一种调制宽带转换器采样系统中的宽带频谱感知方法,包括以下步骤:支撑重构、精细二元判决、子带边界估计以及合并;支撑重构得到粗糙的信号子带,精细二元判决去除支撑重构中的虚警子带,子带边界估计寻找各个子带内的信号边界,合并去除带宽过小的频谱空穴、合并间隔过窄的相邻频谱空穴。相比于仅仅依赖支撑重构的宽带频谱感知方法,本发明能够得到更为精细、准确的频谱空穴信息。
1.一种调制宽带转换器采样系统中的宽带频谱感知方法,包括:xa0步骤1)、对由调制宽带转换器采样后所得到的各个采样序列所形成的原信号做支撑重构,获取所述原信号中包含窄带信号的各个子带标号集合S=supp(z(F_p)),F_p=[-f_p/2,+f_p/2],并由此得到频谱空穴V₁;其中,xa0ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="700"/>所述f_p为调制宽带转换器采样混频函数周期的倒数,xa0ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="692"/>f_s为所述调制宽带转换器采样每一路的采样频率,f_NYQ为Nyquist速率;xa0步骤2)、根据步骤1)所得到的支撑S,计算得到ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="371"/>其中xa0ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="68"/>表示矩阵A_S的Moore-Penrose伪逆,矩阵A为所述调制宽带转换器采样系统的观测矩阵,y[n]是各个采样支路得到的采样序列组成的向量,l∈S;然后构建如下二元检测问题模型,从而做二元判决;xa0H₀:z_l[n]=w[n]xa0H₁:z_l[n]=s[n]+w[n]xa0其中s[n]表示主用户信号,w[n]表示高斯白噪声,H₀和H₁分别表示主用户不存在(即为频谱空穴)和主用户存在的判决;xa0对z_l[n](l∈S)进行二元判决后,如果它是频谱空穴,则其对应的索引从支撑S中移除;当所有频谱空穴都从S中移除了之后,得到的新的索引集合记为S′;根据所述二元判决结果得到额外的频谱空穴V₂ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="700"/>步骤3)、对之前步骤得到的频谱空穴进行合并;xa0在所述的步骤2)和步骤3)之间还包括子带边界估计的步骤,该步骤包括:xa0对z_l[n](l∈S′)的功率谱密度进行子带边界估计,找出其中包含的各个窄带信号以及频谱空穴的频率边界;xa0若ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="135"/>中存在P_l个频谱空穴,第p个空穴的下边界和上边界分别为ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="117"/>和ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="153"/>则得到额外的频谱空穴xa0ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="700"/>
2.根据权利要求1所述的调制宽带转换器采样系统中的宽带频谱感知方法,其特征在于,在所述的步骤3)之后,还包括对步骤3)所得到的合并后的频谱空穴进行优化的操作,该操作包括:xa0如果合并后的频谱空穴集合V中某一频谱空穴的带宽小于Δ₁,则去除该频谱空穴,如果V中两个相邻的频谱空穴间距小于Δ₂,则判定这两个频谱空穴之间的子带为频谱空穴,将这两个频谱空穴合二为一;所述Δ₁和Δ₂是认知无线电系统的设置参数。xa0
3.根据权利要求2所述的调制宽带转换器采样系统中的宽带频谱感知方法,其特征在于,所述的Δ₁设定为认知无线电可利用的最小频谱空穴带宽,所述的Δ₂设定为认知无线电工作频段内主用户信号的可能最小带宽。xa0
4.根据权利要求1或2所述的调制宽带转换器采样系统中的宽带频谱感知方法,其特征在于,在步骤1)的支撑重构过程中,设定重构算法迭代次数为其所能运行的最大迭代次数,从而得到最大可能的支撑元素个数。xa0
