一種基于稀疏去噪的認知無線電頻譜感知方法
【專利摘要】一種基于稀疏去噪的認知無線電頻譜感知方法，本發(fā)明涉及一種基于稀疏去噪的認知無線電頻譜感知方法。本發(fā)明是要解決頻譜資源的平均利用率非常低不平衡，檢測概率受制于信噪比的限制，當信噪比低時，檢測概率會隨之下降，影響頻譜判決的結果的問題，而提出的一種基于稀疏去噪的認知無線電頻譜感知方法。該方法是通過步驟一、得到稀疏分解后的稀疏表示θ；步驟二、從稀疏表示θ中取出絕對值由大到小的順序取前K個值，得到去除噪聲的變換域向量系數(shù)θ'；步驟三、利用正交變換矩陣Ψ和變換域向量θ'得到去除噪聲的時域信號x'；步驟四、若檢驗統(tǒng)計量Z>判決門限λ，則判斷頻段被主用戶占用等步驟實現(xiàn)的。本發(fā)明應用于基于稀疏去噪的認知無線電頻譜感知領域。
【專利說明】—種基于稀疏去噪的認知無線電頻譜感知方法【技術領域】
[0001]本發(fā)明涉及一種基于稀疏去噪的認知無線電頻譜感知方法。
【背景技術】
[0002]伴隨著無線電技術的廣泛應用，現(xiàn)代社會對無線電頻譜資源的依賴程度越來越高，可分配的頻率資源越來越稀少。但是經(jīng)過研究發(fā)現(xiàn)，頻譜資源的平均利用率非常低，且非常不平衡。因此，通過對頻譜的感知，對頻譜使用率低的授權用戶頻段進行重復利用，必能大大提高頻譜的有效利用率。
[0003]信號的稀疏分解是將信號從一個域的表示變換到另外一個域的過程，而且要保證在變換域表示的稀疏度要遠小于其在原始域中的表示。一般來說信號的原始表示為時域信號，且其一般情況下是非稀疏的，對其進行的變換主要有傅里葉變換，離散余弦變換，小波變換等。用公式表示為:
[0004]X= Ψβ, I IsI I? << |χ||ο
[0005]其中X為NXl維的原始信號，s為NXl維的列向量，在變換域下的表示，Ψ為NXN維的變換矩陣。零范數(shù)表示向量中非零值的個數(shù)，也即是信號的稀疏度。
[0006]頻譜感知是認知無線電的基礎，但是檢測概率受制于信噪比的限制，當信噪比低時，檢測概率會隨之下降，影響頻譜判決的結果。而稀疏分解具有去除部分噪聲的能力，因此可以將信號去噪之后，再將其應用于頻譜感知，必會提高檢測概率。
【發(fā)明內(nèi)容】
[0007]本發(fā)明的目的是為了解決頻譜資源的平均利用率非常低不平衡，檢測概率受制于信噪比的限制，當信噪比低時，檢測概率會隨之下降，影響頻譜判決的結果的問題，而提出了一種基于稀疏分解去噪的認知無線電頻譜感知方法。
[0008]上述的發(fā)明目的是通過以下技術方案實現(xiàn)的:
[0009]步驟一、將接收到的信號X在已知稀疏分解的變換域Ψ下進行稀疏分解，得到稀疏分解后的稀疏表示Θ，即X = Ψ Θ，其中Θ的稀疏度為K ;
[0010]步 驟二、從稀疏表示Θ中取出絕對值由大到小的順序取前K個值，得到去除噪聲的變換域向量系數(shù)Θ’;
[0011]步驟三、利用正交變換矩陣ψ和變換域向量Θ ’得到去除噪聲的時域信號X’，即X，= ψ Θ ';
[0012]步驟四、將去除噪聲的信號X’用于頻譜檢測得到檢驗統(tǒng)計量Ζ，若檢驗統(tǒng)計量Ζ>判決門限λ，則判斷頻段被主用戶占用；即完成了一種基于稀疏去噪的認知無線電頻譜感知方法。
[0013]發(fā)明效果
