一种认知网络中基于非重构序贯压缩的随机信号检测方法

摘要

本发明提出了单个认知用户和多用户分布式协作的基于非重构序贯压缩的随机信号检测方法。该方法对认知无线电网络中宽带主用户信号进行采样和投影变换，直接运用低速观测序列计算检测统计量和似然比，并将似然比与判决门限比较。若检测精度不满足用户要求则再次采样，与之前的低速观测向量共同构成新的低速观测向量，再次判断。重复直到精度满足用户要求为止。该发明不仅保留了压缩采样数据处理量低的优点，还完全避免了信号重构，更重要的是，不需要主用户信号的任何先验信息，而且能自适应调整压缩比。从而在保证检测精度的前提下，尽可减少观测数目、降低计算量，以达到节省时间开销，提高检测的实时性的目的。仿真验证了方法的有效性和准确性。

主权项

一种认知网络中基于非重构序贯压缩的随机信号检测方法，其特征在于包括步骤如下：(1)根据性能要求设计检测门限；所述步骤(1)为检测门限的计算，包括：设定判决门限值分别为lnA和lnB，在给定的检测概率P_d和虚警概率P_f下，门限值如下：$A=\frac{1-P_d}{1-P_f}$   表达式4$B=\frac{P_d}{P_f};$(2)在信号接收端，完成对宽带模拟信号的低速采样；所述步骤(2)包括：(2a)单个认知用户进行检测时，用户收集固定数目的数据，从原单位观测矩阵中依次选择一行单位随机向量Φ_i对数据进行投影，得到低维观测值y_i；(2b)多个认知用户进行分布式协作检测时，数据汇聚中心接收并融合多个认知用户的采样序列，同时利用单位随机向量Φ_i进行投影变换后得到低维观测序列y_i；(3)根据低速采样观测序列，计算检测统计量和似然比；所述步骤(3)包括：(3a)单个认知用户进行检测时，由低维观测值y_i计算基于非重构压缩采样的随机信号检测统计量t_i；t_i＝y_i^T(Φ_iΦ_i^T)^‑1y_i    表达式1所述步骤(3a)包括：由信号检测统计量t_i计算似然比，表达式如下：表达式2，其中H₀表示主用户不存在，H₁表示主用户存在，p()表示概率密度函数；(3b)多个认知用户进行分布式协作检测时，根据低维观测序列y_i计算检测统计量t_i＝[t_1i，...，t_Ni]^T，其中元素t_ki(k＝1，...，N)为第k个用户数据的检测统计量；所述步骤(3b)包括：根据检测统计量t_i计算似然比，表达式如下：$Li=\ln \frac{p(t_{1i},...,t_{Ni}|H_1)}{p(t_{1i},...,t_{Ni}|H_0)}=\underset{n=1}{\overset{N}{\Sigma }}ln\frac{p\left(t_{ni}\right|H_1)}{p\left(t_{ni}\right|H_0)}$     表达式3；(4)将似然比与判决门限比较，确定是否完成检测；所述步骤(4)包括：(4a)若检测精度满足设计要求，则输出检测结果，完成检测；(4b)若检测精度无法满足设计要求，则采用新的观测向量对原始信号进行压缩感知，将新的观测信号与之前的低速观测向量共同构成新的低速观测向量，并回到步骤(3)，直到感知精度满足用户要求为止。