1.一种基于Gram-Charlier级数的OFDM信号频谱感知算法，其特征在于包括如下步骤：步骤1)、在每个OFDM符号前加上循环前缀，建立OFDM信号模型，同时基于该模型通过认知节点建立频谱感知二元假设模型；

步骤2)、分析两种假设情况下认知节点接收信号的自相关函数在时延τ＝±Nd处取值的概率密度函数，Nd表示OFDM符号有效数据长度；

步骤3)、基于Gram-Charlier级数对自相关函数在时延τ＝±Nd处取值的概率密度函数进行展开，以实现主用户信号检测。

2.根据权利要求1所述的一种基于Gram-Charlier级数的OFDM信号频谱感知算法，其特征在于：所述步骤1)的具体内容包括：设定一个OFDM符号的周期为Ns＝Nd+Nc，其中Nd表示OFDM符号有效数据长度，Nc为循环前缀的长度，且Nc≤Nd/4；

建立频谱感知二元假设模型：

其中，y(n)为认知节点接收到的信号，x(n)为主用户信号，H1表示主用户信号存在，H0表示主用户信号不存在，w(n)是均值为零、方差为 的高斯白噪声，w(n)与x(n)彼此独立，N为采样点数。

3.根据权利要求2所述的一种基于Gram-Charlier级数的OFDM信号频谱感知算法，其特征在于：所述步骤2)的具体内容为：基于频谱感知二元假设模型，假设主用户信号x(n)服从均值为0，方差为 的高斯分布，则接收信号y(n)在两种假设情况下的分布为：其中， 为主用户信号的能量， 是高斯白噪声的能量；

而接收信号y(n)的自相关函数定义为：

其中，τ为信号延迟，N为接收信号采样点数；

在OFDM模型中，循环前缀与OFDM符号的有效数据存在部分相同，故而当信号延迟τ为Nd时，R(τ)将出现一个明显的峰值，此时噪声信号采样值之间没有相关性，其自相关函数在τ＝±Nd时的值均为零，所以，将接收信号自相关函数在τ＝±Nd时的取值 作为一个检测统计量；

在主用户信号存在的情况下，r的均值为：

而r的二阶矩为：

其中，n1≠n2；

E[abcd]＝E[ab]E[cd]+E[ac]E[bd]+E[ad]E[bc]-2E[a]E[b]E[c]E[d]  (6)其中，a，b，c，d是高斯随机变量；

将公式(6)的内容代入公式(5)中，获得r的二阶矩为：其中， 则在主用户信号存在情况下，r的方差为：在H0的情况下，由于w(n)与w(n+Nd)相互独立，其自相关函数始终为零，此时r的均值为：E[r|H0]＝0；

在H0的情况下，应用(6)式计算r的方差为：其中，n1≠n2，则接收信号自相关函数在τ＝±Nd时的取值在H0和H1两种假设情况下分别服从不同的概率分布，即：其中，

4.根据权利要求3所述的一种基于Gram-Charlier级数的OFDM信号频谱感知算法，其特征在于：所述步骤3)的具体内容为：基于Gram-Charlier级数展开获得概率密度函数p(x)与随机变量x的相互关系，为：其中：

而 ci(i＝0，1，...6)为Gram-Charlier的级数；

针对步骤2中自相关函数在时延τ＝±Nd处取值的概率分布，在Hm(m＝0，1)两种情况下，变量r的条件概率密度为：其中， 是r的标准化形式，系数 通过Hm(m＝0，1)两种情况下样本的Gram-Charlier级数计算得到。