5.根据权利要求1或2所述的调制宽带转换器采样系统中的宽带频谱感知方法,其特征在于,所述步骤2)中的二元判决可以采用任意盲二元检测方xa0法,包括基于协方差矩阵特征值的检测、基于信息熵的检测。xa0
6.根据权利要求1或2所述的调制宽带转换器采样系统中的宽带频谱感知方法,其特征在于,在所述子带边界估计的步骤中,采用多抽头谱估计和基于双门限的位置寻找方法相结合的方法,包括:xa0首先采用多抽头谱估计来估计z_l[n]的功率谱密度,得到离散功率谱密度值ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="264"/>接着根据ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="268"/>通过设置两个门限参数T₁和T₂,其中T₁>T₂,执行前向连续均值切除法,得到两个判决门限T_l和T_h,其中T_l<T_h;xa0最后根据T_l和T_h,将所有大于T_l的相邻PSD样点归为一个簇,如果簇中某个样点值大于T_h,则判定该簇为信号簇;如果ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="243"/>中不存在信号簇,则判定该z_l[n]对应于一个宽带信号,即整个子带被信号占满,不存在频谱空穴;如果ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="239"/>中存在信号簇,则信号簇的边界即为频谱空穴对应的边界。xa0技术领域
本发明涉及无线通信领域,特别涉及调制宽带转换器采样系统中的宽带频谱感知方法。技术背景由于认知无线电是以次用户的方式使用频谱,因此在通信建立之前它需要在宽频段内寻找未被主用户占用的频谱空穴,此问题即为宽带频谱感知问题。在现有技术中,宽带频谱感知问题有多种解决方式。例如,在一种方式中,在模拟前端采用一个可调谐的窄带滤波器,然后通过调谐窄带滤波器来完成对整个频段的搜索检测,但是这种方式会导致较长的感知延迟。为提高搜索效率,在另一种方式中可以采用窄带滤波器组一次完成对整个感知频段的分析,但是这增加了硬件实现复杂度。还有一种折衷方案是采用宽频段高速模数转换器(analog-to-digitalxa0converter,ADC)对整个感知频段进行采样,然后在数字域完成频谱空穴的检测判决。这种方式具备很强的感知实时性,但是由于ADC的采样频率有限,在Nyquist采样理论下,过高的感知频段可能会超出目前ADC所能承受的采样频率。随着压缩感知技术的发展,研究人员提出了以低于Nyquist速率的采样速率对模拟信号进行采样的方法,这些方法被称为子Nyquist(sub-Nyquist)采样方法。目前已提出的子Nyquist采样方法主要包括周期非均匀采样、Nyquist折叠系统、随机解调器采样和调制宽带转换器采样(modulatedxa0widebandxa0converter,MWC)。Mishali等人在参考文献1“Xampling:Analogxa0toxa0digitalxa0atxa0sub-Nyquistxa0rates;IETxa0Circuits,Devicesxa0&xa0Systems,vol.5,no.1,pp.8-20,2011”中详细比较了这几种子Nyquist采样方法,从比较结果可以看出,相比于其他方法,调制宽带转换器采样具有与实际信号匹配、计算复杂度较低、可实现性高的优点。图1为调制宽带转换器的原理框图。具体来讲,信号x(t)同时输入m个通道。在第i个通道,信号x(t)与周期为T_p的混频函数相乘,接着通过一个截止频率为1/(2T_s)的低通滤波器,滤波后的信号以1/T_s的速率进行采样,得到采样序列y_i[n]。由于1/T_s足够小,所以现有的商用ADC能用来完成采样过程。另外,该采样系统的一个重要特点就是m个通道的采样速率之和仍远小于Nyquist采样率,即mf_s<NYQ(其中,f_s为调制宽带转换器采样每一个通道的采样频率,f_NYQ为Nyquist采样率),即MWC是一种子Nyquist采样方法。而且,通道数目和单个通道的采样速率可以互换,这对降低硬件实现复杂度非常有利。现在来分析采样序列y_i[n]与输入到调制宽带转换器中的未知信号x(t)之间的关系。