專利名稱：基于壓縮感知與bp神經(jīng)網(wǎng)絡(luò)的認(rèn)知無(wú)線電頻譜感知方法
技術(shù)領(lǐng)域：
本發(fā)明屬于無(wú)線通信技術(shù)領(lǐng)域，具體的，涉及ー種認(rèn)知無(wú)線電頻譜感知方法及系統(tǒng)。
背景技術(shù)：
隨著無(wú)線通信業(yè)務(wù)的廣泛發(fā)展，頻譜資源日趨匱乏，其主要原因是無(wú)線頻譜接入技術(shù)的不合理一現(xiàn)有無(wú)線通信系統(tǒng)均采用低效率的固定信道分配策略。認(rèn)知無(wú)線電被認(rèn)為是解決該問題最行之有效的新技術(shù)之一，它允許認(rèn)知用戶在不影響頻帶內(nèi)合法用戶正常通信的前提下共享該頻段。頻譜感知技術(shù)是認(rèn)知無(wú)線網(wǎng)絡(luò)設(shè)計(jì)的重要基礎(chǔ)環(huán)節(jié)，只有實(shí)時(shí)快捷地了解主用戶對(duì)頻譜使用的情況，才能在不對(duì)其造成額外干擾的情況下實(shí)現(xiàn)無(wú)線頻譜的二次利用、提高 無(wú)線頻譜利用率。根據(jù)奈奎斯特采樣定律在進(jìn)行模擬/數(shù)字信號(hào)的轉(zhuǎn)換過(guò)程中，當(dāng)采樣頻率
Zs大于信號(hào)中最高頻率/·的2倍(ぷ2 2/·)時(shí)，采樣后的數(shù)字信號(hào)能完整保留原始信
息。在實(shí)際應(yīng)用中一般要保證采樣頻率為信號(hào)最高頻率的5 10倍，特別地在寬帶甚至超寬帶環(huán)境下，信號(hào)要實(shí)現(xiàn)無(wú)損采樣需要很高的采樣頻率，這對(duì)采樣硬件是一大考驗(yàn)。由于現(xiàn)有無(wú)線通信系統(tǒng)均采用低效率的固定信道分配策略，無(wú)線頻譜接入不合理，實(shí)際情況下主用戶占用頻譜情況具有很大的頻域稀疏性。傳統(tǒng)理論是這樣處理這些稀疏信號(hào)的為節(jié)省存儲(chǔ)空間提高傳送效率，會(huì)對(duì)稀疏信號(hào)做壓縮處理。假設(shè)長(zhǎng)度為N的信號(hào)X是K-稀疏的，采樣器遵從奈奎斯特采樣定律對(duì)信號(hào)采樣后將信號(hào)X投影至其稀疏域Ψ即
χ = ψβ,其中0 = ち…，各]_且|5| =尤。將這些非零參數(shù)及位置發(fā)送出去，在接收端將接
受到的r個(gè)分量放回相應(yīng)位置中而其他位置填充零得到解壓信號(hào)。這種思路有著固有的缺點(diǎn)
(O由于采樣速率要求高，信號(hào)長(zhǎng)度會(huì)很長(zhǎng)，因此正變換過(guò)程耗時(shí)較長(zhǎng)；
(2)保留的Γ個(gè)分量的位置是“自適應(yīng)”的，需要空間存放分量位置；
(3)抗干擾性能差，由于這個(gè)分量是“最重要”的，傳輸過(guò)程中若丟失若干分量會(huì)帶來(lái)嚴(yán)重后果。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題在于現(xiàn)有技術(shù)所存在的計(jì)算復(fù)雜度高、在線檢測(cè)實(shí)時(shí)性差的不足，提供ー種基于壓縮感知與BP神經(jīng)網(wǎng)絡(luò)的認(rèn)知無(wú)線電頻譜感知方法及系統(tǒng)，將壓縮感知技術(shù)應(yīng)用于認(rèn)知無(wú)線電的頻譜檢測(cè)，并用BP (Back-Propagation)神經(jīng)網(wǎng)絡(luò)取代復(fù)雜的重建算法，將計(jì)算復(fù)雜度從在線檢測(cè)轉(zhuǎn)移到離線的網(wǎng)絡(luò)訓(xùn)練，從而可大幅提高檢測(cè)系統(tǒng)的在線檢測(cè)實(shí)時(shí)性。