基于矩阵填充的室内空闲频谱检测方法
【技术领域】
[0001] 本发明涉及的是一种无线通信领域的技术，具体是一种基于矩阵填充的室内空闲 频谱检测方法。
【背景技术】
[0002] 近年来，随着无线通信技术的发展，无线设备和应用的数目迅速增长，无线电频 谱资源（SpectrumResource)变得越来越稀缺。为了满足日益增长的无线电频谱资源需 求，人们提出了许多频谱共享技术，其中：一项技术就是动态频谱接入（DynamicSpectrum Access)。在广播电视频谱进行了数模转换之后，留出了大量的空闲频谱，如何动态检测利 用这些空闲频谱已成为动态频谱接入领域的一个研究热点。
[0003] 由于非授权用户在使用这些广播电视空闲频谱的时候，不得干扰广播电视信号 的正常传输。那么为了使用这些空闲频谱资源，其第一步也是最重要的一步，就是如何 正确并高效地检测空闲频谱。目前检测空闲频谱的方法主要分为两类：一个是进行本地 频谱感知（LocalSpectrumSensing)，另一个是通过查询基于地理位置的频谱数据库 (Geo-locationDatabase)。由于频谱感知的方法对设备和能量的需求很高，建立频谱数据 库成为现在推荐的空闲频谱检测方法。
[0004] 现有的频谱数据库大多关注室外场景，且依赖于某种比较流行的经验传播模型， 通过这种传播模型对目标位置的信号能量进行预测，导致对室内空闲频谱检测的结果十分 保守且不精确。再者，由于室内环境的复杂性，室内空闲频谱的分布情况与室外场景往往有 很大区别，而上述的传播模型并没有考虑到建筑物内的墙和障碍物等对信号传播产生的影 响，所以简单地将室外空闲频谱的检测手段应用到室内场景显然是不能满足需求的。
[0005] 经过对现有技术的检索发现，中国专利文献号CN103533555A，公开（公告）日 2014. 01. 22,公开了一种基于认知技术的无线通信室内覆盖干扰消除方案。其步骤包括：第 一步，划分系统带宽为若干个等间距、不重叠的窄带子信道；第二步，将子信道的检测问题 构造为二元假设检验模型；第三步，基于接收信号计算检验统计量；第四步，根据检验统计 量与判决门限值做判决，估计出频谱的使用情况；第五步，家庭基站机会频谱接入空闲子信 道进行通信。但该技术基于统计量的检验模型过于简单，估算结果十分保守，无法达到期望 的精度。
【发明内容】
[0006] 本发明针对现有技术存在的上述不足，提出一种基于矩阵填充的室内空闲频谱检 测方法，利用矩阵填充的方式预先构建频谱数据库，在恢复室内空闲频谱分布情况中采用 低能量消耗的恢复算法，能够显著地提高室内空闲频谱检测的正确率。
[0007] 本发明是通过以下技术方案实现的：
[0008] 本发明通过在给定室内场景中，使用频谱感知设备对信号强度分布情况进行收集 并生成训练数据集，然后通过对室内空闲频谱的估计问题进行建模，基于该模型和训练数 据集恢复得到未布设传感器位置处的数据；当收到用户发出的位置信息时即可反馈该位置 对应的可用信道列表信息。
[0009] 所述方法具体包括以下步骤：
[0010] 步骤1、在给定室内场景中，使用频谱感知设备对信号强度分布情况进行收集和学 习，并生成训练数据集，具体包括：在室内场景中选择η个均匀分布的测量点，在每个测量 点同时对m个信道的信号强度进行检测，获得一个nXm的信号强度矩阵；重复检测步骤若 干次以提高学习室内空闲频谱在时空上和频谱上的相关性的精度。
