专利名称：一种认知网络环境下的信号分离方法
技术领域：
本发明属于认知无线电技术领域，更为具体地讲，涉及到一种认知网络环境下的 信号分离方法。
背景技术：
传统的无线频谱资源都是固定分配的，对于那些已授权频段，大部分利用率都很 低。近年来，无线通信技术发展更为迅速，频谱资源也变得越来越紧张。为了解决频谱资源 匮乏的问题，基本思路就是尽量提高现有频谱的利用率。为此，人们提出了认知无线电的概念。认知无线电的基本出发点就是为了提高频谱利用率，无线通信设备可以按照某 种“伺机(Opportunistic Way) ”的方式工作在已授权的频段内。这种在空域、时域和频域 中出现的可以被利用的频谱资源被称为“频谱空洞”。认知无线电的核心思想就是使具有认 知功能的无线通信设备，即认知用户发现“频谱空洞”并合理利用。当无线通信设备通过“借用”的方式使用已授权的频谱资源时，必须保证它的通信 不会影响到其他已授权用户的通信。要做到这一点，认知用户必须按照一定的规则来使用 所发现的“频谱空洞”。在认知无线电中，这样的规则是以某种机器可理解的形式(如XML 语言)加载到通信终端上。由于这些规则可以随时根据频谱的利用情况、通信业务的负荷 与分布等进行不断的调整，因此通过这些规则，频谱管理者就能以更为灵活的方式来管理 宝贵的频谱资源。但是，并不是所有的用户都会遵循这些规则合理地使用“频谱空洞”，这时 就会出现恶意终端的情况。这些恶意终端违反接入规则和频谱分配策略，肆意接入认知网 络，占用频谱资源，对其他正常接入的认知用户造成干扰，降低了认知网络的通信效率。图1是安全认知网络，N1、N2、N3和N4都是正常的认知终端，按照一定的频谱分配 策略接入到网络中，并将接收到的信号发送至中心节点。图2是存在恶意终端的认知网络， 其中附、N2、N3和N4都是正常的认知终端，N5和N6是恶意终端，不遵守频谱分配策略。而在无线电认知网络中，恶性信号可能会占用很宽的频谱，导致其他认知用户不 能有效回避恶意终端，从而影响自己的通信效率。
发明内容
本发明的目的在于克服现有技术的不足，提供一种认知网络环境下的信号分离方 法，对中心节点接收到的信号进行信号分离，定位恶性信号，以便中心节点根据定位的恶性 信号进行规避。为实现上述发明目的，本发明的认知网络环境下的信号分离方法包括以下步骤(1)、定位频谱边缘a1、中心节点有M个接收机，分别进行信号接收，得到M个接收信号Xi (t)，i = 1， 2，....，M，对接收到的M个接收信号求平均，得到接收信号的均值X
其中，Xi (t)是第i个接收机接收到的信号，t是接收时刻；对M个接收信号求平均，以使边缘检测更为准确；a2、对接收信号的均值X进行傅里叶变换，得到接收信号的频率谱函数S (f) 其中，FT[ ·]代表傅里叶变换，f代表频率；a3、首先，对频率谱函数S(f)进行小波变换 其中，WsS (f)代表频率谱函数S (f)进行小波变换，θ (f)是平滑函数，s是尺度因 子，es(f)是经过尺度因子s变换之后的函数，“*”代表卷积运算；然后，得到接收信号的频谱边缘 代表接收信号的第η个频谱边缘，Ws' S(f)代表对小波变换得到的函数WsS (f)
求导数，是频谱函数s(f)相对于小波函数v(f)的尺度积，κ是整数， k=\
ψ (f)是小波函数，且ψ⑴是θ (f)的导数；maxjma是求极值运算；(2)、分离信号Id1、根据接收信号的频谱边缘/ ，将接收信号的频谱划分为多个子频段，每个子频 段1设计M个相同的带通滤波器B1, 1 = 1,2,..., L，L为子频段段数，每个子频段的带通 滤波器B1的截止频率根据该子频段的频谱边缘确定；b2、针对子频段1进行信号分离(1)、带通滤波子频段1的M个相同的带通滤波器B1分别对M个接收信号Xi(t)进行滤波，得到 滤波后的信号为Xin(t) = Xi(t)*HB，i = 1，2，...，M其中，Hb为带通滤波器B1的冲激响应，xin(t)表示第i个接收信号滤波后的信号；(2)、调制到基带然后，将滤波后信号Xin (t)调制到基带xinL(t) = xin(t) · HModn, i = 1，2，…，MxinL(t)表示基带信号，Hfcdn表示载波的时域表达式；
M个基带信号XinJt)构成基带信号矩阵Υ，Γ=、,⑴，基带信号矩阵Y的每一
