频谱信号感知方法及装置的制造方法

文档序号:9711256阅读:362来源:国知局
频谱信号感知方法及装置的制造方法
【技术领域】
[0001 ]本发明涉及无线通信领域,尤其涉及一种频谱信号感知方法及装置。
【背景技术】
[0002] 随着无线通信业务的增长,可利用的频带日趋紧张,频谱资源匮乏的问题日益严 重。世界各国现行的频率使用政策大多采用许可证制度,而获得许可的用户并非全天候占 用许可频段,一些频带部分时间内并没有用户使用,另有一些偶尔才被占用。如何提高频谱 利用率,在不同区域和不同时间段里有效地利用不同的空闲频道,成为人们非常关注的技 术问题。
[0003] 认知无线网络是一种用于提高无线通信频谱利用率的新的智能技术。具有认知功 能的无线通信设备可以感知周围的环境,再利用已经分配给授权用户,但在某一特定的时 刻和环境下并没有被占用的频带,即动态再利用"频谱空洞",以实现无论何时何地都能保 证无线频谱利用的高效性。因此,感知频谱环境是认知无线电首要的任务,它体现了认知无 线电最显著的特征:能够感知并分析特定区域的频段,找出适合通信的频谱空穴。
[0004] 目前,采用压缩感知技术的频谱信号感知方法得到了较多的关注。压缩感知理论 指出:如果信号是稀疏的(或是可压缩的),那么就可以以远低于奈奎斯特(Nyquist)速率的 采样率对信号进行采样,并以高概率精确重构原信号。在压缩感知理论中,对信号的采样可 以在低采样速率下进行,因此对采样设备的要求大大降低。
[0005]分布式压缩感知利用信号内相关性和互相关性对多个信号进行联合重构,充分利 用了分布式传感器数据的时空相关性,减少了传输数据量,进一步减少了通信开销。联合稀 疏模型(joint sparse model,JSM)是分布式压缩感知理论建立的基础,根据所有信号中是 否含有共同稀疏部分,JSM可分为三种模型,JSM-I,JSM-2,JSM-3。
[0006] 在JSM-I模型中,相关稀疏频谱信号由共同部分和特有部分相加而成,即
[0007] Sj = zc+Zj, je{l,2,---,J}
[0008] 信号Zc代表所有Sj的共同部分,信号Zj代表每个Sj的特有部分,且两部分都稀疏。 JSM-I模型非常适用于对频谱的建模。共同部分对应于所有感知节点都能接收到的频谱,特 有部分对应于只有某个感知节点才能够接收到的频谱,即只在该感知节点附近使用的频 谱。
[0009] 现有的JSM-I模型下的信号联合重构方案绝大多数是采用I1范数算法实现,该算 法重构效果较好,但其速度慢,对于解决大尺度问题难以实际应用;JSM-I模型下的基于I 0 范数的重构算法速度较快,然而这类算法需要已知稀疏度等先验信息,而这些先验信息很 难获得,限制了其实际应用。