[0014]一種基于稀疏分解去噪的認知無線電頻譜感知方法。本發(fā)明的基本思想是噪聲在任何正交基下都不可稀疏性分解，利用稀疏分解將接收信號在變換域進行稀疏分解表示，取出大系數(shù)后，并將其余位置置零，再將其反變換之后，得到去掉部分噪聲的信號，將其用于頻譜感知，提高檢測概率如圖5。具體為，將時域并不稀疏的信號，在變換域稀疏表示出來，得到變換域的稀疏表示。而在時域隨機分布的噪聲在任何變換域都是不可稀疏分解的，便可以利用這種特性，在變換域只取部分大系數(shù)，并將其余位置置零，然后利用稀疏分解的逆變換得到信號的時域表示，恢復出時域的信號，在經(jīng)過這個過程之后，便可以去除掉時域信號中的大部分噪聲。將去掉噪聲的信號用匹配濾波算法進行頻譜感知，這種基于稀疏分解去噪的頻譜感知方法去除了部分噪聲的影響，便可以提高檢測概率。因此提高了認知用戶對主用戶頻譜利用情況的認識，能更準確的做出判決，是否對該頻段進行利用，一定程度上提高了頻譜資源的平均利用率。
【專利附圖】
【附圖說明】
[0015]圖1是【具體實施方式】一提出的一種基于稀疏去噪的認知無線電頻譜感知方法流程圖；
[0016]圖2是【具體實施方式】二提出的隨機產(chǎn)生的在變換域稀疏的時域無噪信號s示意圖；
[0017]圖3是實施例提出的產(chǎn)生的無噪信號s上加入5db的噪聲示意圖；
[0018]圖4是實施例提出的無噪信號s和加入噪聲η后的信號X變換域表示示意圖；
[0019]圖5是實施例提出的將原始有噪信號X和去除部分噪聲信號X’的頻譜檢測概率Pd和恒虛警概率Pf示意圖。
【具體實施方式】
[0020]【具體實施方式】一:本實施方式的一種基于稀疏去噪的認知無線電頻譜感知方法，具體是按照以下步驟制備的:
[0021]步驟一、將接收到的信號(在時域并不稀疏的信號)Χ在已知稀疏分解的變換域(變換矩陣)Ψ下進行稀疏分解，得到稀疏分解后的稀疏表示Θ，即X = Ψ Θ，使得在時域看不出特點的信號，在變換域只用幾個大系數(shù)即可以表示其全部信息，其中Θ的稀疏度為K;
[0022]步驟二、從稀疏表示Θ中取出絕對值由大到小的順序取前K個值，得到去除噪聲的變換域向量系數(shù)Θ’ ；
[0023]步驟三、利用正交變換矩陣Ψ和變換域向量Θ ’得到去除噪聲的時域信號X’，即X，= ψ Θ ';
[0024]步驟四、將去除噪聲的信號X’用于頻譜檢測得到檢驗統(tǒng)計量Z，若檢驗統(tǒng)計量Z>判決門限λ，則判斷頻段被主用戶占用，若檢驗統(tǒng)計量ZS判決門限λ則判斷頻段不被主用戶占用，在經(jīng)過了稀疏分解的去噪過程之后，噪聲由原來的η減小為現(xiàn)在的η’，去除了大部分的噪聲，因此會提高頻譜感知檢測概率；如圖1即完成了一種基于稀疏去噪的認知無線電頻譜感知方法。
[0025]本實施方式效果
[0026]一種基于稀疏分解去噪的認知無線電頻譜感知方法。本實施方式的基本思想是噪聲在任何正交基下都不可稀疏性分解，利用稀疏分解將接收信號在變換域進行稀疏分解表示，取出大系數(shù)后，并將其余位置置零，再將其反變換之后，得到去掉部分噪聲的信號，將其用于頻譜感知，提高檢測概率如圖5。具體為，將時域并不稀疏的信號，在變換域稀疏表示出來，得到變換域的稀疏表示。而在時域隨機分布的噪聲在任何變換域都是不可稀疏分解的，便可以利用這種特性，在變換域只取部分大系數(shù)，并將其余位置置零，然后利用稀疏分解的逆變換得到信號的時域表示，恢復出時域的信號，在經(jīng)過這個過程之后，便可以去除掉時域信號中的大部分噪聲。將去掉噪聲的信號用匹配濾波算法進行頻譜感知，這種基于稀疏分解去噪的頻譜感知方法去除了部分噪聲的影響，便可以提高檢測概率。因此提高了認知用戶對主用戶頻譜利用情況的認識，能更準確的做出判決，是否對該頻段進行利用，一定程度上提高了頻譜資源的平均利用率。