-xMuXt) _ 个行向量表示一个基带信号；(3)、预处理_中心化和白化中心化对基带信号矩阵Y进行以下运算处理，得到中心化之后的基带信号矩阵 Y: 其中，Ε{ · }代表期望运算，中心化后的信号矩阵f的各个行向量均值为0 ；白化对中心化之后的基带信号矩阵f以下运算处理，得到白化后的基带信号矩 阵F: 其中，C是五的特征向量，D是五{f.f『}的特征值，白化后的基带信号矩阵 的各分量不相关，即}>的各行向量不相关；(4)、信号分离根据白化后的基带信号矩阵#来求出分离矩阵W (4. 1)、初始化分离矩阵W 随机生成一个MXN阶矩阵；(4.2)、取分离矩阵W的第ρ个列向量W(:，p)，p = 1，2，3，…，N;(4. 3)、将列向量W(:，ρ)向量代入迭代式更新W(:，ρ)向量『(:,； )=五f)卜五{g’(r(:,;7)r.f)}·『(:,; );其中，g(·)是非二次函数，E{·}代表期望运算，g' (·)代表对g(·)求导， “ · ”是相乘运算，“T”是向量的转置；(4. 4)、去相关 归一化ff( ，ρ) = ff( ，ρ)/ ff( ，p) I I ；其中，“ I I · I I ”代表求向量的2范数；(4. 5)、如果两次迭代计算出的列向量W ( ，ρ)基本相同，则算法收敛，这样就计算 出分离矩阵的一个列向量，否则返回步骤(4.3)；(4. 6)、重复步骤(4.2) (4.5)计算出分离矩阵W的N个列向量，得到分离矩阵 W ；计算出分离矩阵W后，根据下式得出原始信号调制到基带信号后的估计值5:S = Wr-Y其中，化后的基带信号矩阵；估计值左即为分离后的信号矩阵，左的各行向量都是基带信号，并解调，解调后的信 号矩阵S
S = S-Hdm其中，HM。dn是解调函数的时域表达式，Hlldfodn由子频段所取的两个频谱边缘确定；信号矩阵力中的行向量为源信号的估计值，从而中心节点将接收到的信号进行信 号分离，不符合频谱分配规则的信号就为恶性信号，定位恶性信号；b3、重复步骤b2，将所有子频段的恶性信号定位。本发明的发明目的是这样实现的 假设源信号s (t)为N维信号，包括正常信号和恶意信号，混合矩阵A为MXN矩阵， 接收的信号X (t)为M维向量，加性高斯白噪声η (t)，则有χ (t) = As (t) +n (t)这样可以找到分离矩阵W，使得s(t) = Wr x(t)其中是源信号的估计值，χ (t)是接收信号，“ · ”代表乘法运算，从而将接收到 的N维信号进行分离。在本发明中，首先，通过中心节点的M个接收机，分别进行信号接收，得到M个接收 信号Xi(t)，i = 1，2，. . . .，M，然后进行小波边缘检测，得到接收信号的频谱边缘；然后，根 据接收信号的频谱边缘/ ，将接收信号的频谱划分为多个子频段，每个子频段j设计M个相 同的带通滤波器Bpj = 1，2，...，J，J为子频段段数，带通滤波器B」的截止频谱根据该子频 段的频谱边缘/ 确定，用M个相同的带通滤波器B」分别对M个接收信号Xi (t)进行带通滤波 得到滤波后的信号Xin (t)；其次，再将滤波后的信号Xin (t)进行基带调制，得到M个基带信 号xinL(t)构成的基带信号矩阵Y，对基带信号矩阵Y进行中心化、白化，得到白化后的基带 信号矩阵f，根据白化后的基带信号矩阵f来求出分离矩阵W;最后，计算出分离矩阵W后， 根据公式S = Wr . f得出原始信号调制到基带信号后的估计值左，根据公式左=5 · U 行解调，解调后的信号矩阵5，信号矩阵5中的行向量为源信号的估计值，从而中心节点将 接收到的信号进行信号分离，不符合频谱分配规则的信号就为恶性信号，定位恶性信号；
图1是安全认知网络示意图；图2是存在恶意终端的认知网络示意图；图3是本发明认知网络环境下的信号分离方法一种具体实施方式
原理框图；图4是图1中源信号Sl 4的时域图；图5是图1中源信号Sl 4的频域图；图6是图1中接收信号的均值、频谱及频谱边缘图；图7是图1中4个接收信号带通滤波器滤波后的频谱图；图8是图1中解调后的分离信号的时域图；图9是图1中解调后的分离信号的频域图。
具体实施例方式下面结合附图对本发明的具体实施方式
进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许 会淡化本发明的主要内容时，这些描述在这里将被忽略。实施例图3是本发明认知网络环境下的信号分离方法一种具体实施方式
