專利名稱：：一種認知網(wǎng)絡(luò)中基于壓縮感知的寬帶信號分離方法
技術(shù)領(lǐng)域：
：本發(fā)明屬于認知無線電
技術(shù)領(lǐng)域：
，更為具體地講，涉及到一種認知網(wǎng)絡(luò)中基于壓縮感知的寬帶信號分離方法。
背景技術(shù)：
：無線電頻譜是一種寶貴的自然資源，它的分配通常是由無線電法規(guī)部門確定的。目前世界各國采用的是基于固定頻譜分配的原則。隨著無線通信需求的不斷增長，人們對通信速率的需求也越來越高。根據(jù)香農(nóng)理論，通信速率越高，通信系統(tǒng)所需占用的頻譜帶寬也越來越大，從而導(dǎo)致適用于無線通信的頻譜資源變得日益緊張。另一方面調(diào)查顯示，無線電通信的頻譜資源的利用率很低。美國Sharedspectrum公司在2004年1月到2005年8月間，對美國30-300000MHZ頻段的頻譜使用情況調(diào)查發(fā)現(xiàn)該頻段的平均利用率只有5.2%,其中使用率最高的地區(qū)紐約僅為13.1%，使用率最低的是分配給無線電天文學(xué)的頻段，僅有1%。提高頻譜利用率，在不同地點不同時間段里有效地利用空閑頻段，且不給授權(quán)用戶的業(yè)務(wù)帶來影響，成為人們非常關(guān)注的技術(shù)問題。為此，人們提出了認知無線電的概念，它能夠自覺感知周圍環(huán)境，并利用處于空閑狀態(tài)的頻譜(“頻譜空洞”)進行通信。當(dāng)認知用戶通過“借用”的方式使用已授權(quán)的頻譜資源時，必須保證它的通信不會影響到其他已授權(quán)用戶。要做到這一點，認知用戶必須按照一定的規(guī)則來使用所發(fā)現(xiàn)的“頻譜空洞”。然而實際中并不是所有的用戶都會遵循這些規(guī)則合理地使用“頻譜空洞”，這時就會出現(xiàn)惡意終端的情況。這些惡意終端違反接入規(guī)則和頻譜分配策略，肆意接入認知網(wǎng)絡(luò)，占用頻譜資源，對其他正常接入的認知用戶造成干擾，降低了認知網(wǎng)絡(luò)的通信效率。在分離信號之前我們首先要對接收信號進行采樣，而在寬帶頻譜感知中，由于信號的帶寬越來越寬，而且有的信號在頻域上很稀疏，傳統(tǒng)的基于香農(nóng)定理的采樣就不適用了。
發(fā)明內(nèi)容本發(fā)明目的在于克服現(xiàn)有寬帶信號分離方法的不足，提出一種采樣速率低，硬件要求不高的認知網(wǎng)絡(luò)中基于壓縮感知的寬帶信號分離方法。為實現(xiàn)上述發(fā)明目的，本發(fā)明認知網(wǎng)絡(luò)中基于壓縮感知的寬帶信號分離方法，其特征在于，包括以下步驟(1)、主信號的本地壓縮感知及恢復(fù)認知用戶j，j=1，2，...，J采用低速率A/D轉(zhuǎn)換器對接收到的主用戶信號rj(t)進行壓縮采樣，其采樣頻率低于奈奎斯特頻率，得到壓縮采樣信號；根據(jù)壓縮采樣\⑴進行恢復(fù)，得到恢復(fù)信號&(；(2)、小波邊緣檢測al、所有認知用戶j將各自的恢復(fù)信號^發(fā)送給融合中心，在融合中心首先對J個恢復(fù)信號求平均，以使邊緣檢測比較準(zhǔn)確；權(quán)利要求一種認知網(wǎng)絡(luò)中基于壓縮感知的寬帶信號分離方法，其特征在于，包括以下步驟(1)、主信號的本地壓縮感知及恢復(fù)認知用戶j，j＝1，2，...，J采用低速率A/D轉(zhuǎn)換器對接收到的主用戶信號rj(t)進行壓縮采樣，其采樣頻率低于奈奎斯特頻率，得到壓縮采樣信號xj(t)；根據(jù)壓縮采樣xj(t)進行恢復(fù)，得到恢復(fù)信號(2)、小波邊緣檢測a1、所有認知用戶j將各自的恢復(fù)信號發(fā)送給融合中心，在融合中心首先對J個恢復(fù)信號求平均，以使邊緣檢測比較準(zhǔn)確；<mrow><mi>X</mi><mo>=</mo><mfrac><mn>1</mn><mi>J</mi></mfrac><munderover><mi>Σ</mi><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>J</mi></munderover><msub><mover><mi>r</mi><mo>^</mo></mover><mi>j</mi></msub><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow></mrow>X表示恢復(fù)信號的均值；然后，求恢復(fù)信號均值X的功率密度<mrow><msub><mi>S</mi><mi>X</mi></msub><mrow><mo>