一種基于非重構(gòu)框架的頻譜感知方法
【專利摘要】一種基于非重構(gòu)框架的頻譜感知方法，本發(fā)明涉及非重構(gòu)框架的頻譜感知方法。本發(fā)明是要解決無(wú)線通信技術(shù)已授權(quán)的頻譜資源利用率低、傳統(tǒng)的壓縮感知頻譜感知算法復(fù)雜以及不能在非重構(gòu)框架下直接利用壓縮采樣的數(shù)據(jù)矩陣進(jìn)行頻譜感知的問(wèn)題，而提出的一種基于非重構(gòu)框架的頻譜感知方法。該方法是通過(guò)1、確定歸一化稀疏基ψ；2、根據(jù)信號(hào)長(zhǎng)度N，確定壓縮后信號(hào)長(zhǎng)度M；3、生成大小為M×N的矩陣G；4、M×N的矩陣G與ψT相乘得到測(cè)量矩陣Φ；5、得到壓縮采樣后的數(shù)據(jù)向量y；6、根據(jù)噪聲方差σ2及虛警概率Pf設(shè)定閾值λ；7、max(|y|)>λ判定信道存在主用戶信號(hào)；8、得到信號(hào)的檢測(cè)概率Pd等步驟實(shí)現(xiàn)的。本發(fā)明應(yīng)用于非重構(gòu)框架的頻譜感知領(lǐng)域。
【專利說(shuō)明】一種基于非重構(gòu)框架的頻譜感知方法【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種基于非重構(gòu)框架的頻譜感知方法。
【背景技術(shù)】
[0002]隨著無(wú)線通信技術(shù)的飛速發(fā)展，頻譜資源變得越來(lái)越緊張。尤其是隨著無(wú)線局域網(wǎng)(WLAN)技術(shù)、無(wú)線個(gè)人域網(wǎng)絡(luò)(WPAN)技術(shù)的發(fā)展，越來(lái)越多的人通過(guò)這些技術(shù)以無(wú)線的方式接入互聯(lián)網(wǎng)。這些網(wǎng)絡(luò)技術(shù)大多使用非授權(quán)的頻段(UFB)工作。由于WLAN、WRAN無(wú)線通信業(yè)務(wù)的迅猛發(fā)展，這些網(wǎng)絡(luò)所工作的非授權(quán)頻段已經(jīng)漸趨飽和。而另外一些通信業(yè)務(wù)(如電視廣播業(yè)務(wù)等)需要通信網(wǎng)絡(luò)提供一定的保護(hù)，使他們免受其他通信業(yè)務(wù)的干擾。為了提供良好的保護(hù)，頻率管理部門專門分配了特定的授權(quán)頻段(LFB)以供特定通信業(yè)務(wù)使用。與授權(quán)頻段相比，非授權(quán)頻段的頻譜資源要少很多(大部分的頻譜資源均被用來(lái)做授權(quán)頻段使用)。而相當(dāng)數(shù)量的授權(quán)頻譜資源的利用率卻非常低。于是就出現(xiàn)了這樣的事實(shí):某些部分的頻譜資源相對(duì)較少但其上承載的業(yè)務(wù)量很大，而另外一些已授權(quán)的頻譜資源利用率卻很低。因此，可以得出這樣的結(jié)論:基于目前的頻譜資源分配方法，有相當(dāng)一部分頻譜資源的利用率是很低的。為了解決頻譜資源匱乏的問(wèn)題，基本思路就是盡量提高現(xiàn)有頻譜的利用率。為此，人們提出了認(rèn)知無(wú)線電的概念。認(rèn)知無(wú)線電的基本出發(fā)點(diǎn)就是:為了提高頻譜利用率，具有認(rèn)知功能的無(wú)線通信設(shè)備可以按照某種“伺機(jī)”的方式工作在已授權(quán)的頻段內(nèi)。當(dāng)然，這一定要建立在已授權(quán)頻段沒(méi)用或只有很少的通信業(yè)務(wù)在活動(dòng)的情況下。這種在空域、時(shí)域和頻域中出現(xiàn)的可以被利用的頻譜資源被稱為“頻譜空洞”。認(rèn)知無(wú)線電的核心思想就是使無(wú)線通信設(shè)備具有發(fā)現(xiàn)“頻譜空洞”并合理利用的能力。