原理框图在本实施例中，有两个正常认知终端发送正常源信号S1、S2，有两个恶意终端发送恶意信号S3、S4，即有4个源信号，其中正常信号2个，恶意信号2个。接收机Rl 4，即接 收机数量M = 4将接收到的信号发送给中心节点处理，信噪比均为10db。这些源信号的带 宽及载波见表1 : 表 1这些源信号Sl 4的时域图见图4，其中(a) (b) (c) (d)分别代表源信号Si，S2， S3, S4。这些源信号Sl 4的频域图见图5，其中(a) (b) (c) (d)分别代表源信号Si， S2，S3，S4的频谱，从图中，我们可以看出4个源信号Si，S2，S3，S4的载波分别为40MHz、 80MHz、40MHz、40MHz，带宽为 20MHz、IOMHz、IOMHz、IOMHz。在本实施例中，小波边缘检测中，采用的小波是高斯小波，如下式，其中J表示任 意整数 接收信号的均值、频谱及频谱边缘见图6，其中，(a)是中心节点处收到的4个信号 的均值X，(b)是接收信号均值的频率谱函数S(f)，由图可看出整个宽频被分为2个子频段， 即子频段数L = 2，(c)是小波检测出的边缘，检测的频谱边界值为[A =30.46875MHz， /2 = 50.586MHz] ,[ /3 = 75.390625MHz，/4 = 85.546875MHz]，实际边界值为，[75MHz，85MHz]，结果显示小波边缘检测较为准确。在本实施例中，以第一个子频段[30MHz，50MHz]为例，由于频谱比较连续且平 滑，设置滤波器带宽要宽于小波检测出的边界值，在本实施例中把滤波器的截止频率设为 [20MHz,60MHz]。图7为4个接收信号带通滤波器滤波后的频谱图，其中(a)、(b)、(c)、(d)分别表 示中心节点接收到的4个信号X1 (t)，x2 (t)，X3 (t)，x4 (t)经过滤波器滤波后的信号xln(t)，X2n (t), X3n (t), X4n (t)频谱。图8是分离信号的时域图，其中，(a) (b) (c) (d)分别代表分离出来的信号，得到的 是源信号的估计值。图9是分离信号的频域图，由于分离出来的信号是宽频信号，信号持续时间短，变 化频率高，时域上分辨不出信号，但可以从频域看出，如图9所示，(a)是源信号Si、即正常 信号，(b)是源信号S4，恶意信号，(d)是源信号S3、恶意信号，(c)是信道产生的噪声。由于源信号S2不在所选子频段中，我们将在下一个子频段分离出它。通过本实施例，我们可以看出，本发明认知网络环境下的信号分离方法对接收信 号的分离有良好的效果。尽管上面对本发明说明性的具体实施方式
进行了描述，以便于本技术领的技术人 员理解本发明，但应该清楚，本发明不限于具体实施方式
的范围，对本技术领域的普通技术 人员来讲，只 要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变 化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
权利要求
一种认知网络环境下的信号分离方法，其特征在于，包括以下步骤(1)、定位频谱边缘a1、中心节点有M个接收机，分别进行信号接收，得到M个接收信号xi(t)，i＝1，2，....，M，对接收到的M个接收信号求平均，得到接收信号的均值X <mrow><mi>X</mi><mo>=</mo><mfrac> <mn>1</mn> <mi>M</mi></mfrac><munderover> <mi>Σ</mi> <mrow><mi>i</mi><mo>=</mo><mn>1</mn> </mrow> <mi>M</mi></munderover><msub> <mi>x</mi> <mi>i</mi></msub><mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo></mrow> </mrow>其中，xi(t)是第i个接收机接收到的信号，t是接收时刻；对M个接收信号求平均，以使边缘检测更为准确；a2、对接收信号的均值X进行傅里叶变换，得到接收信号的频率谱函数S(f) <mrow><mi>S</mi><mrow> <mo>(</mo> <mi>f</mi> <mo>)</mo></mrow><mo>=</mo><mi>FT</mi><mo>[</mo><mi>X</mi><mo>]</mo><mo