【发明内容】

[0010] 本发明实施例提供一种频谱信号感知方法及装置,用以解决现有技术中的频谱感 知方法中对信号元素非零概率先验信息的要求限制其实际应用的问题。
[0011] 本发明实施例提供的频谱信号感知方法,包括:
[0012] 根据第k-Ι次迭代得到的重建频谱信号中的第i个元素与所述^^的支撑集 中各元素的最小距离,确定频谱信号向量第i个元素对应的加权项V(P1);重建频谱信号的 支撑集表示所述重建频谱信号中非零元素位置的集合;i和k为大于等于1的整数;
[0013] 确定能使
I达到最大值的i的值,在第k次迭代中该值记为imk;其中, &1表示已知测量矩阵的第i列,表示频谱信号的测量值与第k-Ι次迭代后重建的所述频 谱信号的测量值的残差;
[0014] 将所述第k次迭代中确定的imk值加入到第k-Ι次迭代得到的重建频谱信号的支撑 集中,形成第k次迭代中更新后的支撑集,并将所述已知测量矩阵的第i mk列加入第k-Ι次迭 代中得到的测量矩阵重建原子集合中,形成第k次迭代更新后的测量矩阵重建原子集合;所 述重建频谱信号的支撑集表示所述重建频谱信号中非零元素位置的集合;
[0015] 根据
的最小值确定第k次迭代的重建频谱信号之卩其中,Y表示待 重建频谱信号的测量值,表示所述第k次迭代更新后的测量矩阵重建原子集合, 表示所述第k次迭代后重建的所述频谱信号的测量值。
[0016] 另一实施例中,所述根据
的最小值确定第k次迭代的重建频谱信号 之后,还包括:
[0017] 根据所述第k次迭代得到的imk,确定所述:?的第imk个元素所属的子信号其中 {Zc,zi,…,ZJ},根据
更新所述子信号M的子支撑集其中,
,N表示所述子信号^的长度,J表示所述待重建频谱子信号 的个数,J和N为大于等于1的整数;z。表示所述J个待重建频谱子信号的共同部分,Z1,…,Zj 表示所述J个待重建频谱子信号的特有部分;
[0018] 确定所述子信号^的子支撑集1
的元素个数是否达到所述信号 Zj的稀疏度KjE {Kc;,Ki,…,Kj},其中,稀疏度Kc;,Ki,…,Kj表不子信号Zc;,zi,…,zj中非零兀素 个数;如果达到,则第k+Ι次迭代寻找im(k+1)时不考虑子信号^的任何元素。
[0019] 另一实施例中,所述根据所述第k次迭代得到的imk,确定所述%的第imk个元素所 属的子信号W还包括:确定所述:^^的第imk个元素在所述子信号W中的位置i',用于在第k+1 次迭代寻找im(k+1)时不考虑各子信号中的第i'个元素。
[0020] 另一实施例中,所述根据第k-Ι次迭代得到的重建频谱信号之中的第i个元素与 所述%^的支撑集中各元素的最小距离确定频谱信号向量第i个元素对应的加权项包括:
[0021] 根据所述第k-Ι次迭代得到的重建频谱信号中的第i个元素与所述第k-Ι次迭 代得到的重建频谱信号的支撑集中各元素的最小距离,确定所述重建频谱信号第i个元素 的非零概率;
[0022] 根据所述重建频谱信号中的第i个元素的非零概率确定所述重建频谱信号第i个 元素的加权项V (Pi)。
[0023] 另一实施例中,所述根据所述第k-1次迭代得到的重建频谱信号中的第1个元 素与所述第k-Ι次迭代得到的重建频谱信号的支撑集中各元素的最小距离,确定所述重建 频谱信号第i个元素的非零概率,包括:
[0024]根据
[0025] Pi = C · exp(_m/a)
[0026] 确定所述重建频谱信号第i个元素的非零概率;
[0027]其中,Pl表示第i个元素的非零概率,C表示一个常量,为任意正数,m表示第k-Ι次 迭代得到的重建频谱信号·^^第i个元素与所述第k-Ι次迭代得到的重建频谱信号的支撑 集中各元素的距离的最小值,a表示衰减因子,控制P 1衰减的速度。
[0028]另一实施例中,所述根据所述重建频谱信号中的第i个元素的非零概率确定所述 重建频谱信号第i个元素的加权项,包括:
[0029]根据
[0031] 确定所述重建频谱信号第i个元素的加权项;
[0032] 其中,v(Pl)表示所述重建频谱信号第i个元素的加权项,g为所述频谱信号的测量 值中非零元素的均值,σ为噪声的标准差,k表示迭代次数,K表示待重建频谱信号的联合稀 疏度,其中,K=KdK 1+…+Kj。
[0033] 另一实施例中,所述确定所述子信号Zj的子支撑集
:的元素个 数是否达到所述信号W的稀疏度IKc^K1,…,?},如果达到,则下一次迭代寻找im(k+1)时 不考虑子信号Zj的任何元素之后,还包括:
[0034] 更新所述频谱信号的测量值与第k次迭代后重建的测量值的残差以及迭代次数k; [0035]判断所述迭代次数k是否满足k>K,如果满足,则停止迭代。
[0036] 另一实施例中,所述判断所述迭代次数k是否满足k>K,如果满足,则停止迭代之 后,还包括:
[0037] 将所述重建频谱信号矩阵拆分为重建
当前第1页1 2 3 4 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1