[0003]認(rèn)知無(wú)線電是從根本上提高無(wú)線通信的頻譜效率、功率效率、系統(tǒng)容量的技術(shù)手段，能滿足未來(lái)高速高質(zhì)量信息服務(wù)對(duì)寬帶無(wú)線通信的需求，是實(shí)現(xiàn)通信系統(tǒng)具有可擴(kuò)展、可重構(gòu)功能的技術(shù)之一。頻譜感知是認(rèn)知無(wú)線電的核心和基礎(chǔ)。
[0004]壓縮感知也被稱為壓縮采樣。它作為一個(gè)新的采樣理論，它通過(guò)開發(fā)信號(hào)的稀疏特性，在遠(yuǎn)小于Nyquist采樣率的條件下，用隨機(jī)采樣獲取信號(hào)的離散樣本，然后通過(guò)非線性重建算法完美的重建信號(hào)，壓縮感知可以降低采樣率減少采樣數(shù)據(jù)而達(dá)到與傳統(tǒng)的Nyquist采樣相同的效果。
[0005]基于壓縮感知的頻譜感知算法大都是采用壓縮采樣后再對(duì)數(shù)據(jù)進(jìn)行重構(gòu)的思路進(jìn)行研究，重構(gòu)算法成為頻譜感知實(shí)現(xiàn)的關(guān)鍵，且?guī)?lái)了巨大的計(jì)算復(fù)雜度，能否直接利用壓縮采樣的數(shù)據(jù)矩陣 進(jìn)行頻譜感知是個(gè)值得考慮的問(wèn)題。
[0006]傳統(tǒng)的壓縮感知模型如式(I)所示:
[0007]χ = Φχ(j)
[0008]其中X為原始信號(hào)，Φ為ΜΧΝ(Μ〈Ν)的測(cè)量矩陣，?為壓縮后的信號(hào)。傳統(tǒng)的壓縮感知頻譜感知算法是要通過(guò):?恢復(fù)出X，然后根據(jù)X進(jìn)行頻譜感知，現(xiàn)存的基于壓縮感知的頻譜感知算法大都是采用壓縮采樣后再對(duì)數(shù)據(jù)進(jìn)行重構(gòu)的思路進(jìn)行研究，重構(gòu)算法成為頻譜感知實(shí)現(xiàn)的關(guān)鍵，且?guī)?lái)了巨大的計(jì)算復(fù)雜度。
[0009]傳統(tǒng)的壓縮感知頻譜感知中對(duì)模擬信號(hào)進(jìn)行采樣時(shí)用的測(cè)量矩陣Φ —般為高斯隨機(jī)矩陣，高斯隨機(jī)矩陣主要是為能完成信號(hào)的重構(gòu)而設(shè)計(jì)的。而不能在非重構(gòu)框架下直接利用壓縮采樣的數(shù)據(jù)矩陣進(jìn)行頻譜感知，因此需要新的頻譜感知方法以及重新設(shè)計(jì)合適的測(cè)量矩陣Φ。

【發(fā)明內(nèi)容】

[0010]本發(fā)明是為了解決無(wú)線通信技術(shù)頻譜資源利用率低、傳統(tǒng)的壓縮感知頻譜感知算法復(fù)雜以及不能在非重構(gòu)框架下直接利用壓縮采樣的數(shù)據(jù)矩陣進(jìn)行頻譜感知的問(wèn)題。而提出一種基于非重構(gòu)框架的頻譜感知方法。
[0011]上述的發(fā)明目的是通過(guò)以下技術(shù)方案實(shí)現(xiàn)的:
[0012]步驟一、假定已知?dú)w一化稀疏基Ψ ；
[0013]步驟二、根據(jù)Ψ的行數(shù)N，確定壓縮后信號(hào)長(zhǎng)度M，其中，N/M為正整數(shù)；
[0014]步驟三、將N/M個(gè)大小為MXM的單位矩陣順序連接，生成大小為MXN的矩陣G ；
[0015]步驟四、MXN的矩陣G與Ψτ相乘得到測(cè)量矩陣Φ ;
[0016]步驟五、根據(jù)測(cè)量矩陣Φ對(duì)模擬信號(hào)進(jìn)行采樣，得到壓縮采樣后的數(shù)據(jù)向量y ;
[0017]步驟六、根據(jù)噪聲方差σ 2及虛警概率Pf設(shè)定閾值入；
[0018]步驟七、提取y中所有元素的絕對(duì)值的最大值max(|y|)與閾值λ比較，max(|y|)>A判定信道存在主用戶信號(hào)；
[0019]步驟八、當(dāng)存在主用戶信號(hào)信號(hào)稀疏度為K，且信號(hào)能量均勻分布在K個(gè)稀疏度上時(shí)，得到信號(hào)的檢測(cè)概率Pd;即完成了一種基于非重構(gòu)框架的頻譜感知方法。
[0020]發(fā)明效果
[0021]本發(fā)明旨在設(shè)計(jì)新的測(cè)量矩陣以優(yōu)化壓縮采樣過(guò)程，然后直接根據(jù)壓縮采樣的數(shù)據(jù)判定信道是否有主用戶信號(hào)存在。一種基于非重構(gòu)框架的頻譜感知方法，本發(fā)明公開一種非重構(gòu)框架下進(jìn)行無(wú)線電頻譜感知的技術(shù)，具體包括設(shè)計(jì)測(cè)量矩陣對(duì)信號(hào)進(jìn)行壓縮采樣及直接根據(jù)壓縮采樣信號(hào)進(jìn)行頻譜感知的方法。測(cè)量矩陣由構(gòu)造矩陣與歸一化稀疏基的轉(zhuǎn)置相乘得到測(cè)量矩陣，構(gòu)造矩陣由多個(gè)單位陣順序連接構(gòu)成。根據(jù)測(cè)量矩陣對(duì)信號(hào)進(jìn)行壓縮采樣，選取能量最大點(diǎn)的值與閾值作對(duì)比，判定信道有無(wú)主用戶信號(hào)。閾值通常根據(jù)設(shè)定的虛警概率進(jìn)行計(jì)算得到。選出壓縮采樣信號(hào)絕對(duì)值的最大值，若壓縮采樣信號(hào)絕對(duì)值大于閾值，則信道內(nèi)有主用戶信號(hào)，若壓縮采樣信號(hào)絕對(duì)值小于閾值，則信道內(nèi)無(wú)主用戶信號(hào)。這種非重構(gòu)框架下進(jìn)行無(wú)線電頻譜感知的技術(shù)，在信號(hào)稀疏度較低時(shí)能夠直接根據(jù)壓縮采樣數(shù)據(jù)判定信道內(nèi)有無(wú)主用戶信號(hào)，避免了對(duì)信號(hào)進(jìn)行重構(gòu)，減小了計(jì)算量，提高了檢測(cè)效率。
[0022]本發(fā)明在信號(hào)稀疏度較低時(shí)直接利用壓縮采樣數(shù)據(jù)y進(jìn)行頻譜感知能取得良好的效果。隨著信號(hào)稀疏度的增加，該發(fā)明的頻譜感知效果越來(lái)越差隨著壓縮后信號(hào)長(zhǎng)度M的減小，該發(fā)明的頻譜感知效果越來(lái)越差。
