基于量化熵的认知无线电信号频谱感知方法及系统

文档序号:36386309发布日期:2023-12-15 00:34阅读:49来源:国知局
基于量化熵的认知无线电信号频谱感知方法及系统

本发明属于信号处理,具体涉及一种基于量化熵的认知无线电信号频谱感知方法及系统。


背景技术:

1、作为一种动态的频谱分配策略,认知无线电(cognitive radio,cr)为解决频谱资源匮乏和利用率不足等问题提供了新途径。而频谱感知是cr实现的前提与基础,其任务主要是检测主用户信道是否被占用。通常从用户与主用户之间是一种非协作关系。因此,如何在低信噪比(signal-to-noise ratio,snr)、主用户先验信息缺乏及无训练样本等条件下设计低复杂度的频谱感知算法,一直以来是cr信号处理中的经典课题。

2、cr频谱感知从本质上讲是一个二元信号检测问题。目前,常用的频谱感知算法可大致分为基于模型驱动和基于数据驱动两大类。基于模型驱动类算法,如能量检测法、匹配滤波器检测法、循环平稳特征检测法、协方差阵检测法、图域特征检测法等,该类算法对数据依赖性较小,且算法的可解释性、实时性均较好。而基于数据驱动的频谱感知算法将频谱感知看作机器学习(machine leaning,ml)中的二分类问题,如人工神经网络(artificialneural network,ann)法、支持向量机(support vector machine,svm)法、强化学习(reinforcement learning,rl)法及卷积神经网络(convolutional neural networks,cnn)等。总体而言,该类算法一般可获得更好的检测性能,但需大量的训练样本,算法缺乏可解释性。必须注意到,现有两类算法仍是将观测信号表征为采样后样本,进而提取其统计特征用于频谱检测,所不同的只是提取特征的手段与机理存在差异。现有算法均存在低snr时可分性及稳定性变差、计算复杂度高等固有缺陷。因此,研究基于新型信号特征的频谱感知算法成为相关领域的重要课题。


技术实现思路

1、本发明针对现有技术中的不足,提供一种基于量化熵的认知无线电信号频谱感知方法及系统。首先计算观测信号的功率谱,并将其分组求和后进行归一化和量化处理,得到功率谱的bs样本及bs概率向量;最后计算得到bs概率向量的熵作为检验统计量,并与适当门限进行比较来判断观测信号中主用户信号的存在性。

2、为实现上述目的,本发明采用以下技术方案:

3、一种基于量化熵的认知无线电信号频谱感知方法,其特征在于,包括:

4、计算观测信号的有限点数快速傅里叶变换,并取其模值的平方,得到观测信号的功率谱;

5、将功率谱进行等间隔分组,并将每组的功率谱样本进行求和运算,得到bs谱;

6、对bs谱进行最大最小归一化及均匀量化,得到量化样本;

7、以不同的量化级作为统计指标,获取量化样本的归一化直方图,并据此构建相应的bs概率向量,计算bs概率向量的信息熵作为bs谱的量化熵;

8、设定判决门限,通过比较bs谱的量化熵和判决门限来判断认知无线电系统中主用户信号的存在。

9、为优化上述技术方案,采取的具体措施还包括:

10、进一步地,所述观测信号的离散样本为:

11、r(n)=s(n)+ω(n),0≤n≤n-1

12、式中,n为观测信号样本数,ω(n)是均值为0,方差为σ2的加性高斯白噪声,信号分量s(n)为:

13、

14、式中,f0为信号载波频率,h为相位编码信号的星座数,φ为初相位,n表示样本的序号,a表示信号的幅度,δt为采样间隔,dh(n)是相位编码函数;

15、观测信号的功率谱为:

16、

17、式中,r(k)为观测信号的功率谱,k为功率谱的序号。

18、进一步地,所述bs谱通过如下方式获得:

19、对观测信号的功率谱r(k)作等间隔、无混叠分段,表示为:

20、

21、式中,m为分段数,l为每段样本点数,第m段分段rm(l)表示为:

22、rm(l)=r((m-1)l+l),1≤m≤m,1≤l≤l

23、式中,l表示每个分段中的样本的下标;

24、对每个分段做求和,得到bs谱:

25、

26、式中,x(m)为bs谱。

27、进一步地,所述量化样本通过如下方式获得:

28、

29、式中,q(m)为量化样本,量化级数μ=0,1,…,n0-1,n0为量化的最大级数,归一化样本y(m)为:

30、

31、式中,xmax和xmin分别为bs谱x(m)的最大值和最小值。

32、进一步地,所述bs谱的量化熵通过如下方式获得:

33、以不同的量化级作为统计指标,获取量化样本的归一化直方图,得到相应的概率向量p=(p1,p2,...,pq)t,并计算其信息熵:

34、

35、式中,h(p)为bs谱的量化熵,pi为落在第i个量化阶上样本数的总和除以总样本数,取值在[0,1]之间,q为量化阶数。

36、进一步地,所述判决门限通过如下方式获得:仿真得到多组信道不存在主用户信号情况下的信号样本,分别计算各组样本在量化级数下的熵,取其均值作为判决门限η。

37、进一步地,所述判断认知无线电信号的存在,具体为:若h(p)≤η,则判定为存在主用户信号;否则,不存在主用户信号。

38、另一方面,本发明还提出了一种基于量化熵的认知无线电信号频谱感知系统,其特征在于,包括:

39、功率谱计算模块,用于计算观测信号的有限点数快速傅里叶变换,并取其模值的平方,得到观测信号的功率谱;

40、bs谱计算模块,用于将功率谱进行等间隔分组,并将每组的功率谱样本进行求和运算,得到bs谱;

41、归一化及量化模块,用于对bs谱进行最大最小归一化及均匀量化,得到量化样本;

42、量化熵计算模块,用于以不同的量化级作为统计指标,获取量化样本的归一化直方图,并据此构建相应的bs概率向量,计算bs概率向量的信息熵作为bs谱的量化熵;

43、判决模块,用于设定判决门限,通过比较bs谱的量化熵和判决门限来判断认知无线电系统中主用户信号的存在。

44、另一方面,本发明还提出了一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序使计算机执行如上所述的基于量化熵的认知无线电信号频谱感知方法。

45、另一方面,本发明还提出了一种电子设备,其特征在于,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行计算机程序时,实现如上所述的基于量化熵的认知无线电信号频谱感知方法。

46、本发明的有益效果是:本发明提出的基于量化熵的认知无线电信号频谱感知方法,通过提取功率谱分组求和序列的量化熵作为检测特征,来判断观测信号中认知无线电系统的主用户信号的存在性。本发明通过对功率谱分组,可减少计算量,通过量化等处理可进一步增加特征量的可分性,同时门限的设定简单合理,其检测性能优于已有的图域检测、能量检测及正态性检测等算法。本发明所采用的量化处理可以减少外部干扰与噪声的影响,且可以减少实际硬件处理时的存储成本,离散序列的熵可以有效表征随机序列的随机性,体现其内在本质。本发明在低信噪比、信道衰落等传输不平衡条件下能够获得很好的频谱检测性能。

当前第1页1 2 
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