[0011] 所述的学习是指：在收集到的信号强度矩阵基础上，研究相邻两次测量结果在时 间上的相关程度，即时间相关性；对某一地点而言，研究其所有信道的信号强度与其他地点 之间的相关程度，即空间相关性；对某一信道而言，研究其传播模式与其他信道之间的相关 程度，即频谱相关性，学习的结果将直接指导设计后续的矩阵填充恢复算法。
[0012] 步骤2、将室内空闲频谱的恢复问题，即对未设置传感器的位置处对应的频谱信号 的估计进行建模，具体包括：根据步骤1中收集的信号强度矩阵对地点进行K-Metroid聚 类，分成k组并将每一组的组头选作锚点，在每个锚点处布设传感器，该传感器定期将收集 到的测量数据发送给室内频谱数据库。
[0013] 由于传感器数量有限，则室内频谱数据库每次收集到的是一个缺失了很多行的信 号强度矩阵X，而室内空闲频谱的恢复问题就是利用矩阵填充技术将矩阵X恢复成一个完 整的低秩矩阵
[0014] 所述的建模优选为：将室内空闲频谱的恢复问题建模成一个最小化的优化问题， 即
[0015] 最小化：丨 |iW.*(Zf) -X||S+圳 +||Λ也)+||^ΜΓ)咕 +丨丨:(益?)产丨|,其中： L/?7 =i,Μ是一个二进制指示矩阵，用来表示传感器的布设情况，.*表示两个矩阵的逐点 乘积，即阿达玛乘积，Τ是时间相关性限制矩阵，S是空间和频谱相关性限制矩阵。
[0016] 步骤3、通过模型和训练数据集恢复得到未布设传感器位置处的数据，具体包括：
[0017] 3. 1)将矩阵L初始化为随机矩阵，并固定，代入步骤2得到的模型并计算得到矩阵 R；
[0018] 3.2)以步骤3. 1得到的矩阵R代入步骤2得到的模型并计算得到矩阵L，再将矩 阵L代入步骤2得到的模型并计算得到更新后的矩阵R'，循环重复直到目标函数获得最优 估计值为止，则得到完整的低秩矩阵i_ =Lf..
[0019] 步骤4、用户将自己的位置信息发送给室内频谱数据库，数据库根据恢复出来的空 闲频谱矩阵.?.返回用户所在位置处可用的信道列表，以供用户选择连接。 技术效果
[0020] 与现有技术相比，本发明可以在使用很少传感器数量的情况下实现非常高的室内 空闲频谱检测正确率，对设备和技术的需求低，实现简单，并且能量效率高；并且本发明在 平均占地面积一万平的典型室内环境中仅需使用20个传感节点即可达到95%的检测精 度，硬件要求仅为一台中央服务器，配以多个具备基本通信功能的传感节点，部署起来十分 简单方便，无需额外的人力物力。
[0021] 本发明在典型室内环境中平均"误报"率可低至1. 1%，平均"漏报"率可低至 5. 4%，较之现有技术都有了很大改善。
【附图说明】
[0022] 图1为实施例中低秩特性示意图；
[0023] 图2为实施例中时间相关性示意图；
[0024] 图3为实施例中空间相关性示意图；
[0025] 图4为实施例中频谱相关性示意图。
【具体实施方式】
[0026] 本实施例在上海交通大学闵行校区电信群楼的三楼选取了 67个均匀分布的测量 点，在每个测量点同时对45个广播电视信道（DS13~DS57)的信号强度进行检测。
[0027] 本实施例包括以下步骤：
[0028] 第一步、在给定室内场景中，使用频谱感知设备对信号强度分布情况进行收集和 预处理，生成用以学习室内空闲频谱在时空上和频谱上的相关性的训练数据集。具体实施 方式如下：
[0029] 本实施例使用主成分分析法（PrincipalComponentAnalysis，PCA)以掘室内空 闲频谱数据集的低秩特性。
[0030] 如图1所示，为7个数据集的奇异值分布，其中：X轴表示矩阵中前i个奇异值；Y 轴表示矩阵前i个奇异值的和，为了表示方便，对X轴和Y轴都做了归一化处理。从图中