[0023]當(dāng)信號(hào)功率為定值時(shí)，由圖2、3、4和5分別表示了稀疏度分別為I，2，3和5時(shí)的壓縮采樣數(shù)據(jù)I的取值，從圖2、3、4和5中可以看出隨著稀疏度的增加，利用壓縮采樣數(shù)據(jù)y的絕對(duì)值的最大值越來(lái)越小，說(shuō)明感知效果越來(lái)越差。圖6表示了信號(hào)稀疏度K分別為1，2，3，5時(shí)，檢測(cè)概率隨信噪比的變化；當(dāng)信噪比為_5dB時(shí)，稀疏度K = I對(duì)應(yīng)的檢測(cè)概率可以達(dá)到95%，隨著稀疏度增加檢測(cè)概率不斷降低，稀疏度K = 5對(duì)應(yīng)的檢測(cè)概率只有65%，這和理論是吻合的。可見(jiàn)，該發(fā)明適用于在信號(hào)稀疏度低的條件下使用。
【專利附圖】

【附圖說(shuō)明】
[0024]圖1是【具體實(shí)施方式】一提出的一種基于非重構(gòu)框架的頻譜感知方法流程圖；
[0025]圖2是【具體實(shí)施方式】一提出的信號(hào)稀疏度K分別為I時(shí)，壓縮采樣數(shù)據(jù)y的取值的示意圖；其中，橫坐標(biāo)為壓縮采樣后I的點(diǎn)數(shù)，縱坐標(biāo)為壓縮采樣數(shù)據(jù)I的數(shù)值；
[0026]圖3是【具體實(shí)施方式】一提出的信號(hào)稀疏度K分別為2時(shí)，壓縮采樣數(shù)據(jù)y的取值的示意圖；其中，橫坐標(biāo)為壓縮采樣后I的點(diǎn)數(shù)，縱坐標(biāo)為壓縮采樣數(shù)據(jù)I的數(shù)值；
[0027]圖4是【具體實(shí)施方式】一提出的信號(hào)稀疏度K分別為3時(shí)，壓縮采樣數(shù)據(jù)y的取值的示意圖；其中，橫坐標(biāo)為壓縮采樣后I的點(diǎn)數(shù)，縱坐標(biāo)為壓縮采樣數(shù)據(jù)I的數(shù)值；
[0028]圖5是【具體實(shí)施方式】一提出的信號(hào)稀疏度K分別為5時(shí)，壓縮采樣數(shù)據(jù)y的取值的示意圖；其中，橫坐標(biāo)為壓縮采樣后I的點(diǎn)數(shù)，縱坐標(biāo)為壓縮采樣數(shù)據(jù)I的數(shù)值；
[0029]圖6是實(shí)施例中提出的信號(hào)稀疏度K分別為1，2，3，5時(shí)，檢測(cè)概率隨信噪比的變化示意圖。
【具體實(shí)施方式】
[0030]【具體實(shí)施方式】一:本實(shí)施方式的一種基于非重構(gòu)框架的頻譜感知方法，具體是按照以下步驟制備的:
[0031]步驟一、假定已知?dú)w一化稀疏基Ψ ；
[0032]步驟二、根據(jù)Ψ的行數(shù)N，確定壓縮后信號(hào)長(zhǎng)度M，其中，N/M為正整數(shù)；
[0033]步驟三、將N/M個(gè)大小為MXM的單位矩陣順序連接，生成大小為MXN的矩陣G ；
[0034]步驟四、MXN的矩陣G與Ψτ相乘得到測(cè)量矩陣Φ ;
[0035]步驟五、根據(jù)測(cè)量矩陣Φ對(duì)信號(hào)進(jìn)行采樣，得到壓縮采樣后的數(shù)據(jù)向量y ;
[0036]步驟六、根據(jù)噪聲方差σ 2及虛警概率Pf設(shè)定閾值入；
[0037]步驟七、提取y中所有元素的絕對(duì)值的最大值max(|y|)與閾值λ比較，max(|y|)>A判定信道存在主用戶信號(hào)，max (| y |)〈 λ判定信道不存在主用戶信號(hào)；