>=</mo><msubsup> <mo>∫</mo> <mrow><mo>-</mo><mo>∞</mo> </mrow> <mrow><mo>+</mo><mo>∞</mo> </mrow></msubsup><mi>X</mi><mo>·</mo><msup> <mi>e</mi> <mrow><mo>-</mo><mi>j</mi><mn>2</mn><mi>πft</mi> </mrow></msup><mi>dt</mi> </mrow>其中，ET[·]代表傅里叶变换，f代表频率；a3、首先，对频率谱函数S(f)进行小波变换WsS(f)＝S(f)*θs(f) <mrow><msub> <mi>θ</mi> <mi>s</mi></msub><mrow> <mo>(</mo> <mi>f</mi> <mo>)</mo></mrow><mo>=</mo><mfrac> <mn>1</mn> <mi>s</mi></mfrac><mi>θ</mi><mrow> <mo>(</mo> <mfrac><mi>f</mi><mi>s</mi> </mfrac> <mo>)</mo></mrow> </mrow>其中，WsS(f)代表频率谱函数S(f)进行小波变换，θ(f)是平滑函数，s是尺度因子，θs(f)是经过尺度因子s变换之后的函数，“*”代表卷积运算；然后，得到接收信号的频谱边缘 <mrow><msub> <mover><mi>f</mi><mo>^</mo> </mover> <mi>n</mi></msub><mo>=</mo><munder> <mrow><mi>max</mi><mi>ima</mi> </mrow> <mi>f</mi></munder><mo>|</mo><msup> <msub><mi>W</mi><mi>s</mi> </msub> <mo>′</mo></msup><mi>S</mi><mrow> <mo>(</mo> <mi>f</mi> <mo>)</mo></mrow><mo>|</mo> </mrow> <mrow><mo>=</mo><munder> <mrow><mi>max</mi><mi>ima</mi> </mrow> <mi>f</mi></munder><mo>|</mo><munderover> <mi>Π</mi> <mrow><mi>k</mi><mo>=</mo><mn>1</mn> </mrow> <mi>K</mi></munderover><mi>ψ</mi><msub> <mrow><mo>(</mo><mi>f</mi><mo>)</mo> </mrow> <msup><mn>2</mn><mi>k</mi> </msup></msub><mo>*</mo><mi>S</mi><mrow> <mo>(</mo> <mi>f</mi> <mo>)</mo></mrow><mo>|</mo> </mrow>代表接收信号的第n个频谱边缘，Ws′S(f)代表对小波变换得到的函数WsS(f)求导数，是频谱函数S(f)相对于小波函数ψ(f)的尺度积，K是整数，ψ(f)是小波函数，且ψ(f)是θ(f)的导数；是求极值运算；(2)、分离信号b1、根据接收信号的频谱边缘，将接收信号的频谱划分为多个子频段，每个子频段l设计M个相同的带通滤波器Bl，l＝1，2，...，L，L为子频段段数，每个子频段的带通滤波器Bl的截止频率根据该子频段的频谱边缘确定；b2、针对子频段l进行信号分离(1)、带通滤波子频段l的M个相同的带通滤波器Bl分别对M个接收信号xi(t)进行滤波，得到滤波后的信号为xin(t)＝xi(t)*HB，i＝1，2，…，M其中，HB为带通滤波器Bl的冲激响应，xin(t)表示第i个接收信号滤波后的信号；(2)、调制到基带然后，将滤波后信号xin(t)调制到基带xinL(t)＝xin(t)·HModn，i＝1，2，…，MxinL(t)表示基带信号，HModn表示载波的时域表达式；M个基带信号xinL(t)构成基带信号矩阵Y，基带信号矩阵Y的每一个行向量表示一个基带信号；(3)、预处理-中心化和白化中心化对基带信号矩阵Y进行以下运算处理，得到中心化之后的基带信号矩阵 <mrow><mover> <mi>Y</mi> <mo>~</mo></mover><mo>=</mo><mi>Y</mi><mo>-</mo><mi>E</mi><mo>{</mo><mi>Y</mi><mo>}</mo> </mrow>其中，E{·}代表期望运算，中心化后的信号矩阵的各个行向量均值为0。