高频段频谱占用的Volterra预测方法
【技术领域】
[0001] 本发明涉及高频段频谱监测技术领域。
【背景技术】
[0002] 高频无线电频段在3MHz-30MHz之间，由于技术简单和费用低廉而被广泛地应用 于长距离的无线电通信、雷达探测以及广播等。然而，高频频段的频谱行为会受时间、季节 和太阳黑子周期等影响而急剧变化，导致多径效应、多普勒频移和深度衰减等，限制了高频 频谱的可用范围。另外，高频无线电的长距离传输特性使得本地频谱受到全球范围的其他 高频用户的干扰。以上因素导致本已有限的高频频谱变得更加拥挤。因而需要对高频频谱 的占用情况进行监测和预报，以期为高频设备选择有效的工作信道。
[0003] 高频频谱占用情况的预测可以作为时间序列进行预测处理，较为常用的模是自回 归滑动平均模型（Auto-RegressiveandMovingAverageModel,ARMA)方法、神经网络方 法和支持向量机（SupportVectorMachines,SVM)方法等。ARMA模型优势是模型阶数少、 计算量小和收敛性强。不足在于ARMA是一种线性模型，难以描述高频频谱动态行为的非线 性特征；而且随着阶数的升高，计算量急剧增大。神经网络方法的优势是不依赖模型，可用 于非线性及非平稳过程等；缺点是自由参数的数目过大并且其值往往是经验设置，受训练 样本影响较大，不能保证收敛到最优解以及训练过程计算量大。与神经网络方法类似，SVM 方法也具有不依赖模型，可用于非线性及非平稳过程的优点，除此之外它还有自由参数少 以及预测过程计算复杂度低等优势；但是也有自由参数的值往往是经验设置，训练过程计 算量大等不足。
【发明内容】
[0004] 本发明是为了实现对变化剧烈的非平稳高频频谱占用因子序列的预测，提出了一 种高频段频谱占用的Volterra预测方法。
[0005] 本发明所述的高频段频谱占用的Volterra预测方法，该方法的具体步骤为：
[0006] 步骤一：利用状态空间理论对高频段频谱占用因子序列进行状态空间重构，获得 频谱占用因子序列状态空间的重构序列；
[0007] 步骤二：利用频谱占用因子序列状态空间的重构序列，建立高频段频谱占用因子 序列的Volterra预测模型；
[0008] 步骤三：采用递归最小二乘算法，对Volterra预测模型的核系数进行动态调整， 实现高频段频谱占用的Volterra预测。
[0009] 本发明的有益效果为：
[0010] 1.本发明所采用的Volterra(沃尔泰拉）级数模型可以对非线性系统进行良好的 表征，适合对高频段频谱占用因子序列的非线性变化进行预测；
[0011] 2?利用递归最小二乘（RecursiveLeastSquare，RLS)自适应算法实时地利用信 息对预测模型系数进行动态调整，能够有效跟踪频谱占用因子的变化过程，比传统的静态 预测模型的适应性更强；
[0012] 3.实测数据处理结果表明：本发明提出的预测方法预测准确度高，训练过程计算 复杂度低，具有很强的实际应用价值。
【附图说明】
[0013] 图1为本发明涉及的高频段频谱占用情况的Volterra预测方法的流程图；
[0014] 图2为本发明涉及的高频段频谱占用情况的Volterra预测方法实现的结构框图 (阶数为2,嵌入维数m= 4);
[0015] 图3为ITU分配频段上频谱占用因子Q的量测示意图；
[0016] 图4为不同ITU分配频段上占据因子量测数据的24小时变化曲线仿真示意图；
[0017] 图5为Volterra、自回归模型（Auto-Regressive,AR)和SVM预测结果的均方根误 差（Root-Mean-SquareError,RMSE)对比不意图；
[0018] 图6为图5的局部放大图；
[0019] 图7为Volterra、AR和SVM的训练时间对比示意图（单位：ms，训练样本750点）。
