基于马尔科夫随机场的DMWC频谱感知的制作方法

本发明涉及协作电磁频谱感知网络和马尔科夫随机场交叉的领域，具体而言，涉及一种在感知网络中利用马尔科夫随机场来判断节点是否作为分布式调制宽带转换器采样通道的方法。

背景技术：

电磁频谱资源是一种不可再生资源，随着通信业务的飞速增长，有限的频谱资源不再能满足人类的需求，寻求提高有限频谱资源的利用率是目前人类正在努力的目标，认知无线电（cr）的出现是实现频谱资源有效利用的一种手段。压缩感知（cs）突破了nyquist采样定理的瓶颈，可以利用远低于nyquist采样率的欠采样方式恢复出原始信号，将cs用于宽带电磁频谱感知中成为cr的研究热点。2007年密歇根理工大学的zhitian教授第一次把cs引入到电磁频谱感知中，在理论上论证了宽带稀疏信号在欠采样条件下高概率恢复信号频域以实现信号频点功率检测的可行性，然而并没有把理论落实到实际硬件电路的研制中。2010年麻省理工学院的eldar教授第一次提出调制宽带转换器（mwc）体系，把cs欠采样技术落实到实际硬件电路研制中。mwc的基本原理是利用伪随机序列对宽带多子带信号进行频谱的搬移、叠加，通过低通滤波器得到低频的混叠部分，通过欠采样得到采样序列，对采样序列利用cs中的重构算法恢复出原始信号的频域支撑集。继而eldar教授把mwc体系应用到电磁频谱感知中，为宽带信号的欠采样压缩感知提供了实际可行的技术方案，但是在mwc体系中，对信号的时变支撑集没有自适应机制，而硬件板子是根据固定的支撑集定制出特定的采样通道数的，当稀疏子频带个数增加时，由于采样通道数不够会造成支撑集重构率降低的问题，而且单个节点的欠采样通道数较大时，硬件开销和能耗会变大。分布式调制宽带转换器（dmwc）的提出解决了时变支撑集的问题，该方法通过时变支撑集对应增加感知节点的方法实现虚拟欠采样通道数的增加。但是感知网络中节点的衰减程度是不一样的，在多个节点的感知网络中选择衰减系数最大的节点作为虚拟欠采样通道数才能达到支撑集的重构率。

马尔科夫随机场具有系统、完备的理论框架，可以充分利用先验知识实现实际应用的建模，以解决参数估计、代价优化、边缘分割等问题。要利用马尔科夫随机场必须含有两个特性：具有马尔科夫性，即对象未来的状态仅与现在有关，而与过去无关；必须是随机场，即在时空上对象的状态取值满足一定的概率分布。而在分布式感知网络中，可以认为节点之间的传输衰减是随着时间和距离的变化而均匀连续的，在时间域上，节点下一时刻的传输衰减与当前时刻的衰减存在相关性，而与过去时刻关系较远；在空间域上，连续的相邻节点之间的衰减存在相关性，单个节点的传输衰减与其全部邻近节点的衰减具有依赖关系，满足一定条件分布的局部统计特征。马尔科夫随机场在图像分割处理领域具有广泛应用，其理论依据即为图像相邻像元基团的像素值满足马尔科夫随机场特性。作为类比，在地理上均匀分布的感知节点就好似一张图像的像元，而传输衰减即为像素值，为马尔科夫随机的引入奠定模型基础。利用马尔科夫随机场实现dmwc感知节点的选择，本质上是一个二分类问题，即确定节点是否作为欠采样通道参与dmwc协作感知。

