基于PN序列自相关的自适应DTMB频谱检测方法

摘要

本发明公开了一种基于PN序列自相关的自适应DTMB频谱检测方法，包括以下步骤：获取DTMB频谱，并进行基于伪噪声序列PN序列自相关的粗判决以获取第一判决统计量T_PNAC和第一判决门限γ_PNAC；根据第一判决门限γ_PNAC设置第一门限阈值γ₁和第二门限阈值γ₂，以初步判断状态；在初步判断状态之后，进一步进行基于不等间隔PN序列累积自相关的细判决，以获取判决统计量和判决门限从而判定DTMB频谱的状态。本发明实施例的检测方法，通过设置双门限阈值，实现采用基于伪噪声序列PN序列自相关的粗判决和基于不等间隔PN序列累积自相关的细判决，有效提高频谱检测性能，并且降低计算复杂度，很好地满足用户的使用要求。

主权项

一种基于PN序列自相关的自适应DTMB频谱检测方法，其特征在于，包括以下步骤：获取地面数字多媒体广播DTMB频谱，并进行基于伪噪声序列PN序列自相关的粗判决以获取第一判决统计量T_PNAC和第一判决门限γ_PNAC，其中，所述基于伪噪声序列PN序列自相关的粗判决以获取第一判决统计量T_PNAC和第一判决门限γ_PNAC具体包括：对于固定感知时间内的接收信号y(n)进行相关间隔为信号帧长M_i、相关长度为帧头长度L_i的自相关，i为不同帧头长度模式，并且把所述固定感知时间内共C个自相关结果累加平均，第一统计量为：$t_{PNAC}\left(m\right)=\frac{1}{{\mathrm{CL}}_i}\underset{c=0}{\overset{C-1}{\Sigma }}\underset{n=0}{\overset{L_{i-1}}{\Sigma }}y(m+n+{\mathrm{cM}}_i)·y^{*}(m+n+(c+1\left)M_i\right),$其中，m为自相关起始位置，c为帧序号，n为帧内符号序号；其次所述第一判决统计量T_PNAC为：$T_{PNAC}=\underset{0\le m\le M_i}{max}\left|t_{PNAC}\left(m\right)\right|,$以及对于指定的虚警概率P_FA，所述第一判决门限γ_PNAC为：${\gamma }_{PNAC}={\left({\sigma }_0^{2}ln\frac{1}{1-{(1-P_{FA})}^{1/M_i}}\right)}^{1/2},$其中，为归一化噪声功率，为噪声功率；根据所述第一判决门限γ_PNAC设置第一门限阈值γ₁和第二门限阈值γ₂，以根据所述第一判决统计量T_PNAC、所述第一门限阈值γ₁和第二门限阈值γ₂初步判断所述DTMB频谱的状态；以及在初步判断所述DTMB频谱的状态之后，对所述DTMB频谱进一步进行基于不等间隔PN序列累积自相关的细判决，以获取判决统计量和判决门限从而判定所述DTMB频谱的状态，其中，所述对所述DTMB频谱进一步进行基于不等间隔PN序列累积自相关的细判决，以获取判决统计量和判决门限从而判定所述DTMB频谱的状态具体包括：判断DTMB帧头的模式；如果所述DTMB帧头为固定相位模式，则对于所述固定感知时间内的接收信号y(n)进行相关间隔为d个信号帧长dM_i、相关长度为帧头长度L_i的自相关，并且把所述固定感知时间内共C_d个自相关结果累加平均，公式如下：$A\left(m,d\right)=\frac{1}{C_d{L}_i}\underset{c=0}{\overset{C_d-1}{\Sigma }}\underset{n=0}{\overset{L_{i-1}}{\Sigma }}y\left(m+n+{\mathrm{cM}}_i\right)·y^{*}\left(m+n+\left(c+d\right)M_i\right),$其中，m为自相关起始位置，c为帧序号，n为帧内符号序号；构造第二统计量为：$t_{DIPNAC}\left(m\right)=\underset{d=1}{\overset{D}{\Sigma }}{C}_d{C}_{d+1}A\left(m,d\right)A^{*}\left(m,d+1\right),$其中，共采用D个不同间隔的累积自相关，第二判决统计量为：$T_{DIPNAC}=\underset{0\le m\le M_i}{max}\left|t_{DIPNAC}\left(m\right)\right|,$对于指定的虚警概率P_FA，第二判决门限γ_DIPNAC为：${\gamma }_{DIPNAC}={\left({\sigma }_0^{2}ln\frac{1}{1-{(1-P_{FA})}^{1/M_i}}\right)}^{1/2},$其中，为归一化噪声功率，为噪声功率，为归一化系数；如果所述DTMB帧头为旋转相位模式，则对于所述固定感知时间内的接收信号y(n)进行相关间隔为d个信号帧长dM_i、相关长度为帧头长度L_i的自相关，并且把所述固定感知时间内共C_d个自相关结果累加平均，公式如下：$A_r\left(m,d\right)=\frac{1}{C_d{L}_i}\underset{c=0}{\overset{C_d-1}{\Sigma }}\underset{n=0}{\overset{L_{i-1}}{\Sigma }}\underset{a=0}{\overset{1}{\Sigma }}y\left(m+n+{\mathrm{cM}}_i\right)·y^{*}\left(m+n+{\left(-1\right)}^a\left(c+d\right)M_i\right),$其中，m为自相关起始位置，c为帧序号，n为帧内符号序号；构造第三统计量为：$t_{r,DIPNAC}\left(m\right)=\underset{d=1}{\overset{D}{\Sigma }}{C}_d{C}_{d+1}{A}_r\left(m,d\right)A_r^{*}\left(m,d+1\right),$其中，第三判决统计量为：$T_{DIPNAC}=\underset{0\le m\le M_i}{max}\left|t_{r,DIPNAC}\left(m\right)\right|,$对于指定的虚警概率P_FA，第三判决门限为：${\gamma }_{r,DIPNAC}={\left({\sigma }_{0,r}^2\ln \frac{1}{1-{\left(1-P_{FA}\right)}^{1/M_i}}\right)}^{1/2},$其中，为归一化噪声功率。