采用T2统计量和拟合优度的盲频谱感知算法

包志强 韩彦妮 崔妍蕊

(西安邮电大学无线网络安全技术国家工程实验室，陕西西安 710121)

1 引言

无线通信技术的应用范围愈来愈广，频谱资源需求量不断扩增，正是这些巨大的需求导致频谱资源由充足状态逐渐趋于短缺状态，同时早期频谱分配方式采取固定分配,导致部分频段利用率很低。因此，为了满足大量用户对于频谱的需求并且保证频谱资源高效利用，认知无线电技术[1-2]应运而生。认知无线电的首要任务就是频谱感知(SS，Spectrum Sensing)[3- 4]，感知过程中发现未使用频谱并合理利用空闲频谱。最终，实现频谱的动态分配和共享。

现有算法包括基于特征结构的感知算法和基于协方差阵的算法、基于功率谱的算法[5]、基于最大相关系数算法[6]、拟合优度(GOF，Goodness of Fit)算法等。采用接收信号协方差阵进行特征分解的感知算法，利用特征值性质进行感知，其中主要有最大最小特征值之比(MME，maximum-minimum eigen-value)和最大特征值与迹之比(MET，maximum eigen-value trace),两种算法需要进行特征分解，复杂度高，且判决门限由近似理论分布得到，精确性不好；根据采样协方差阵构造频谱感知所需检验统计量的算法有方差绝对值算法(CAV，covariance absolute value)，其检测门限需要渐近得到； GOF算法从不同的角度对频谱感知问题做出诠释, PU(Primary User)不存在时，接收信号服从某一特定分布；PU存在时接收信号将不再服从特定分布，产生偏离。在SS中，当PU信号为窄带信号时文献[7]结合AD(Anderson-Darling)准则提出GOF算法并表明其性能优于能量检测，缺陷是噪声方差必须已知。文献[8]和[9]将CM(Cramer-von Mises)准则和KS(Kolmogorov-Smirnov)准则应用于GOF算法,使拟合度检验适应于更多拟合对象，从而可以进一步提高检测性能。……