壓縮感知是ー門新興技術(shù)，提供了一種能夠直接非自適應(yīng)的估計(jì)不需拋棄多余分量的方法，它利用了稀疏信號(hào)的自相關(guān)特性，使用少量的投影來(lái)還原信號(hào)。這些投影的地位是等價(jià)的，因而在傳輸中丟失若干不會(huì)造成嚴(yán)重后果。與傳統(tǒng)思路的高采樣速率相比，壓縮感知只簡(jiǎn)單采集一部分?jǐn)?shù)據(jù)(而非全部數(shù)據(jù))，將復(fù)雜的處理部分交給數(shù)據(jù)還原端來(lái)做，在盡量少的數(shù)據(jù)中提取盡量多的信息，大大降低了需要的采樣速率。壓縮感知技術(shù)是傳統(tǒng)信息論的ー個(gè)延伸，卻又為信號(hào)采集技術(shù)帶來(lái)了革命性的突破，它采用非自適應(yīng)線性投影來(lái)保持信號(hào)的原始結(jié)構(gòu)，以遠(yuǎn)低于奈奎斯特頻率采樣信號(hào)，通過(guò)數(shù)值最優(yōu)化問題準(zhǔn)確重構(gòu)。然而壓縮感知技術(shù)存在著一大劣勢(shì)由于重建算法是NP-hard問題，計(jì)算復(fù)雜，需
要考慮ぱ個(gè)子空間的聯(lián)合窮舉。用Z1-最小算法來(lái)替代/Q-最小算法，可以在一定程度上
降低復(fù)雜度，但是其算法復(fù)雜度也接近0(i2) (F表示信號(hào)長(zhǎng)度)，不適用于對(duì)能耗、時(shí)耗敏
感的感知場(chǎng)景。此外頻譜感知只是為了大致判斷主用戶使用頻譜狀況，獲取太過(guò)精確的頻域重建信號(hào)會(huì)造成系統(tǒng)資源的浪費(fèi)。本發(fā)明利用BP神經(jīng)網(wǎng)絡(luò)的強(qiáng)大擬合功能替代壓縮重建過(guò)程，將耗時(shí)從信號(hào)重建過(guò)程時(shí)轉(zhuǎn)移至事先的網(wǎng)絡(luò)訓(xùn)練上。從而既保留了壓縮感知低采樣率、低時(shí)間空間消耗、魯棒性強(qiáng)、壓縮過(guò)程簡(jiǎn)單等優(yōu)點(diǎn)，又從本質(zhì)上降低解壓縮端的系統(tǒng)復(fù)雜度,達(dá)到實(shí)時(shí)性檢測(cè)要求。本發(fā)明具體采用以下技術(shù)方案解決上述技術(shù)問題?；趬嚎s感知與BP神經(jīng)網(wǎng)絡(luò)的認(rèn)知無(wú)線電頻譜感知方法，包括訓(xùn)練過(guò)程和實(shí)際檢測(cè)過(guò)程；其中，訓(xùn)練過(guò)程包括以下步驟
步驟Al、對(duì)認(rèn)知無(wú)線電的原始信號(hào)進(jìn)行低于奈奎斯特速率的壓縮采樣，并對(duì)采集到的壓縮采樣數(shù)據(jù)進(jìn)行Ι-bit量化處理；
步驟A2、以Ι-bit量化處理后的壓縮采樣數(shù)據(jù)作為訓(xùn)練輸入，以實(shí)際頻段占用情況作為訓(xùn)練輸出，對(duì)BP神經(jīng)網(wǎng)絡(luò)檢測(cè)器進(jìn)行訓(xùn)練；
實(shí)際檢測(cè)過(guò)程包括以下步驟
步驟BI、對(duì)認(rèn)知無(wú)線電的原始信號(hào)進(jìn)行低于奈奎斯特速率的壓縮采樣，并對(duì)采集到的壓縮采樣數(shù)據(jù)進(jìn)行Ι-bit量化處理；
步驟B2、將Ι-bit量化處理后的壓縮采樣數(shù)據(jù)輸入訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)檢測(cè)器，得到的輸出即為所述認(rèn)知無(wú)線電的頻譜占用情況。采用上述方法的基于壓縮感知與BP神經(jīng)網(wǎng)絡(luò)的認(rèn)知無(wú)線電頻譜感知系統(tǒng)，該系統(tǒng)包括