(</mo><mi>f</mi><mo>)</mo></mrow><mo>=</mo><msubsup><mo>∫</mo><mrow><mo>-</mo><mo>∞</mo></mrow><mrow><mo>+</mo><mo>∞</mo></mrow></msubsup><msub><mi>R</mi><mi>X</mi></msub><mrow><mo>(</mo><mi>τ</mi><mo>)</mo></mrow><mo>·</mo><msup><mi>e</mi><mrow><mo>-</mo><mi>j</mi><mn>2</mn><mi>πfτ</mi></mrow></msup><mi>dτ</mi></mrow>其中，SX(f)代表恢復(fù)信號均值X的功率譜密度，RX(τ)代表恢復(fù)信號均值X的自相關(guān)函數(shù)；a2、對功率譜密度SX(f)進行多尺度小波變換<mrow><msub><mi>W</mi><mi>s</mi></msub><msub><mi>S</mi><mi>X</mi></msub><mrow><mo>(</mo><mi>f</mi><mo>)</mo></mrow><mo>=</mo><munderover><mi>Π</mi><mrow><mi>s</mi><mo>=</mo><mn>1</mn></mrow><mi>S</mi></munderover><msub><mi>W</mi><msup><mn>2</mn><mi>s</mi></msup></msub><msub><mi>S</mi><mi>X</mi></msub><mrow><mo>(</mo><mi>f</mi><mo>)</mo></mrow></mrow><mrow><mo>=</mo><munderover><mi>Π</mi><mrow><mi>s</mi><mo>=</mo><mn>1</mn></mrow><mi>S</mi></munderover><msub><mi>φ</mi><msup><mn>2</mn><mi>s</mi></msup></msub><mrow><mo>(</mo><mi>f</mi><mo>)</mo></mrow><mo>*</mo><msub><mi>S</mi><mi>X</mi></msub><mrow><mo>(</mo><mi>f</mi><mo>)</mo></mrow></mrow>WsSX(f)代表多尺度小波變換結(jié)果，2s是尺度因子，*代表卷積運算，S的取值范圍是整數(shù)；然后，對小波變換結(jié)果WsSX(f)求一階倒數(shù)Ws′SX(f)是WsSX(f)的一階導(dǎo)數(shù)，是的尺度一階導(dǎo)函數(shù)。對一階導(dǎo)數(shù)Ws′SX(f)進行求極值運送，得到若干極值點即頻譜邊緣點的估計值表示求極值運算，n是頻譜邊緣點的個數(shù)；(3)、分離信號b1、帶通濾波認知用戶j，j＝1，2，...，J根據(jù)融合中心得到的頻譜邊緣點的估計值將寬帶頻譜劃分為若干個子頻段，對每一個子頻段k，k＝1，2，...，n進行信號分離根據(jù)小波邊緣檢測得到頻譜邊緣點的集合來設(shè)置每個子頻段的帶通濾波器，任取兩個相鄰的頻譜邊緣點設(shè)置第k子頻段帶通濾波器的帶寬為然后，用第k子頻段帶通濾波器對每個恢復(fù)信號進行濾波，濾波后的信號為<mrow><msub><mover><mi>r</mi><mo>^</mo></mover><mrow><mi>j</mi><mo>,</mo><mi>k</mi></mrow></msub><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>=</mo><msub><mover><mi>r</mi><mo>^</mo></mover><mi>j</mi></msub><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>*</mo><msub><mi>H</mi><mi>B</mi></msub><mo>,</mo><mi>j</mi><mo>=</mo><mn>1,2</mn><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><mi>J</mi></mrow>式中，HB為帶通濾波器的沖激響應(yīng)，表示第j個恢復(fù)信號用第k子頻段帶通濾波器濾波后的信號，J個濾波后的信號構(gòu)成信號矩陣R<mrow><mi>R</mi><mo>=</mo><mfencedopen='['close=']'><mtable