[0038]步驟八、當(dāng)存在主用戶信號(hào)信號(hào)稀疏度為K，且信號(hào)能量均勻分布在K個(gè)稀疏度上時(shí)，得到信號(hào)的檢測(cè)概率Pd;如圖1即完成了一種基于非重構(gòu)框架的頻譜感知方法。
[0039]本實(shí)施方式效果:
[0040]本實(shí)施方式旨在設(shè)計(jì)新的測(cè)量矩陣以優(yōu)化壓縮采樣過(guò)程，然后直接根據(jù)壓縮采樣的數(shù)據(jù)判定信道是否有主用戶信號(hào)存在。非重構(gòu)框架下一種基于壓縮采樣信號(hào)的無(wú)線電頻譜感知方法及對(duì)應(yīng)的測(cè)量矩陣設(shè)計(jì)，本實(shí)施方式公開一種非重構(gòu)框架下進(jìn)行無(wú)線電頻譜感知的技術(shù)，具體包括設(shè)計(jì)測(cè)量矩陣對(duì)信號(hào)進(jìn)行壓縮采樣及直接根據(jù)壓縮采樣信號(hào)進(jìn)行頻譜感知的方法。測(cè)量矩陣由構(gòu)造矩陣與歸一化稀疏基的轉(zhuǎn)置相乘得到測(cè)量矩陣，構(gòu)造矩陣由多個(gè)單位陣順序連接構(gòu)成。根據(jù)測(cè)量矩陣對(duì)模擬信號(hào)進(jìn)行壓縮采樣，選取能量最大點(diǎn)的值與閾值作對(duì)比，判定信道有無(wú)主用戶信號(hào)。閾值通常根據(jù)設(shè)定的虛警概率進(jìn)行計(jì)算得到。選出壓縮采樣信號(hào)絕對(duì)值的最大值，若壓縮采樣信號(hào)絕對(duì)值大于閾值，則信道內(nèi)有主用戶信號(hào)，若壓縮采樣信號(hào)絕對(duì)值小于閾值，則信道內(nèi)無(wú)主用戶信號(hào)。這種非重構(gòu)框架下進(jìn)行無(wú)線電頻譜感知的技術(shù)，在信號(hào)稀疏度較低時(shí)能夠直接根據(jù)壓縮采樣數(shù)據(jù)判定信道內(nèi)有無(wú)主用戶信號(hào)，避免了對(duì)信號(hào)進(jìn)行重構(gòu)，減小了計(jì)算量，提高了檢測(cè)效率。
[0041]本實(shí)施方式在信號(hào)稀疏度較低時(shí)直接利用壓縮采樣數(shù)據(jù)y進(jìn)行頻譜感知能取得良好的效果。隨著信號(hào)稀疏度的增加，該實(shí)施方式的頻譜感知效果越來(lái)越差隨著壓縮后信號(hào)長(zhǎng)度M的減小，該實(shí)施方式的頻譜感知效果越來(lái)越差。
[0042]當(dāng)信號(hào)功率為定值時(shí)，由圖2、3、4和5分別表示了稀疏度分別為1，2，3，5時(shí)的壓縮采樣數(shù)據(jù)I的取值，從圖2、3、4和5中可以看出隨著稀疏度的增加，利用壓縮采樣數(shù)據(jù)y的絕對(duì)值的最大值越來(lái)越小，說(shuō)明感知效果越來(lái)越差。圖6表示了信號(hào)稀疏度K分別為1，2，3，5時(shí)，檢測(cè)概率隨信噪比的變化；當(dāng)信噪比為_5dB時(shí)，稀疏度K = I對(duì)應(yīng)的檢測(cè)概率可以達(dá)到95%，隨著稀疏度增加檢測(cè)概率不斷降低，稀疏度K = 5對(duì)應(yīng)的檢測(cè)概率只有65%，這和理論是吻合的。
[0043]【具體實(shí)施方式】二:本實(shí)施方式與【具體實(shí)施方式】一不同的是:步驟三中將N/M個(gè)大小為MXM的單位矩陣順序連接，生成大小為MXN的矩陣G為MXN矩陣，N為信號(hào)x的長(zhǎng)度，由N/M個(gè)MXM的單位矩陣連接而成，具體形式如式(4)所示:
【權(quán)利要求】
1.一種基于非重構(gòu)框架的頻譜感知方法，其特征在于一種基于非重構(gòu)框架的頻譜感知方法具體是按照以下步驟進(jìn)行的: 步驟一、假定已知?dú)w一化稀疏基Ψ ; 步驟二、根據(jù)Ψ的行數(shù)N，確定壓縮后信號(hào)長(zhǎng)度M，其中，N/M為正整數(shù)； 步驟三、將N/M個(gè)大小為MXM的單位矩陣順序連接，生成大小為MXN的矩陣G ； 步驟四、MXN的矩陣G與Ψτ相乘得到測(cè)量矩陣Φ ; 步驟五、根據(jù)測(cè)量矩陣Φ對(duì)信號(hào)進(jìn)行采樣，得到壓縮采樣后的數(shù)據(jù)向量y ; 步驟六、根據(jù)噪聲方差σ 2及虛警概率Pf設(shè)定閾值λ ； 步驟七、提取y中所有元素的絕對(duì)值的最大值max(|y|)與閾值λ比較，max (| y |) > λ判定信道存在主用戶信號(hào)； 步驟八、當(dāng)存在主用戶信號(hào)信號(hào)稀疏度為K，且信號(hào)能量均勻分布在K個(gè)稀疏度上時(shí)，得到信號(hào)的檢測(cè)概率Pd;即完成了一種基于非重構(gòu)框架的頻譜感知方法。
2.根據(jù)權(quán)利要求1所述一種基于非重構(gòu)框架的頻譜感知方法，其特征在于:步驟三中將Ν/Μ個(gè)大小為MXM的單位矩陣順序連接，生成大小為MXN的矩陣G具體過(guò)程為: G為MXN矩陣，N為歸一化稀疏基Ψ的行數(shù)，G由Ν/Μ個(gè)MXM的單位矩陣連接而成(Ν/Μ為正整數(shù))，具體形式如式(2)所示:
3.根據(jù)權(quán)利要求1所述一種基于非重構(gòu)框架的頻譜感知方法，其特征在于:步驟四中MXN的矩陣G與Ψτ相乘得到測(cè)量矩陣φ具體過(guò)程為: 針對(duì)于非重構(gòu)框架下直接利用壓縮采樣后的數(shù)據(jù)向量y進(jìn)行頻譜感知，假設(shè)信號(hào)的歸一化稀疏基Ψ，測(cè)量矩陣φ設(shè)計(jì)為如式(3)所示:
4.根據(jù)權(quán)利要求1所述一種基于非重構(gòu)框架的頻譜感知方法，其特征在于:步驟五中根據(jù)測(cè)量矩陣Φ對(duì)信號(hào)進(jìn)行采樣，得到壓縮采樣后的數(shù)據(jù)向量y具體過(guò)程為:
5.根據(jù)權(quán)利要求1所述一種基于非重構(gòu)框架的頻譜感知方法，其特征在于:步驟六中根據(jù)噪聲方差σ 2及虛警概率Pf設(shè)定閾值λ具體過(guò)程為: 假設(shè)噪聲的方差σ 2已知，虛警概率Pf可表示為:
6.根據(jù)權(quán)利要求1所述一種基于非重構(gòu)框架的頻譜感知方法，其特征在于:步驟八中當(dāng)存在主用戶信號(hào)且信號(hào)稀疏度為K，且信號(hào)能量均勻分布在K個(gè)稀疏度上時(shí)，得到信號(hào)的檢測(cè)概率Pd表示為:
【文檔編號(hào)】H04B17/00GK103986540SQ201410255616
【公開日】2014年8月13日 申請(qǐng)日期:2014年6月10日 優(yōu)先權(quán)日:2014年6月10日
【發(fā)明者】馬永奎, 許 鵬, 高玉龍, 劉佳鑫, 張蔚, 李想 申請(qǐng)人:哈爾濱工業(yè)大學(xué)