壓縮采樣單元，用于對(duì)認(rèn)知無(wú)線電的原始信號(hào)進(jìn)行低于奈奎斯特速率的壓縮采樣，并輸出壓縮米樣數(shù)據(jù)；
l-bit量化単元，用于對(duì)壓縮采樣單元輸出的壓縮采樣數(shù)據(jù)進(jìn)行ι-bit量化處理，并輸出處理后的數(shù)據(jù)；
BP神經(jīng)網(wǎng)絡(luò)檢測(cè)器，以壓縮采樣單元輸出數(shù)據(jù)為輸入，輸出所述認(rèn)知無(wú)線電的頻譜占用情況。作為本發(fā)明一優(yōu)選方案，所述BP神經(jīng)網(wǎng)絡(luò)檢測(cè)器為ー包括輸入層、隱層、輸出層的三層BP神經(jīng)網(wǎng)絡(luò)，輸入層節(jié)點(diǎn)數(shù)為壓縮采樣信號(hào)的信號(hào)長(zhǎng)度，輸出層節(jié)點(diǎn)數(shù)為所述認(rèn)知無(wú)線電的頻譜分段數(shù)。當(dāng)認(rèn)知無(wú)線電的頻譜較寬時(shí)，輸出層神經(jīng)元數(shù)會(huì)較大，如采用上述優(yōu)選方案，可能會(huì)帶來(lái)BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練困難，為此，可以采用分級(jí)檢測(cè)的策略，具體如下
所述BP神經(jīng)網(wǎng)絡(luò)檢測(cè)器為T個(gè)BP神經(jīng)網(wǎng)絡(luò)級(jí)聯(lián)而成，各級(jí)BP神經(jīng)網(wǎng)絡(luò)均包括輸入層、隱層、輸出層，上、下級(jí)BP神經(jīng)網(wǎng)絡(luò)之間分別串聯(lián)ー帶通濾波器，Γ為大于I的整數(shù)；設(shè)所述認(rèn)知無(wú)線電頻譜被等分力1τ個(gè)頻段^^^巧”ビ…外七ル…^均為大于I的整數(shù)；第一級(jí)BP神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元數(shù)為壓縮采樣信號(hào)的信號(hào)長(zhǎng)度Ai ,輸出層節(jié)點(diǎn)數(shù)
為へ;第二級(jí)BP神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元數(shù)為一，輸出層節(jié)點(diǎn)數(shù)為；第三級(jí)BP神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元數(shù)為輸出層神經(jīng)元數(shù)為^ ;依此類推，第級(jí)BP神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元數(shù)為^^一一，輸出層神經(jīng)元數(shù)為...。所述BP神經(jīng)網(wǎng)絡(luò)的隱層神經(jīng)元數(shù)根據(jù)試驗(yàn)確定或者按照以下公式確定
V= ^/A.+ B +e 式中，7/為隱層神經(jīng)元數(shù)4力輸入層神經(jīng)元數(shù)力輸出層神經(jīng)元數(shù)，力常數(shù)且 [1,10]。對(duì)于認(rèn)知無(wú)線電環(huán)境下的頻譜感知，本發(fā)明首次將壓縮感知技術(shù)引入，從而可采用低于奈奎斯特速率的采樣速度進(jìn)行壓縮采樣，降低了對(duì)硬件的要求；并利用BP神經(jīng)網(wǎng)絡(luò)取代壓縮重建算法過(guò)程，將計(jì)算復(fù)雜度從在線檢測(cè)占用情況轉(zhuǎn)移到離線的網(wǎng)絡(luò)訓(xùn)練上來(lái)；并通過(guò)Ι-bit量化處理采樣數(shù)據(jù)，大幅降低數(shù)據(jù)復(fù)雜度，減少神經(jīng)網(wǎng)絡(luò)訓(xùn)練復(fù)雜程度，避免“過(guò)訓(xùn)練”，且能在一定程度上降低噪聲的影響。