白化对中心化之后的基带信号矩阵以下运算处理，得到白化后的基带信号矩阵 <mrow><mover> <mi>Y</mi> <mo>^</mo></mover><mo>=</mo><mi>C</mi><mo>·</mo><msup> <mi>D</mi> <mrow><mo>-</mo><mfrac> <mn>1</mn> <mn>2</mn></mfrac> </mrow></msup><mo>·</mo><msup> <mi>C</mi> <mi>T</mi></msup><mo>·</mo><mover> <mi>Y</mi> <mo>~</mo></mover> </mrow>其中，C是的特征向量，D是的特征值，白化后的基带信号矩阵的各分量不相关，即的各行向量不相关；(4)、信号分离根据白化后的基带信号矩阵来求出分离矩阵W(4.1)、初始化分离矩阵W随机生成一个M×N阶矩阵；(4.2)、取分离矩阵W的第p个列向量W(，p)，p＝1，2，3，…，N；(4.3)、将列向量W(，p)向量代入迭代式更新W(，p)向量 <mrow><mi>W</mi><mrow> <mo>(</mo> <mo>:</mo> <mo>,</mo> <mi>p</mi> <mo>)</mo></mrow><mo>=</mo><mi>E</mi><mo>{</mo><mover> <mi>Y</mi> <mo>^</mo></mover><mo>·</mo><mi>g</mi><mrow> <mo>(</mo> <mi>W</mi> <msup><mrow> <mo>(</mo> <mo>:</mo> <mo>,</mo> <mi>p</mi> <mo>)</mo></mrow><mi>T</mi> </msup> <mo>·</mo> <mover><mi>Y</mi><mo>^</mo> </mover> <mo>)</mo></mrow><mo>}</mo><mo>-</mo><mi>E</mi><mo>{</mo><msup> <mi>g</mi> <mo>′</mo></msup><mrow> <mo>(</mo> <mi>W</mi> <msup><mrow> <mo>(</mo> <mo>:</mo> <mo>,</mo> <mi>p</mi> <mo>)</mo></mrow><mi>T</mi> </msup> <mo>·</mo> <mover><mi>Y</mi><mo>^</mo> </mover> <mo>)</mo></mrow><mo>}</mo><mo>·</mo><mi>W</mi><mrow> <mo>(</mo> <mo>:</mo> <mo>,</mo> <mi>p</mi> <mo>)</mo></mrow><mo>;</mo> </mrow>其中，g(·)是非二次函数，E{·}代表期望运算，g′(·)代表对g(·)求导，“·”是相乘运算，“T”是向量的转置；(4.4)、去相关 <mrow><mi>W</mi><mrow> <mo>(</mo> <mo>:</mo> <mo>,</mo> <mi>p</mi> <mo>)</mo></mrow><mo>=</mo><mi>W</mi><mrow> <mo>(</mo> <mo>:</mo> <mo>,</mo> <mi>p</mi> <mo>)</mo></mrow><mo>-</mo><munderover> <mi>Σ</mi> <mrow><mi>i</mi><mo>=</mo><mn>1</mn> </mrow> <mrow><mi>p</mi><mo>-</mo><mn>1</mn> </mrow></munderover><mi>W</mi><msup> <mrow><mo>(</mo><mo>:</mo><mo>,</mo><mi>p</mi><mo>)</mo> </mrow> <mi>T</mi></msup><mo>·</mo><mi>W</mi><mrow> <mo>(</mo> <mo>:</mo> <mo>,</mo> <mi>i</mi> <mo>)</mo></