[0027]【具體實施方式】二:本實施方式與【具體實施方式】一不同的是:步驟一中將接收到的信號(在時域并不稀疏的信號)x在已知稀疏分解的變換域(變換矩陣)Ψ下進行稀疏分解，得到稀疏分解后的稀疏表示Θ具體過程:
[0028]將接收到的帶噪聲的時域信號X，在正交基Ψ下進行分解，得到分解后的稀疏表示Θ，其中Θ大部分的值都為零或者很小的數(shù)值；假設無噪信號s在Ψ下完全稀疏表示，即只用有限幾個數(shù)值，完全表示出信號的全部信息；
[0029]X = s+n = ψ Θ = ψ(θ3+θη)，I I Θ I |0<K，即 Θ = ψ-ιχ
[0030]其中s, η, X和Θ都是N維列向量，s是沒有噪聲的信號，η是疊加在信號上的噪聲，X是有噪聲的信號，即是接收到的信號；Θ是X在變換域的稀疏表示，其稀疏度為K。其它步驟及參數(shù)與【具體實施方式】一相同。
[0031]【具體實施方式】三:本實施方式與【具體實施方式】一或二不同的是:步驟四中將去除噪聲的信號X’用于頻譜檢測得到檢驗統(tǒng)計量Z為:
[0032]認知用戶接收到的信號存在兩類假設:主用戶占用頻段記為H1和主用戶沒有占用頻段記為H。:
【權利要求】
1.一種基于稀疏去噪的認知無線電頻譜感知方法，其特征在于:一種基于稀疏去噪的認知無線電頻譜感知方法具體是按照以下步驟進行的: 步驟一、將接收到的信號X在已知稀疏分解的變換域Ψ下進行稀疏分解，得到稀疏分解后的稀疏表示Θ，即X = Ψ Θ，其中Θ的稀疏度為K ； 步驟二、從稀疏表示Θ中取出絕對值由大到小的順序取前K個值，得到去除噪聲的變換域向量系數(shù)Θ’ ； 步驟三、利用正交變換矩陣Ψ和變換域向量Θ’得到去除噪聲的時域信號X’，即X’ =Ψ Θ ,; 步驟四、將去除噪聲的信號X’用于頻譜檢測得到檢驗統(tǒng)計量Z，若檢驗統(tǒng)計量Z>判決門限λ，則判斷頻段被主用戶占用；即完成了一種基于稀疏去噪的認知無線電頻譜感知方法。
2.根據(jù)權利要求1所述一種基于稀疏去噪的認知無線電頻譜感知方法，其特征在于:步驟一中將接收到的信號X在已知稀疏分解的變換域Ψ下進行稀疏分解，得到稀疏分解后的稀疏表示Θ具體過程: 將接收到的帶噪聲的時域信號X，在正交基Ψ下進行分解，得到分解后的稀疏表示Θ，假設無噪信號s在Ψ下完全稀疏表示:
X = s+n = Ψ Θ = Ψ ( θ s+ θ n)，I I Θ I 10 ≤ K，即 θ = Ψ^Χ 其中s, η, X和Θ都是N維列向量，S是沒有噪聲的信號，η是疊加在信號上的噪聲，X是有噪聲的信號，即是接收到的信號；Θ是X在變換域的稀疏表示，其稀疏度為K。
3.根據(jù)權利要求1所述一種基于稀疏去噪的認知無線電頻譜感知方法，其特征在于:步驟四中將去除噪聲的信號X’用于頻譜檢測得到檢驗統(tǒng)計量Z為: 主用戶占用頻段記為H1和主用戶沒有占用頻段記為Htl:
4.根據(jù)權利要求1所述一種基于稀疏去噪的認知無線電頻譜感知方法，其特征在于:步驟四中若檢驗統(tǒng)計量Ζ>判決門限λ，則判斷頻段被主用戶占用過程為:在頻譜檢測中，根據(jù)選定的門限λ確定檢測概率Pd和誤警概率Pf:
【文檔編號】H04B17/00GK103986539SQ201410255554
【公開日】2014年8月13日 申請日期:2014年6月10日 優(yōu)先權日:2014年6月10日
【發(fā)明者】高玉龍, 朱尤祥, 張蔚, 馬永奎, 陳肖敏, 李想 申請人:哈爾濱工業(yè)大學