基于能量有效的多任务贝叶斯压缩感知宽带频谱检测方法
【技术领域】
[0001] 本发明属于信息与通信工程技术领域，设及一种基于能量有效的多任务贝叶斯压 缩感知宽带频谱检测方法，属于无线通信系统中的认知无线网络技术、多认知节点宽带频 谱检测中的能量有效性研究，实现感知信号重构性能、宽带频谱检测性能与多节点多任务 感知能耗之间的有效折衷。
【背景技术】
[0002] 认知无线电（CognitiveRadio,CR)亦称为感知无线电，它可在不影响主用户 (Primary化ers，PUs)通信的前提下，智能地利用大量空闲频谱W满足次用户（Secondary 化ers,SUs)即认知用户（Cognitive化ers,CUs)的可靠通信，从而提高无线频谱的利用 率，实现频谱资源共享。认知用户能够实时感知无线通信系统周围的网络环境，通过对环境 的理解、主动学习来动态地调整网络参数W适应外部环境的变化。
[0003] 认知无线电具备极高的频谱使用效率，允许在时间、频率W及空间上进行多维信 道复用，它通过机会通信方式提高频谱利用率，充分利用有限的频谱资源，实现动态频谱共 享。CR技术将大大降低由于频段和带宽的限制对无线技术发展的束缚，代表着无线通信技 术的新发展，并已作为B4G和物联网标准中的关键技术之一。
[0004] 在追求高频谱利用率、高传输效率的同时，CR对能量有效性、提高系统抗干扰性能 等方面提出了更高的要求。研究表明，节点进行频谱感知与传输的功耗问题是CR网络能耗 开销的主要问题。随着CR节点密度的增加和网络覆盖面积的扩大，CR的能耗问题已日益 受到关注，"绿色化"已经成为未来CR网络的发展方向之一。
[0005] 构造绿色节能的CR网络是未来CR的发展趋势。在绿色CR网络中，必须考虑在CR 节点能量有效的前提下，利用多个CR节点进行协作感知W提高感知准确度。同时，针对授 权主用户信号在空频域的稀疏性特点，通过压缩感知方法获得稀疏信号的估计，实现在多 节点多任务传输条件下的稀疏信号重构与宽带压缩频谱检测，在满足一定检测性能与重构 均方误差MSE要求下保障CR节点的能量有效性。
【发明内容】
[0006] 本发明的目的是提供一种基于能量有效的多任务贝叶斯压缩感知炬ayesian CompressiveSensing,BC巧宽带频谱检测方法。
[0007] 本发明方法具体包括W下步骤：
[000引步骤（1)认知用户本地频谱感知：
[0009]根据主用户（Primary化er,PU)在授权频谱上接入行为的不同，主用户PU的信号 在空频域具有稀疏性，认知用户（Secondary化er，SU)的感知参数随着主用户PU接入的变 化而变化；认知用户SU通过低速采样获取的观测数据进行本地频谱感知，并通过报告信道 向认知基站（CognitiveBaseStation,CB巧报告本地感知信息，认知基站利用贝叶斯压缩 感知方法重构主用户PU宽带信道上的功率谱，实现在主用户PU宽带信道上的频谱检测。其 具体方法是：
[0010] 主用户发射机（PrimaryUserTransmitter,PUT)与主用户接收机（Primary UserReceiver,PUR)利用授权频谱进行通信，K个认知用户SU对主用户PU频谱占用情 况进行本地感知，并选择最佳认知用户SU，利用最佳认知用户SU的报告信道向认知基站 CBS汇报本地感知信息，认知基站CBS基于多任务贝叶斯压缩感知炬ayesianCompressive Sensing,BC巧进行信息融合与感知信号稀疏重构，然后根据信道能量累积进行在主用户 PU宽带信道上的频谱检测。
[0011] 在拥亥Ij，第k个认知用户SU进行本地频谱感知信号XeEkW为
【主权项】
1.基于能量有效的多任务贝叶斯压缩感知宽带频谱检测方法，其特征在于，该方法的 具体步骤是： 步骤（1)认知用户本地频谱感知： 根据主用户PU在授权频谱上接入行为的不同，主用户PU的信号在空频域具有稀疏性， 认知用户SU的感知参数随着主用户PU接入的变化而变化；认知用户SU通过低速采样获取 观测数据进行本地频谱感知，并通过报告信道向认知基站CBS报告本地感知信息，认知基 站利用贝叶斯压缩感知方法重构主用户PU宽带信道上的功率谱，实现在主用户ro宽带信 道上的频谱检测；其具体方法是： 主用户发射机PUT与主用户接收机PUR利用授权频谱进行通信，K个认知用户SU对主 用户PU频谱占用情况进行本地感知，并选择最佳认知用户SU，利用最佳认知用户SU的报告 信道向认知基站CBS汇报本地感知信息，认知基站CBS基于多任务贝叶斯压缩感知BCS进 行信息融合与感知信号稀疏重构，然后根据信道能量累积进行在主用户PU宽带信道上的 频谱检测； 在t时亥I」，第k个认知用户SU进行本地频谱感知信号(0为
