从检测模型入手。对模拟电视信号的检测可以看做是一个二元信号检测模型，根据授权频段是否存在模拟电视信号可以归为两种假设：

$>x\left(n\right)=\left(\begin{array}{cc}w\left(n\right),& H_0\\ h\left(n\right)s\left(n\right)+w\left(n\right),& H_1\end{array}\right)$>

其中w(n)为复高斯白噪声，s(n)为模拟电视信号，h(n)为无线信道增益，x(n)为认知用户接收到的信号。取叠加后最大相关峰值max(|A(n)|)作为检测统计量，在H₀假设下，

$>\max \left(\right|A\left(n\right)\left|\right)=\max \left(\right|\underset{i=0}{\overset{M-1}{\Sigma }}\underset{k=0}{\overset{N_p-1}{\Sigma }}{w}^{*}(n-i{N}_l+k)w(n+(1-i)N_l+k)\left|\right)$>

最大相关峰值max(|A(n)|)服从瑞利分布。虚警概率p_f表示频段空闲但检测结果为存在授权用户的概率，也即是误检概率。虚警概率p_f越小，表明准确检测频谱空洞的能力越强，从而提供更多的接入机会，更好的提高频谱利用率。可以通过测算在一定虚警概率p_f要求下，检测算法所能达到的检测概率来考察算法的性能。虚警概率p_f一定时，检测概率越大算法性能越好。根据NP准则可得到虚警概率p_f和门限λ的关系式

$>\lambda =\sqrt{{\mathrm{MN}}_p{{\sigma }^2}_w{\ln }^{\frac{1}{p_f}}}$>

其中σ²_w为噪声功率，设定虚警概率p_f为10^-2得到适当的门限λ，将最大相关峰值max(|A(n)|)与门限λ进行比较，判断模拟电视信号的有无，从而在较低信噪比条件下，实现对模拟电视信号的准确检测。

综上所述，本发明提供的认知无线电系统中的模拟电视信号检测方法，利用模拟电视信号中周期性含有相关性较强的行消隐间隔的特性，认知用户对接收到的信号进行滑动自相关计算，若接收信号为模拟电视信号，则滑动窗口与接收信号中的行消隐间隔对齐时，滑动自相关结果的模值必然出现峰值；将该峰值周期性叠加M次后，若出现大于检测阈值的峰值，则判定认知用户接收到的信号为模拟电视信号，从而实现了认知无线电用户在认知无线电环境中对对模拟电视信号的快速、准确地检测。

附图说明

图1为模拟电视信号的时域波形。

图2为模拟电视信号特征检测的实现框图。

图3为相关器实现框图。

图4为AWGN信道下，信噪比分别取0dB，-5dB，-10dB，-15dB条件下，对接收信号进行滑动相关的结果。

图5为AWGN信道下，信噪比为-10dB，对接收信号滑动相关并将相关峰进行叠加的结果(M＝8)。

图6为AWGN信道下，虚警概率设定为0.01，不同M取值条件下，对应的检测概率曲线。

图7为AWGN信道下，虚警概率设定为0.01，接收信号采样点数为25155，模拟电视信号不同检测方法的概率曲线。

具体实施方式

下面介绍本发明在AWGN信道下，对PAL制式模拟电视信号检测的一个具体实施案例，并给出仿真结果图。

一种用于认知无线电系统的模拟电视信号检测方法，如图2所示，包括以下步骤：

步骤1：认知无线电用户在频谱感知或使用目标频段过程中，周期性的接收在认知环境下的目标模拟电视频段信号，将该信号记为接收信号x(t)；

步骤2：对步骤1所述接收信号进行离散化处理，离散化处理的采样周期为T_s；设离散化处理后的接收信号序列为r(n)；

步骤3：在接收信号序列r(n)中固定一段长度为N_p的信号序列段x(n)，同时在接收信号序列r(n)中确定另一段与信号序列段x(n)间隔长度为N_l的信号序列段x(n+N_l)，然后将两段信号序列段进行滑动相关计算，结果即为R(n)：

$>R\left(n\right)=\underset{k=0}{\overset{N_p-1}{\Sigma }}{x}^{*}(n+k)x(n+N_l+k);$>

其中：k＝0,1,2…,N_p-1；n＝0,1,2…,N_l-1；x^*(n+k)表示信号序列段x(n+k)的共轭转置，N_l为模拟电视信号中行同步脉冲周期的长度，N_p为滑动相关窗长度、且等于模拟电视信号中行消隐间隔的长度，且N_p<N_l；

步骤4：N_l整数倍地改变n的值，重复执行步骤3，计算M次滑动相关计算结果的累加值A(n)：

$>A\left(n\right)=\underset{k=0}{\overset{M-1}{\Sigma }}R(n-k{N}_l)$>

其中M为大于等于2的正整数；

步骤5：对步骤4所得相关结果A(n)的最高峰的模值max(|A(n)|)作为检测统计量；

步骤6：根据检测理论NP准则中虚警概率p_f和门限λ的关系式：

$>\lambda =\sqrt{{\mathrm{MN}}_p{{\sigma }^2}_w{\ln }^{\frac{1}{p_f}}}$>

通过设定虚警概率得到适当地检测门限λ；其中σ²_w为噪声平均功率；

步骤7：将检测统计量max(|A(n)|)和检测门限λ作比较，若max(|A(n)|)>λ，则判断检测到模拟电视信号；若max(|A(n)|)≤λ，则判断未检测到模拟电视信号。

图5为AWGN信道下，信噪比为-10dB，对接收信号滑动相关并将相关峰进行叠加的结果(M＝8)。仿真实验证明，当信噪比为-10dB时，信号经过相关并累加，随着叠加次数的增加，在第8个周期(即M＝8)得到了明显相关峰值。如图6所示，当M取12时特征检测的检测性能达到最优，M>12后，随着M的增加检测性能基本保持不变。图7所示为本发明提供的认知无线电系统的模拟电视信号检测方法(图中所示特征检测曲线)与现有的能量检测方法和循环平稳检测方法的仿真比较结果，从图7中可以看出，本发明提供的认知无线电系统的模拟电视信号检测方法比现有的能量检测方法和循环平稳检测方法具有更高检测概率(即更高的检测灵敏度和正确率)。