><mtr><mtd><msub><mover><mi>r</mi><mo>^</mo></mover><mrow><mn>1</mn><mo>,</mo><mi>k</mi></mrow></msub><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow></mtd></mtr><mtr><mtd><msub><mover><mi>r</mi><mo>^</mo></mover><mrow><mn>2</mn><mo>,</mo><mi>k</mi></mrow></msub><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow></mtd></mtr><mtr><mtd><mo>.</mo></mtd></mtr><mtr><mtd><mo>.</mo></mtd></mtr><mtr><mtd><mo>.</mo></mtd></mtr><mtr><mtd><msub><mover><mi>r</mi><mo>^</mo></mover><mrow><mi>J</mi><mo>,</mo><mi>k</mi></mrow></msub><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow></mtd></mtr></mtable></mfenced><mo>,</mo></mrow>R的每一個行向量表示一個濾波后的信號；b2、預(yù)處理中心化<mrow><mover><mi>R</mi><mo>~</mo></mover><mo>=</mo><mi>R</mi><mo>-</mo><mi>E</mi><mo>{</mo><mi>R</mi><mo>}</mo></mrow>式中，表示中心化后的信號矩陣，E{·}表示求期望；中心化后的信號矩陣的各個行向量均值為0；白化<mrow><mover><mi>R</mi><mo>^</mo></mover><mo>=</mo><mi>C</mi><mo>·</mo><msup><mi>D</mi><mrow><mo>-</mo><mfrac><mn>1</mn><mn>2</mn></mfrac></mrow></msup><mo>·</mo><msup><mi>C</mi><mi>T</mi></msup><mo>·</mo><mover><mi>R</mi><mo>~</mo></mover></mrow>式中，表示白化后的信號矩陣，C表示的特征向量構(gòu)成的正交矩陣，D是的特征值矩陣，D＝diag(d1，d2，...)，{di}是的特征值；b3、分離根據(jù)白化后的信號矩陣來求出分離矩陣Wb31、初始化分離矩陣W隨機生成一個J×N階矩陣，N為分離信號的數(shù)量；b32、取分離矩陣W的第p個列向量W(，p)，p＝1，2，3，...，N；b33、將列向量W(，p)向量代入迭代式更新W(，p)向量<mrow><mi>W</mi><mrow><mo>(</mo><mo>:</mo><mo>,</mo><mi>p</mi><mo>)</mo></mrow><mo>=</mo><mi>E</mi><mo>{</mo><mover><mi>R</mi><mo>^</mo></mover><mo>·</mo><mi>g</mi><mrow><mo>(</mo><mi>W</mi><msup><mrow><mo>(</mo><mo>:</mo><mo>,</mo><mi>p</mi><mo>)</mo></mrow><mi>T</mi></msup><mo>·</mo><mover><mi>R</mi><mo>^</mo></mover><mo>)</mo></mrow><mo>}</mo><mo>-</mo><mi>E</mi><mo>{</mo><msup><mi>g</mi><mo>′</mo></msup><mrow><mo>(</mo><mi>W</mi><msup><mrow><mo>(</mo><mo>:</mo><mo>,</mo><mi>p</mi><mo>)</mo></mrow><mi>T</mi></msup><mo>·</mo><mover><mi>R</mi><mo>^</mo></mover><mo>)</mo></mrow><mo>}</mo><mo>·</mo><mi>W</mi><mrow><mo>(</mo><mo>:</mo><mo>,</mo><mi>p</mi><mo>)</mo></mrow><mo>;</mo></mrow>其中，g(·)是非二次函數(shù)，E{·}代表期望運算，g′(·)代表對g(