令f_p=1/T_p(f_p为调制宽带转换器采样混频函数周期的倒数),f_s=1/T_s,由f_s与f_p可设定如下两个区间:F_p=[-f_p/2,+f_p/2],F_s=[-f_s/2,+f_s/2]。考虑第i个通道。由于p_i(t)是周期信号,所以其Fourier展开式为: p i ( t ) = Σ l = - ∞ ∞ c il e j 2 π T p lt - - - ( 1 ) ]]>其中,ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="589"/>对于MWC,有如下表达式:y(f)=Az(f),f∈F_sxa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0(2)其中y(f)是m×1维向量,其第i个元素为y_i[n]的离散时间Fourier变换,即ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="445"/>1≤i≤m。未知矩阵z(f)=[z₁(f),z₂(f),...,z_L(f)]^T长度为ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="700"/>ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="85"/>表示大于或等于a且与a最接近的整数,其中:z_i(f)=X(f+(i-L₀-1)f_p),1≤i≤L,f∈F_sxa0xa0xa0xa0(3)m×L矩阵A第i行第l列元素a_il为: a il = c i , L 0 + 1 - l , ]]>1≤i≤m,1≤l≤2L₀+1xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0(4)由式(3)可知,只要求得z(f),就能得到原信号。z(f)的求解依赖于方程(2)的求解,即在已知y(f)和A的情况下求解z(f)。由于m×L矩阵A中,m Q = ∫ f ∈ F s y ( f ) y H ( f ) df = Σ - ∞ ∞ y [ n ] y T [ n ] , ]]>然后以Q=VV^H得到矩阵V,接着通过求解模型V=AU得到U的支撑S,由于U的支撑与z(F_p)的支撑相等,因此得到S=supp(z(F_p));最后根据S,解得ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="410"/>以及ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="390"/>实际上,支撑S即对应于包含信号的子带,这一特点将在频谱感知中得以应用。正是由于MWC的优越性,Mishali等人在参考文献3“Widebandxa0spectrumxa0sensingxa0atxa0sub-Nyquistxa0Rates;IEEExa0Signalxa0Processxa0Mag,vol.28,no.4,pp.102-135,2011”中将MWC应用于认知无线电宽带频谱感知,对感知频段采用MWC以低于Nyquist速率的采样率进行采样,然后通过支撑重构找到支撑,支撑对应于包含信号的频率子带,从而也得到了不包含信号的频谱空穴。但是这一方法也有缺陷:由于原信号受到噪声污染,支撑重构算法的性能有限,支撑重构时得到的支撑可能是虚警,而且就算支撑重构得到了完全准确的支撑,支撑子带也不一定被主用户信号完全占满(很可能只占领一部分)。因此,仅仅依赖于支撑重构的频谱感知方法并不可靠,所得到的频谱空穴将过于粗糙,而且会遗漏重要的真实频谱空穴。为改进性能,本发明提出了以MWC为子Nyquist采样方法的一种认知无线电宽带频谱感知方法,所提出的方法以支撑重构为第一步骤,在支撑重构之后,还采用其他三个步骤来进行精细分析,这三个步骤是Mishali等人提出的方法中没有包含的,分别为:精细二元判决、子带边界估计、合并。相对于Mishali等人提出的仅仅依赖支撑重构的感知方法,本发明提出的方法能够更准确地得到更精细的频谱空穴信息。
发明内容