技术实现要素：

本发明旨在解决融合中心如何选择最优的感知节点作为dmwc的欠采样通道的问题，提供一种基于马尔科夫随机场的dmwc节点选择方法

本发明所采用的技术方法如下：

基于马尔科夫随机场的dmwc节点选择方法，其实现步骤如下：

步骤一：确定节点数目，根据时变支撑集确定需要增加的节点数目；

步骤二：邻域系统划分，用候选新节点与融合中心交互先验知识，配对邻近节点完成邻域系统划分；

步骤三：确定能量函数，利用先验知识计算中心节点的自身权重系数和相互作用权重系数；步骤四：判断节点是否作为dmwc采样通道。

有益效果：本发明利用马尔科夫随机场对感知网络中的节点进行选择，节点的选择效果优于随机选择节点的效果。

附图说明

图1是基于马尔科夫随机场的dmwc节点选择方法的流程图。

图2是一个节点的原始地理节点和等效的一阶邻域系统图。

图3是全局一阶邻域系统划分图。

图4自身权重系数对节点被选中概率的影响图。

图5邻近节点距离之比为1:1:1:1时与的关系图。

图6邻近节点距离之比为1:2:3:4时与的关系图。

具体实施方式

下面给出具体实施示例并结合附图对本发明进一步阐述说明。

图1是基于马尔科夫随机场的dmwc节点选择方法的流程图，该方法包括以下步骤：

步骤一：确定节点数目，根据时变支撑集确定需要增加的节点数目，

可靠支撑集重构需要对欠采样通道数有限制条件，根据和，其中m为通道数，n为子频带数，c是一个独立的常整数，k为稀疏度，可计算出当时变支撑集n=6，c=4时m为50，即节点数目为50，减去上一时刻的节点数目，即可得到需要增加的节点数目；

步骤二：邻域系统划分，用候选新节点与融合中心交互先验知识，配对邻近节点完成邻域系统划分，

在二维平面空间r中，第个节点的状态集合为，0表示该节点不参与dmwc感知，1表示被选择参与。其坐标位置为，以其为中心节点的邻域系统为，则问题转变为在已知中心节点邻近节点的状态，如何映射确定中心节点状态的问题。因为在时变支撑集情况下，dmwc必须动态地增加节点的数目，以保证拥有足够的欠采样通道，而新参与进来的节点拥有当前正参与感知节点的先验知识。图2左图为表示原始地理节点的中心节点（新参与节点）与邻近的4个节点，节点1-4是地理上距离中心节点最近并且已经确定状态的节点，中心节点依据从融合中心交互得到的位置消息，获取距离自身最近的4个节点作为其一阶邻域系统的邻近节点。图2右图为将这4个临近节点与中心节点等效为一阶邻域系统，图3为网络中全局一阶邻域系统划分；

步骤三：确定能量函数，利用先验知识计算中心节点的自身权重系数和相互作用权重系数

步骤3.1：计算中心节点的自身权重系数，其取值大小与中心节点到信号源的距离和中心节点的经验传输衰减有关，在实际应该场景中依据先验知识得到；

步骤3.2：计算相互权重系数，其与中心节点到邻近节点的距离有关，把中心节点对于邻近节点1~4的能量定义为

其中是中心节点到信源的距离，是中心节点和邻近节点之间的距离。则取归一化相互作用权重系数为

步骤3.3：计算能量函数：设第个中心节点的状态为，和分别为其一阶子团和二阶子团，第个邻近节点的状态为，则dmwc节点一阶邻域系统的能量函数可以表示为

根据得到的中心节点的自身权重系数和相互作用权重系数计算出能量函数的值；

步骤四：计算概率函数，确定节点是否被选择

由于是4个邻近节点的一阶邻域系统，与图像分割问题类似，此时马尔科夫随机场的auto-logistic模型退化成为ising模型，其条件概率为

而利用马尔科夫随机场研究dmwc的节点选择，即关注中心节点的状态时，中心节点被选中的概率大小，此时条件概率为

图4为自身权重系数对节点被选中概率的影响。由于一阶邻域系统有4个邻近节点，其子团状态集合有种可能。当4个邻近节点为全0状态时，意味着中心节点不受邻近节点状态的影响，被选择与否的概率为0.5；当4个邻近节点为全1状态时，中心节点受最大程度的影响，其被选中的概率与和有关。依据上述分析，取全0和全1状态时，分析式中对的影响。

图5为邻近节点距离之比为1:1:1:1时与的关系图。为了验证马尔科夫随机场对dmwc节点选择的提升效果。在数值实验中，设置一阶邻域系统个数为20，而需要新加入的节点个数，则dmwc按照随机概率选择节点的情形下，中心节点被选中的概率为；在全部20个中心节点中，设置节点的较好传输衰减在区间的个数为10，剩下的10个节点在较差衰减区间，选取，令子团状态集合在1000次蒙特卡罗试验下按照随机概率取值。

图6为邻近节点距离之比为1:2:3:4时与的关系图。为了验证马尔科夫随机场对dmwc节点选择的提升效果。在数值实验中，设置一阶邻域系统个数为20，而需要新加入的节点个数，则dmwc按照随机概率选择节点的情形下，中心节点被选中的概率为；在全部20个中心节点中，设置节点的较好传输衰减在区间的个数为10，剩下的10个节点在较差衰减区间，选取，令子团状态集合在1000次蒙特卡罗试验下按照随机概率取值。