·)求導(dǎo)，“·”是相乘運算，“T”是向量的轉(zhuǎn)置；b34、去相關(guān)<mrow><mi>W</mi><mrow><mo>(</mo><mo>:</mo><mo>,</mo><mi>p</mi><mo>)</mo></mrow><mo>=</mo><mi>W</mi><mrow><mo>(</mo><mo>:</mo><mo>,</mo><mi>p</mi><mo>)</mo></mrow><mo>-</mo><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mrow><mi>p</mi><mo>-</mo><mn>1</mn></mrow></munderover><mi>W</mi><msup><mrow><mo>(</mo><mo>:</mo><mo>,</mo><mi>p</mi><mo>)</mo></mrow><mi>T</mi></msup><mo>·</mo><mi>W</mi><mrow><mo>(</mo><mo>:</mo><mo>,</mo><mi>i</mi><mo>)</mo></mrow><mo>·</mo><mi>W</mi><mrow><mo>(</mo><mo>:</mo><mo>,</mo><mi>i</mi><mo>)</mo></mrow><mo>;</mo></mrow>歸一化W(，p)＝W(，p)/||W(，p)||；其中，“||·||”代表求向量的2范數(shù)；b35、如果兩次迭代計算出的列向量W(，p)基本相同，則算法收斂，這樣就計算出分離矩陣的一個列向量，否則返回步驟b33；b36、重復(fù)步驟b32～b35計算出分離矩陣W的N個列向量，得到分離矩陣W；計算出分離矩陣W后，根據(jù)下式得出構(gòu)成主用戶信號的原始信號的估計值<mrow><mover><mi>S</mi><mo>^</mo></mover><mo>=</mo><msup><mi>W</mi><mi>T</mi></msup><mo>·</mo><mover><mi>R</mi><mo>^</mo></mover></mrow>其中，表示白化后的信號矩陣，估計值即為分離后的信號矩陣，的各行向量為各原始信號。FSA00000256498400011.tif,FSA00000256498400012.tif,FSA00000256498400014.tif,FSA00000256498400018.tif,FSA00000256498400019.tif,FSA000002564984000110.tif,FSA000002564984000111.tif,FSA00000256498400021.tif,FSA00000256498400022.tif,FSA00000256498400023.tif,FSA00000256498400024.tif,FSA00000256498400025.tif,FSA00000256498400026.tif,FSA00000256498400027.tif,FSA00000256498400029.tif,FSA000002564984000212.tif,FSA000002564984000213.tif,FSA00000256498400032.tif,FSA00000256498400033.tif,FSA00000256498400034.tif,FSA00000256498400035.tif,FSA00000256498400036.tif,FSA00000256498400039.tif,FSA000002564984000311.tif,FSA000002564984000312.tif,FSA000002564984000313.tif全文摘要本發(fā)明公開了一種認知網(wǎng)絡(luò)中基于壓縮感知的寬帶信號分離方法，由于很多寬帶信號可能是稀疏的，以奈奎斯特速率進行采樣需要很多采樣點數(shù)。因此，本發(fā)明提出了三步法來分離寬帶信號，第一步先進行壓縮感知重構(gòu)主用戶信號rj(t)，得到恢復(fù)信號第二步對恢復(fù)后信號進行小波邊緣檢測確定頻譜邊緣，第三步對每一個子頻段進行信號分離，通過這樣的方法，降低了采樣速率，從而降低了硬件要求。另外，在分離信號時，本發(fā)明采用盲源分離的方法來分離信號，該方法的收斂速度快，準(zhǔn)確。文檔編號H04L25/03GK101951619SQ201010272319公開日2011年1月19日申請日期2010年9月3日優(yōu)先權(quán)日2010年9月3日發(fā)明者劉丹,劉健,李超,隆克平申請人:電子科技大學(xué)