圖I為認(rèn)知無(wú)線電頻譜檢測(cè)場(chǎng)景示意 圖2為BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖3為本發(fā)明的基于壓縮感知與BP神經(jīng)網(wǎng)絡(luò)的認(rèn)知無(wú)線電頻譜感知方法流程示意
圖4為分步檢測(cè)的流程示意 圖5為分步檢測(cè)的原理示意圖。
具體實(shí)施例方式下面結(jié)合附圖對(duì)本發(fā)明的技術(shù)方案進(jìn)行詳細(xì)說(shuō)明
圖I顯示了典型的頻分多址系統(tǒng)(如GSM、廣播電視系統(tǒng)、OFDM等)中的認(rèn)知無(wú)線電場(chǎng)景，其中，主用戶占用頻譜帶寬固定，次用戶與主用戶共享頻譜設(shè)處于激活態(tài)(active)
的主用戶數(shù)量為尤，主用戶i通過(guò)射頻裝置發(fā)送帶寬為馬，中心頻譜為/i的調(diào)制信號(hào)ろ，
叉…Z。由于主用戶頻譜占用帶寬固定，信號(hào)具有塊稀疏特性。頻譜感知技術(shù)要求實(shí)時(shí)感知信道的頻譜占用情況，無(wú)需無(wú)損重建信號(hào)。根據(jù)這ー檢測(cè)目標(biāo)，可以引入壓縮采樣理論框架。壓縮感知只簡(jiǎn)單采集一部分?jǐn)?shù)據(jù)(而非全部數(shù)據(jù))，將復(fù)雜的處理部分交給數(shù)據(jù)還原端來(lái)做，在盡量少的數(shù)據(jù)中提取盡量多的信息，大大降低了需要的采樣速率。然而其所具有的重建算法計(jì)算復(fù)雜度高的缺點(diǎn)，也使得頻譜檢測(cè)的實(shí)時(shí)性無(wú)法滿足要求。本發(fā)明的思路是用BP神經(jīng)網(wǎng)絡(luò)取代復(fù)雜的壓縮重建算法，將計(jì)算復(fù)雜度從在線檢測(cè)轉(zhuǎn)移到離線的網(wǎng)絡(luò)訓(xùn)練，從而可大幅提高檢測(cè)系統(tǒng)的在線檢測(cè)實(shí)時(shí)性。BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如圖2所示，具有三層或以上網(wǎng)絡(luò)結(jié)構(gòu)(分為輸入層、隱層與輸出層)，不同層神經(jīng)元間實(shí)現(xiàn)全連接，同層的神經(jīng)元?jiǎng)t互不相連。輸入層神經(jīng)元獲取訓(xùn)練樣本，通過(guò)隱層向輸出層傳播，輸出層的各神經(jīng)元獲得網(wǎng)絡(luò)的輸入響應(yīng)。然后，以減小目標(biāo)與實(shí)際值誤差為目標(biāo)從輸出層開始逐層修正連接權(quán)值，直至回到輸入層。BP神經(jīng)網(wǎng)絡(luò)是前向神經(jīng)網(wǎng)絡(luò)的核心，汲取了神經(jīng)網(wǎng)絡(luò)理論的精華。已經(jīng)證明，對(duì)于任意閉區(qū)間內(nèi)的ー個(gè)連續(xù)函數(shù)都可以用單隱層的BP網(wǎng)絡(luò)逼近。也就是說(shuō)ー個(gè)三層BP網(wǎng)絡(luò)可以以任意精度逼近任意連續(xù)函數(shù)。因此BP網(wǎng)絡(luò)應(yīng)用廣泛，80%-90%的神經(jīng)網(wǎng)絡(luò)模型采用了 BP網(wǎng)絡(luò)或其變化形式。BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)對(duì)所有6個(gè)訓(xùn)練樣本的總誤差函數(shù)為
權(quán)利要求