;其中，hk表示第k个认知用户SU的感知信道增益， xPUT(t)表示在t时亥|J主用户发射机PUT的发射信号，nk(t)表示感知信道的加性高斯白噪 声，氏和H^分别表示主用户发射机PUT存在和不存在的两种假设； 步骤（2)认知基站对感知信号进行统一观测： 记L组长度为N的原始信号{xjim，把这些信号映射到L组吣X1维的观测向量 Wim，映射的观测矩阵为Ae 其中R为实数集合；原始信号^ ...4在 变换基屯上稀疏表示为{sji= 1，2，...，t，则 y.= 〇iXi+E^ 〇 0iSi+Ei,i= 1, 2, ???,L 其中?i表示第i个重构任务压缩感知矩阵，每一个由观测向量yi恢复得到信号x^勺 过程称为第i个重构任务； 步骤（3)通过观测向量采用贝叶斯压缩感知方法进行感知参数估计；所述的贝叶斯压 缩感知方法为期望最大化方法或相关向量机模型方法； 步骤（4)认知基站基于贝叶斯压缩感知BCS进行稀疏重构和宽带频谱检测： 在获得稀疏重构估计向量s= 后，得到原始多任务信号x的估计值^ = ^s； 当节点感知信道为瑞利衰落信道时，宽带压缩频谱检测的判决门限A为 2 =(IIY||丨）/瓦；对于重构信号X%归一化重构均方误差MSE为：
认知基站进行宽带压缩频谱检测得到平均检测概率Prd为：
其中Pr表示概率，Y表示判决统计量，u为时间带宽积，Y为重构信号接收信噪比； 认知基站进行宽带频谱检测时的平均能耗为：
其中，^和0 ,分别为第1个和第i个认知用户SU的放大转发增益，N为贝叶斯压 缩感知BCS重构的采样点数，Ts为采样间隔，gUT为主用户发射机PUT的发射功率，#R1 .和 〃^分别为第1个和第i个认知用户SU的发射功率； 通过数值计算求解能耗优化问题得到平均感知能耗、平均检测概率、归一化重构均方 误差MSE之间的关系，该优化问题为：
5 其中，平均感知能耗的目标函数互(及，A〇、约束条件均由上式给出，巧和分别表 示宽带压缩频谱检测的检测概率阈值和归一化重构均方误差MSE阈值；所述的约束条件包 括平均检测概率Prd和归一化重构均方误差MSE。
2.如权利要求1所述的基于能量有效的多任务贝叶斯压缩感知宽带频谱检测方法，其 特征在于：步骤（3)中所述的期望最大化方法对多任务贝叶斯压缩感知BCS进行参数估计， 其具体步骤是： ① 首先构造由观测向量71求参数sJPad勺似然函数：
其中似然函数P表示条件概率，参数Si是通过一个共同的高斯先验分布得到，L个任务 之间具有相关性； ② 利用贝叶斯定理，采用最大似然估计方法，推导出超参数a和噪声变量a^的后验 分布密度，得到参数a^和a的点估计：
③ 当参数a^和a的点估计被求出之后，采用期望最大化EM算法进行求解，其估计值 分别为：
其中超参数和是均值和方差{〇 1 = ^.4的函数，而均值 1>1 = 1，2，...，1和方差{〇山=1，2，...』则是初值〇 (|和（1的函数； ④通过多次迭代，达到收敛后得到最终的均值估计；该均值估计作为对向量组|8上= 1，2，...，1;的估计值，进一步得到原始信号{1山 =1，2，...，1；的估计：￥=￥^。
3.如权利要求1所述的基于能量有效的多任务贝叶斯压缩感知宽带频谱检测方法，其 特征在于：步骤（3)中所述的相关向量机模型方法对多任务贝叶斯压缩感知BCS进行参数 估计，其具体步骤是： ① 首先假定超参数a和a(l是已知的，当给定观测值向量y、MXN维随机观测矩阵〇、 稀疏变换基V，向量s的后验概率分布利用贝叶斯准则得到：
兵十P衣不求1干;竿，|n」Ms服从尚斯分布，其均值y和方差〇的求解过程转化为对 超参数a和a^的求解； ② 在相关向量机框架下，采用第二类最大似然估计方法进行求解，通过对稀疏权值向 量s进行边缘化积分，得到超参数a和a(l的点估计，分别为：
其中参数Yi= ：L_ai0ii; ③ 求出稀疏权值向量s的估计值之后，进一步求得原始信号的估计值f=步s。
【专利摘要】本发明公开了一种基于能量有效的多任务贝叶斯压缩感知宽带频谱检测方法。本发明方法针对认知无线网络中主用户信号在空频域的稀疏性，基于贝叶斯压缩感知的信号重构通过层次化贝叶斯分析分级先验模型获得稀疏信号估计。利用多认知用户感知信号的时空相关性实现在多用户多任务传输条件下的稀疏信号重构与宽带压缩频谱检测。认知基站通过基于期望最大化算法和相关向量机模型进行多任务贝叶斯压缩感知参数估计。在满足一定检测性能和贝叶斯压缩感知重构均方误差的条件下，实现节点感知能耗最小化。本发明方法有效保障了多节点多任务宽带频谱检测的节点能量有效性。
【IPC分类】H04B17-382, H04W24-10, H04W24-06
【公开号】CN104703216
【申请号】CN201510058061
【发明人】许晓荣, 王赞, 姚英彪, 章坚武
【申请人】杭州电子科技大学
【公开日】2015年6月10日
【申请日】2015年2月4日