mrow><mo>·</mo><mi>W</mi><mrow> <mo>(</mo> <mo>:</mo> <mo>,</mo> <mi>i</mi> <mo>)</mo></mrow><mo>;</mo> </mrow>归一化W(，p)＝W(，p)/||W(，p)||；其中，“||·||”代表求向量的2范数；(4.5)、如果两次迭代计算出的列向量W(，p)基本相同，则算法收敛，这样就计算出分离矩阵的一个列向量，否则返回步骤(4.3)；(4.6)、重复步骤(4.2)～(4.5)计算出分离矩阵W的N个列向量，得到分离矩阵W；计算出分离矩阵W后，根据下式得出原始信号调制到基带信号后的估计值 <mrow><mover> <mi>S</mi> <mo>^</mo></mover><mo>=</mo><msup> <mi>W</mi> <mi>T</mi></msup><mo>·</mo><mover> <mi>Y</mi> <mo>^</mo></mover> </mrow>其中，白化后的基带信号矩阵；估计值即为分离后的信号矩阵，的各行向量都是基带信号，并解调，解调后的信号矩阵 <mrow><mover> <mi>S</mi> <mo>~</mo></mover><mo>=</mo><mover> <mi>S</mi> <mo>^</mo></mover><mo>·</mo><msub> <mi>H</mi> <mi>DeModn</mi></msub> </mrow>其中，HDeModn是解调函数的时域表达式，HDeModn由子频段所取的两个频谱边缘确定。信号矩阵中的行向量为源信号的估计值，从而中心节点将接收到的信号进行信号分离，不符合频谱分配规则的信号就为恶性信号，定位恶性信号；b3、重复步骤b2，将所有子频段的恶性信号定位。FSA00000105662600014.tif,FSA00000105662600017.tif,FSA00000105662600018.tif,FSA00000105662600019.tif,FSA00000105662600021.tif,FSA00000105662600022.tif,FSA00000105662600023.tif,FSA00000105662600024.tif,FSA00000105662600026.tif,FSA00000105662600027.tif,FSA00000105662600028.tif,FSA00000105662600031.tif,FSA00000105662600032.tif,FSA00000105662600033.tif,FSA00000105662600034.tif,FSA00000105662600035.tif,FSA00000105662600038.tif,FSA000001056626000310.tif,FSA000001056626000311.tif,FSA000001056626000312.tif,FSA000001056626000313.tif,FSA00000105662600041.tif
2.根据权利要求1所述的认知网络环境下的信号分离方法，其特征在于，所述的小波 函数Ψ (f)为高斯小波，其中J表示任意整数
全文摘要
本发明公开了一种认知网络环境下的信号分离方法，首先，通过中心节点接收到M个接收信号xi(t)，i＝1，2，....，M，然后进行小波边缘检测得到频谱边缘将接收信号的频谱划分为多个子频段，每个子频段j设计M个相同的带通滤波器Bj，其截止频谱根据该子频段的频谱边缘确定，用M个相同的带通滤波器Bj分别对M个接收信号xi(t)进行带通滤波得到滤波后的信号xin(t)，然后进行基带调制，得到M个基带信号xinL(t)构成的基带信号矩阵Y，对基带信号矩阵Y进行中心化、白化，得到矩阵根据矩阵来求出分离矩阵W；根据公式得出原始信号估计值根据公式进行解调，解调后的信号矩阵信号矩阵中的行向量为源信号的估计值，从而中心节点将接收到的信号进行信号分离，不符合频谱分配规则的信号就为恶性信号，定位恶性信号。
文档编号H04B17/00GK101867421SQ20101017607
公开日2010年10月20日 申请日期2010年5月18日 优先权日2010年5月18日
发明者刘丹, 刘健, 李超, 邝育军, 隆克平 申请人:电子科技大学