1.一種基于壓縮感知與BP神經(jīng)網(wǎng)絡(luò)的認(rèn)知無(wú)線電頻譜感知方法，其特征在于，包括訓(xùn)練過(guò)程和實(shí)際檢測(cè)過(guò)程；其中，訓(xùn)練過(guò)程包括以下步驟 步驟Al、對(duì)認(rèn)知無(wú)線電的原始信號(hào)進(jìn)行低于奈奎斯特速率的壓縮采樣，并對(duì)采集到的壓縮采樣數(shù)據(jù)進(jìn)行1-bit量化處理； 步驟A2、以1-bit量化處理后的壓縮采樣數(shù)據(jù)作為訓(xùn)練輸入，以實(shí)際頻段占用情況作為訓(xùn)練輸出，對(duì)BP神經(jīng)網(wǎng)絡(luò)檢測(cè)器進(jìn)行訓(xùn)練； 實(shí)際檢測(cè)過(guò)程包括以下步驟 步驟BI、對(duì)認(rèn)知無(wú)線電的原始信號(hào)進(jìn)行低于奈奎斯特速率的壓縮采樣，并對(duì)采集到的壓縮采樣數(shù)據(jù)進(jìn)行1-bit量化處理； 步驟B2、將1-bit量化處理后的壓縮采樣數(shù)據(jù)輸入訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)檢測(cè)器，得到的輸出即為所述認(rèn)知無(wú)線電的頻譜占用情況。
2.如權(quán)利要求I所述基于壓縮感知與BP神經(jīng)網(wǎng)絡(luò)的認(rèn)知無(wú)線電頻譜感知方法，其特征在于，所述BP神經(jīng)網(wǎng)絡(luò)檢測(cè)器為一包括輸入層、隱層、輸出層的三層BP神經(jīng)網(wǎng)絡(luò)，輸入層節(jié)點(diǎn)數(shù)為壓縮采樣信號(hào)的信號(hào)長(zhǎng)度，輸出層節(jié)點(diǎn)數(shù)為所述認(rèn)知無(wú)線電的頻譜分段數(shù)。
3.如權(quán)利要求I所述基于壓縮感知與BP神經(jīng)網(wǎng)絡(luò)的認(rèn)知無(wú)線電頻譜感知方法，其特征在于，所述BP神經(jīng)網(wǎng)絡(luò)檢測(cè)器為T個(gè)BP神經(jīng)網(wǎng)絡(luò)級(jí)聯(lián)而成，各級(jí)BP神經(jīng)網(wǎng)絡(luò)均包括輸入層、隱層、輸出層，上、下級(jí)BP神經(jīng)網(wǎng)絡(luò)之間分別串聯(lián)一帶通濾波器,T為大于I的整數(shù)；設(shè)所述認(rèn)知無(wú)線電頻譜被等分力|T個(gè)頻段，令,= 1* 2*—今，均為大于I的整數(shù)；第一級(jí)BP神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元數(shù)為壓縮采樣信號(hào)的信號(hào)長(zhǎng)度I，輸出層節(jié)點(diǎn)數(shù)為A ;第二級(jí)BP神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元數(shù)為&，輸出層節(jié)點(diǎn)數(shù)為 ;第三級(jí)BP神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元數(shù)為，輸出層 i1H. "t^神經(jīng)元數(shù)為；依此類推，第級(jí)BP神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元數(shù)為——，輸出層神經(jīng)元數(shù)為4。
4.如權(quán)利要求2或3所述基于壓縮感知與BP神經(jīng)網(wǎng)絡(luò)的認(rèn)知無(wú)線電頻譜感知方法，其特征在于，所述BP神經(jīng)網(wǎng)絡(luò)的隱層神經(jīng)元數(shù)根據(jù)試驗(yàn)確定或者按照以下公式確定V= B + s 式中」力隱層神經(jīng)元數(shù)，J為輸入層神經(jīng)元數(shù)，S為輸出層神經(jīng)元數(shù)，e為常數(shù)且ee[l，10]。