本发明的目的是克服现有方法仅仅依赖于支撑重构的频谱感知方法并不可靠,所得到的频谱空穴将过于粗糙,而且会遗漏重要的真实频谱空穴的缺陷,从而提供一种更准确、更精细的宽带频谱感知方法。为了实现上述目的,本发明提供了一种调制宽带转换器采样系统中的宽带频谱感知方法,包括:步骤1)、对由调制宽带转换器采样后所得到的各个采样序列所形成的原信号做支撑重构,获取所述原信号中包含窄带信号的各个子带标号集合S=supp(z(F_p)),并由此得到频谱空穴V₁;其中, V 1 = ∪ 1 ≤ l ≤ 2 L 0 + 1 l ∉ S [ ( l - L 0 - 1 ) f p - f p / 2 , ( l - L 0 - 1 ) f p + f p / 2 ] ]]>所述f_p为调制宽带转换器采样混频函数周期的倒数,ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="699"/>f_s为所述调制宽带转换器采样每一路的采样频率,f_NYQ为Nyquist速率;步骤2)、根据步骤1)所得到的支撑S,计算得到ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="377"/>其中ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="66"/>表示矩阵A_S的Moore-Penrose伪逆,矩阵A为所述调制宽带转换器采样系统的观测矩阵,y[n]是各个采样支路得到的采样序列组成的向量,l∈S;然后构建如下二元检测问题模型,从而做二元判决;H₀:z_l[n]=w[n]H₁:z_l[n]=s[n]+w[n]其中s[n]表示主用户信号,w[n]表示高斯白噪声,H₀和H₁分别表示主用户不存在(即为频谱空穴)和主用户存在的判决;对z_l[n](l∈S)进行二元判决后,如果它是频谱空穴,则其对应的索引从支撑S中移除;当所有频谱空穴都从S中移除了之后,得到的新的索引集合记为S′;根据所述二元判决结果得到额外的频谱空穴V₂ V 2 = ∪ l ∈ S , l ∉ S ′ [ ( l - L 0 - 1 ) f p - f p / 2 , ( l - L 0 - 1 ) f p + f p / 2 ] ; ]]>步骤3)、对之前步骤得到的频谱空穴进行合并。上述技术方案中,在所述的步骤2)和步骤3)之间还包括子带边界估计的步骤,该步骤包括:对z_l[n](l∈S′)的功率谱密度进行子带边界估计,找出其中包含的各个窄带信号以及频谱空穴的频率边界;若ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="136"/>中存在P_l个频谱空穴,第p个空穴的下边界和上边界分别为ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="117"/>和ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="153"/>则得到额外的频谱空穴 V 3 = ∪ l ∈ S ′ { ∪ p = 1 P l [ ( l - L 0 - 1 ) f p + f z l , low ( p ) , ( l - L 0 - 1 ) f p + f z l , high ( p ) ] } . ]]>上述技术方案中,在所述的步骤3)之后,还包括对步骤3)所得到的合并后的频谱空穴进行优化的操作,该操作包括:如果合并后的频谱空穴集合V中某一频谱空穴的带宽小于Δ₁,则去除该频谱空穴,如果V中两个相邻的频谱空穴间距小于Δ₂,则判定这两个频谱空穴之间的子带为频谱空穴,将这两个频谱空穴合二为一;所述Δ₁和Δ₂是认知无线电系统的设置参数。上述技术方案中,所述的Δ₁设定为认知无线电可利用的最小频谱空穴带宽,所述的Δ₂设定为认知无线电工作频段内主用户信号的可能最小带宽。上述技术方案中,在步骤1)的支撑重构过程中,设定重构算法迭代次数为其所能运行的最大迭代次数,从而得到最大可能的支撑元素个数。上述技术方案中,所述步骤2)中的二元判决可以采用任意盲二元检测方法,包括基于协方差矩阵特征值的检测、基于信息熵的检测。