【具体实施方式】
【具体实施方式】 [0020] 一、结合图1说明本实施方式，本实施方式所述的高频段频谱占用 的Volterra预测方法，该方法的具体步骤为：
[0021] 步骤一：利用状态空间理论对高频段频谱占用因子序列进行状态空间重构，获得 频谱占用因子序列状态空间的重构序列；
[0022] 步骤二：利用频谱占用因子序列状态空间的重构序列，建立高频段频谱占用因子 序列的Volterra预测模型；
[0023] 步骤三：采用递归最小二乘算法，对Volterra预测模型的核系数进行动态调整， 实现高频段频谱占用的Volterra预测。
[0024] 频谱占用因子的定义为：在一个给定的ITU(InternationalTelecommunications Union，国际电信同盟）分配的频段内，称接收信号的功率超过给定门限的分辨单元的个数 与该频段分辨单元总数的比值为频谱占用因子，用Q表示；该定义由Laycock和Gott首先 提出，在国际上已经被广范地接受和使用。如图3所示，当给定门限为-77dBm时，100个分 辨单元中有2个分辨单元功率超出门限，则Q值为0. 02。频谱占用因子反映了在给定功率 门限下，该频段被占用的程度。当Q值为〇时，表示该频段是完全空闲的；当Q值为1时，则 表示该频段被完全占据。
【具体实施方式】 [0025] 二、本实施方式是对一所述的高频段频谱占用的 Volterra预测方法的进一步说明，步骤一所述的高频段频谱占用因子序列进行状态空间重 构的方法为：
[0026] 频谱占用因子Q的时间序列为Q={q(n), n=1，2,…，N}，对Q进行状态空间重 构，重构后的频谱占用因子序列状态空间的重构序列：
[0027] q(n) = [q(n)，q(n-l)，…，q(n_m+l)]
[0028] 其中，q (n)为在n时刻的频谱占用因子Q的量测值，q (n-m+1)为n-m+1时刻的频 谱占用因子Q的量测值，m为嵌入维数。
【具体实施方式】 [0029] 三、本实施方式是对一所述的高频段频谱占用 的Volterra预测方法的进一步说明，步骤二所述的建立高频段频谱占用因子序列的 Volterra预测模型的方法为：
[0030] 对非线性系统高频段频谱的Volterra级数展开：
[0031]
[0032] 其中，wc(n)表示在n时刻的常数项Volterra核系数，(n)(i= 0, 1，…，00 ) 表示在n时刻的预测模型第i阶Volterra核系数，x(n)为输入信号，d'（n)表示在系统辨 识应用中没有测量噪声时未知系统的输出；lu12，…，h为延迟时间；
[0033] d'（n)的二阶截断形式：
[0034]
[0035] 其中，m为输入信号x(n)的嵌入维数，e(n)为截断误差，令d'（n) =q(n+l)，x(n) =q(n)，利用重构后的状态矢量q(n)，求q(n+l)的二阶截断Volterra级数；
[0036] 高频段频谱占用因子序列的Volterra预测模型为q(n+l)的二阶截断Volterra 级数，表示形式为：
[0037]
[0038] 其中，w。!；]!)表示在n时刻的常数项Volterra核系数，％, (n)表示在n时刻的一 阶Volterra核系数，(n)表示在n时刻的二阶Volterra核系数，m为嵌入维数。
【具体实施方式】 [0039] 四、本实施方式是对一所述的高频段频谱占用的 Volterra预测方法的进一步说明，步骤三所述利用递归最小二乘算法对Volterra预测模 型核系数进行动态调整的方法具体为：
[0040] 预测模型的系数矢量W(n)为：
[0041] ff(n) = [wc (n),w0 (n),Wi(n), ???,wm ! (n),w0_ 0 (n),w0_! (n), ???,wmljmifc)]1,
[0042] 输入信号矢量U(n)为：
[0