5.一種采用權(quán)利要求I所述方法的基于BP神經(jīng)網(wǎng)絡(luò)的認(rèn)知無(wú)線電頻譜壓縮感知系統(tǒng)，其特征在于，該系統(tǒng)包括 壓縮采樣單元，用于對(duì)認(rèn)知無(wú)線電的原始信號(hào)進(jìn)行低于奈奎斯特速率的壓縮采樣，并輸出壓縮米樣數(shù)據(jù)； .1-bit量化單元，用于對(duì)壓縮采樣單元輸出的壓縮采樣數(shù)據(jù)進(jìn)行1-bit量化處理，并輸出處理后的數(shù)據(jù)；BP神經(jīng)網(wǎng)絡(luò)檢測(cè)器，以壓縮采樣單元輸出數(shù)據(jù)為輸入，輸出所述認(rèn)知無(wú)線電的頻譜占用情況。
6.如權(quán)利要求5所述基于BP神經(jīng)網(wǎng)絡(luò)的認(rèn)知無(wú)線電頻譜壓縮感知系統(tǒng)，其特征在于，所述BP神經(jīng)網(wǎng)絡(luò)檢測(cè)器為一包括輸入層、隱層、輸出層的三層BP神經(jīng)網(wǎng)絡(luò)，輸入層節(jié)點(diǎn)數(shù)為壓縮采樣信號(hào)的信號(hào)長(zhǎng)度，輸出層節(jié)點(diǎn)數(shù)為所述認(rèn)知無(wú)線電的頻譜分段數(shù)，隱層神經(jīng)元數(shù)根據(jù)試驗(yàn)確定或者按照以下公式確定
7.如權(quán)利要求5所述基于BP神經(jīng)網(wǎng)絡(luò)的認(rèn)知無(wú)線電頻譜壓縮感知系統(tǒng)，其特征在于，所述BP神經(jīng)網(wǎng)絡(luò)檢測(cè)器為T個(gè)BP神經(jīng)網(wǎng)絡(luò)級(jí)聯(lián)而成，各級(jí)BP神經(jīng)網(wǎng)絡(luò)均包括輸入層、隱層、輸出層，上、下級(jí)BP神經(jīng)網(wǎng)絡(luò)之間分別串聯(lián)一帶通濾波器，7為大于I的整數(shù)；設(shè)所述認(rèn)知無(wú)線電頻譜被等分為丨個(gè)頻段，令
全文摘要
本發(fā)明公開了一種基于壓縮感知與BP神經(jīng)網(wǎng)絡(luò)的認(rèn)知無(wú)線電頻譜感知方法。本發(fā)明方法包括訓(xùn)練過(guò)程和實(shí)際檢測(cè)過(guò)程；其中，訓(xùn)練過(guò)程包括對(duì)認(rèn)知無(wú)線電的原始信號(hào)進(jìn)行低于奈奎斯特采樣速率的壓縮采樣，并對(duì)采樣數(shù)據(jù)進(jìn)行1-bit量化處理；以量化處理后的壓縮采樣數(shù)據(jù)作為訓(xùn)練輸入，以實(shí)際頻段占用情況作為訓(xùn)練輸出，對(duì)BP神經(jīng)網(wǎng)絡(luò)檢測(cè)器進(jìn)行訓(xùn)練；實(shí)際檢測(cè)過(guò)程包括對(duì)認(rèn)知無(wú)線電的原始信號(hào)進(jìn)行壓縮采樣，并對(duì)采樣數(shù)據(jù)進(jìn)行1-bit量化處理；將量化處理后的壓縮采樣數(shù)據(jù)輸入訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)檢測(cè)器，得到的輸出即為認(rèn)知無(wú)線電的頻譜占用情況。本發(fā)明還公開了一種采用上述方法的認(rèn)知無(wú)線電頻譜感知系統(tǒng)。本發(fā)明具有較低算法復(fù)雜度，能夠大幅提高頻譜檢測(cè)的實(shí)時(shí)性。
文檔編號(hào)G06N3/02GK102665221SQ201210080840
公開日2012年9月12日 申請(qǐng)日期2012年3月26日 優(yōu)先權(quán)日2012年3月26日
發(fā)明者朱琦, 王璐瑜, 趙夙 申請(qǐng)人:南京郵電大學(xué)