上述技术方案中,在所述子带边界估计的步骤中,采用多抽头谱估计和基于双门限的位置寻找方法相结合的方法,包括:首先采用多抽头谱估计来估计z_l[n]的功率谱密度,得到离散功率谱密度值 { Z ^ l [ n ] } n = 0 N z - 1 ; ]]>接着根据ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="270"/>通过设置两个门限参数T₁和T₂,其中T₁>T₂,执行前向连续均值切除法,得到两个判决门限T_l和T_h,其中T_lh;根据T_l和T_h,将所有大于T_l的相邻PSD样点归为一个簇,如果簇中某个样点值大于T_h,则判定该簇为信号簇;如果ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="243"/>中不存在信号簇,则判定该z_l[n]对应于一个宽带信号,即整个子带被信号占满,不存在频谱空穴;如果ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="240"/>中存在信号簇,则信号簇的边界即为频谱空穴对应的边界。本发明可取得以下有益效果:本发明通过支撑重构、精细二元判决、子带边界估计的层层分析和“剥离”,得到越来越细致的频谱空穴,最后在合并步骤对前面各个步骤得到的频谱空穴进行合并,并去除虚假的频谱空穴,合并间隔过窄的频谱空穴,从而得到最终的频谱空穴。与仅仅依赖支撑重构的MWC子Nyquist采样宽带频谱感知方法相比,本发明能够获取更为精细的频谱空穴信息。
附图说明
图1为调制宽带转换器采样框图。图2为本发明的宽带频谱感知流程图。图3为在一个实施例中所做的仿真实验采用的信号频谱图。图4为在一个实施例中信号经过支撑重构后得到的频谱空穴仿真结果图。图5为在一个实施例中信号经过支撑重构和二元判决后的频谱空穴仿真结果图。图6为在一个实施例中信号经过子带边界估计后的仿真结果图。图7为在一个实施例中宽带频谱感知仿真结果图。
具体实施方式
下面结合附图和实施例对本发明作进一步详细说明。设认知无线电需要感知的频段为[0,f_e],频段[0,f_e]中最多可能包含N个主用户信号(包含负频率),主用户信号带宽最大可能为B,最小可能带宽为b,认知无线电可利用的频谱空穴最小带宽为B_c。采用如图1所示的MWC对该频段进行采样,设置通道数为m≥2N,设置f_p≥B,设置f_s≥f_p。采样完成后,得到各个低速采样序列y_i[n],1≤i≤m。将采样后所得到的各个低速采样序列y_i[n](1≤i≤m)作为原信号,如图2所示,在一个最佳实施例中可采用如下步骤进行宽带频谱感知:(1)粗糙支撑重构粗糙支撑重构用于获取原信号中包含窄带信号的各个子带标号集合S=supp(z(F_p))。得到支撑S=supp(z(F_p))后,就可以得到空穴 V 1 = ∪ 1 ≤ l ≤ 2 L 0 + 1 l ∉ S [ ( l - L 0 - 1 ) f p - f p / 2 , ( l - L 0 - 1 ) f p + f p / 2 ] ]]>其中ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="671"/>本步骤中的粗糙支撑重构可采用采用“背景技术”部分提到的参考文献2“Fromxa0theoryxa0toxa0practice:Sub-Nyquistxa0samplingxa0ofxa0sparsexa0widebandxa0analogxa0signals”中给出的重构方法实现,在重构过程中,可通过设定重构算法迭代次数使得得到的支撑数目为2N。(2)精细二元判决精细二元判决针对步骤(1)的粗糙支撑重构得到的2N个子带进行。由于原信号包含的窄带信号个数可能小于N(包含负频率),所以z_l(f)(l∈S)可能仍为频谱空穴。根据上述频谱感知方法中的步骤(1)得到的支撑S,计算得到ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="378"/>其中ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="67"/>表示矩阵A_S的Moore-Penrose伪逆,z_S[n]是由所有z_l[n](l∈S)组成的向量,z_l[n]即为z_l(f)的离散时间Fourier反变换。精细二元判决的目的是判断z_l[n](l∈S)是否为频谱空穴,这可以归结为传统二元检测问题H₀:z_l[n]=w[n]H₁:z_l[n]=s[n]+w[n]其中s[n]表示主用户信号,w[n]表示高斯白噪声,H₀和H₁分别表示主用户不存在(即为频谱空穴)和主用户存在的判决。此二元检测问题可以采用已有的任意二元盲检测方法来解决,包括基于特征值的检测、基于信息熵的检测等等。对z_l[n](l∈S)进行二元判决后,根据判决结果可以知道它是否是频谱空穴,如果它是频谱空穴,则其对应的索引从支撑S中移除。当所有频谱空穴都从S中移除了之后,就能得到新的索引集合,记为S′。经过精细二元判决,得到额外的频谱空穴 V 2 = ∪ l ∈ S , l ∉ S ′ [ ( l - L 0 - 1 ) f p - f p / 2 , ( l - L 0 - 1 ) f p + f p / 2 ] ]]>(3)子带边界估计子带边界估计针对z_l[n](l∈S′)进行,目的是找出z_l[n]中包含的窄带信号频率边界,从而进一步得到频谱空穴。在本实施例中采用了多抽头谱估计(multitaperxa0method,MTM)和基于双门限的位置寻找方法(localizationxa0methodxa0basedxa0onxa0double-thresholding,LAD)相结合的方法对子带边界进行估计。首先采用MTM来估计z_l[n]的功率谱密度(powerxa0spectralxa0density,PSD)。计算一系列离散Fourier变换 z l ( k ) ( f ) = Σ n = 0 N z - 1 z l [ n ] v n ( k ) exp ( - j 2 πfn T s ) ]]>其中ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="185"/>是Splain序列,k=0,1,...,K₀-1。ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="226"/>的能量集中在分辨率带宽2W内。时间带宽乘积提供了抽头数目的上界,ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="436"/>基于前几个特征谱的MTM为: Z ^ l ( f ) = ( Σ k = 0 K 0 - 1 ρ k | z l ( k ) ( f ) | 2 ) ( Σ k = 0 K 0 - 1 ρ k ) - 1 ]]>其中ρ_k是第k个特征谱对应的特征值。取f为离散值,得到离散PSD值 { Z ^ l [ n ] } n = 0 N z - 1 . ]]>接着根据离散PSD值ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="269"/>采用LAD进行子带边界估计。LAD采用前向连续均值切除法来计算门限:步骤1:对ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="244"/>进行升序排列,令排列后的序列为ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="288"/>计算ξ=round(αN_z),即得到最接近于αN_z的整数值,其中0<α<1。步骤2:计算 y ξ = Σ n = 1 ξ Z ^ l A [ n ] / ξ . ]]>步骤3:如果ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="377"/>其中T为门限参数,则令ξ=ξ+1,跳到步骤2;否则,终止计算门限的过程,所取得的门限值为Ty_ξ。LAD中,通过设置两个门限参数T₁和T₂,其中T₁>T₂,执行前向连续均值切除法,得到两个判决门限T_l和T_h(T_lh)。根据T_l和T_h,将所有大于T_l的相邻PSD样点归为一个簇,如果簇中某个样点值大于T_h,则判定该簇为信号簇。如果ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="242"/>中不存在信号簇,则判定该z_l[n]对应于一个宽带信号,即整个子带被信号占满,不存在频谱空穴。如果ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="244"/>中存在信号簇,则信号簇的边界即为频谱空穴对应的边界。令ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="136"/>中存在P_l个频谱空穴,第p个空穴的下边界和上边界分别为ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="116"/>和ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="154"/>则可以得到额外的频谱空穴 V 3 = ∪ l ∈ S ′ { ∪ p = 1 P l [ ( l - L 0 - 1 ) f p + f z l , low ( p ) , ( l - L 0 - 1 ) f p + f z l , high ( p ) ] } ]]>(4)合并对前面三个步骤得到的频谱空穴V₁、V₂和V₃进行合并,得到V=V₁∪V₂∪V₃由于各种非理想因素的影响,作为较佳的实现方式,在本实施例中,在对频谱空穴加以合并后,还对合并后的V进行最后一次分析,如果V中某一频谱空穴的带宽小于B_c,则去除该频谱空穴,如果V中两个相邻的频谱空穴间距小于b,则判定这两个频谱空穴之间的子带为频谱空穴,将这两个频谱空穴合二为一。但在其他实施例中,也可省去该分析操作。由此,在本实施例中,通过前三个步骤的层层分析和“剥离”,得到越来越细致的频谱空穴,最后在步骤四对前面各个步骤得到的频谱空穴进行合并,并去除虚假的频谱空穴,从而得到最终的频谱空穴。以上是对本发明的一个最佳实施例的描述,在其他的较优实施例中,也可实现宽带频谱感知。在一个较优实施例中,所述的宽带频谱感知方法包括粗糙支撑重构、精细二元判决以及合并的步骤,与前文所提到的最佳实施例相比,省去了子带边界估计的步骤,也就没有所述的频谱空穴V₃,相应的,在合并步骤中,在进行合并时只对V₁和V₂进行合并。在另一个较优实施例中,所述的宽带频谱感知方法包括粗糙支撑重构、子带边界估计以及合并的步骤。与前文所提到的最佳实施例相比,省去了精细二元判决的步骤,也就没有所述的频谱空穴V₂,相应的,在合并步骤中,在进行合并时只对V₁和V₃进行合并。此外,在最优实施例中,子带边界估计是对经由精细二元判决后所得到的S′所做的进一步操作,在本实施例中,由于省去了精细二元判决的步骤,因此,子带边界估计是对经由粗糙支撑重构所得到的支撑S所做的进一步操作。以下采用前述最佳实施例中的方法,通过一个仿真实验对本发明的技术效果做进一步描述。设:认知无线电感知频段为[0,525]MHz,共包含五个窄带信号,中心频率分别为110MHz、304MHz、306MHz、308MHz和485MHz,信噪比(所有窄带信号功率总和与噪声功率的比)为5dB,其功率谱密度如图3所示,注意由于实信号功率谱对称,所以只画出了正频率部分;MWC系统的参数为:m=24、f_s=f_p=6MHz;由于304MHz、306MHz、308MHz三个窄带信号共跨越频谱带宽小于6MHz,因此对MWC来说,它们可以看成一个信号,因此信号个数N=6。由此,MWC总的采样频率为144MHz,远远小于Nyquist采样率1.05GHz。选取粗糙支撑重构算法的迭代次数为12,得到了一个包含12个元素的支撑S={7,11,29,37,69,70,106,107,139,147,165,169},由此得到 V 1 = ∪ 1 ≤ l ≤ 175 l ∉ S [ ( l - 88 ) 6 - 3 , ( l - 88 ) 6 + 3 ] . ]]>图4画出了V₁,以低的水平线表示判决得到的频谱空穴,高的水平线表示判决结果被主用户占用,图中还给出了原信号的PSD,以作对比。注意图中只给出了正频率部分。由图可知,存在两个(若包含负频率则为四个)虚警子带,这两个虚警子带将在二元判决环节去除。本发明精细二元判决针对z_l[n](l∈S)进行。选择基于最大最小特征值比的二元盲检测方法对z_l[n]进行检测,结果判定z₁₁[n]、z₂₉[n]、z₁₄₇[n]和z₁₆₅[n]为噪声,因此得到的S′={7,37,69,70,106,107,139,169}。图5给出了V₁∪V₂的结果。子带边界估计针对z_l[n](l∈S′)进行,图6给出了估计结果。从图中可以看出,本发明较好地找到了信号子带边界。图7是本发明宽带频谱感知方法最后确定的各个频谱空穴。从图中可以看出,本发明准确找到了原信号中包含的频谱空穴,频谱空穴分辨率远远优于f_p=6MHz,比仅依赖于支撑重构的宽带频谱感知方法具有更好的性能。