專(zhuān)利名稱(chēng)：基于回溯和集中式協(xié)作認(rèn)知無(wú)線電寬帶頻譜壓縮感知方法
技術(shù)領(lǐng)域：
本發(fā)明涉及在認(rèn)知無(wú)線電系統(tǒng)中，基于回溯壓縮采樣匹配和集中式多用戶(hù)協(xié)作檢測(cè)的頻譜感知方法，屬于通信技術(shù)領(lǐng)域。
背景技術(shù)：
隨著通信產(chǎn)業(yè)的迅猛發(fā)展，人們?cè)谙硎軣o(wú)線通信帶來(lái)的便捷高效體驗(yàn)的同時(shí)，對(duì)無(wú)線通信業(yè)務(wù)的需求量也驟然增加。無(wú)線通信的頻譜使用存在的最大問(wèn)題是頻譜資源調(diào)配困難，這使得頻譜資源成為了當(dāng)今社會(huì)不可或缺的寶貴資源。頻譜的頻段可分為授權(quán)頻段和非授權(quán)頻段。在已分配的授權(quán)頻段和非授權(quán)頻段中存在著頻譜資源利用的不平衡性和低效率性。首先，授權(quán)頻段占用頻譜資源的很大一部分，但全球授權(quán)頻段尤其是信號(hào)傳播特性較好的低頻段的頻譜利用率極低。其次，開(kāi)放使用的非授權(quán)頻段占整個(gè)頻譜資源的很少一部分，而使用非授權(quán)頻段的用戶(hù)數(shù)量多、業(yè)務(wù)量大，因此非授權(quán)頻段被過(guò)度利用，基本趨于飽和狀態(tài)。認(rèn)知無(wú)線電(Cognitive Radio, CR)作為一種能夠自主感知、理解和學(xué)習(xí)周?chē)鸁o(wú)線環(huán)境的智能無(wú)線電，具有實(shí)時(shí)調(diào)整內(nèi)部配置以適應(yīng)外部無(wú)線環(huán)境變化的能力，使次級(jí)用戶(hù)系統(tǒng)可以在不影響授權(quán)用戶(hù)使用的前提下，智能地利用空閑授權(quán)頻段并提高通信的可靠性，為解決上述頻譜資源利用問(wèn)題提供了全新的途徑。頻譜感知技術(shù)則是認(rèn)知無(wú)線電中最關(guān)鍵的技術(shù)之一。通過(guò)頻譜感知技術(shù)可以檢測(cè)所處無(wú)線環(huán)境的頻譜占用情況，確定目前可用于數(shù)據(jù)傳輸?shù)淖有诺?。然而，以往的頻譜感知大都采用基于奈奎斯特(Nyquist)采樣定理的窄帶頻譜檢測(cè)，定理指出，若要通過(guò)采樣信號(hào)精確重建原始信號(hào)，采樣速率必須達(dá)到信號(hào)帶寬的兩倍以上。由此可見(jiàn)，帶寬是奈奎斯特采樣定理對(duì)采樣的本質(zhì)要求。因而，寬帶頻譜感知技術(shù)發(fā)展緩慢的最重要原因就是奈奎斯特采樣定理的束縛。并且窄帶檢測(cè)一次只能檢測(cè)到一個(gè)信道，大大削弱了頻譜感知的效率。近年來(lái)出現(xiàn)了一種新穎的理論-壓縮感知(Compressed Sensing,CS)為數(shù)據(jù)采
集技術(shù)帶來(lái)了革命性的突破，得到了業(yè)界的廣泛關(guān)注。壓縮感知采用非自適應(yīng)線性投影來(lái)保持信號(hào)的原始結(jié)構(gòu)，通過(guò)最優(yōu)化問(wèn)題準(zhǔn)確重構(gòu)原始信號(hào)。若信號(hào)可以用某種稀疏基來(lái)稀疏表示，則它就可以用壓縮感知理論進(jìn)行信號(hào)檢測(cè)。美國(guó)聯(lián)邦通信委員會(huì)(FCC)指出已經(jīng)分配的頻譜資源利用率非常低，頻譜空洞序列呈現(xiàn)一種“稀疏性”。因此可以在寬帶認(rèn)知無(wú)線電系統(tǒng)中引入CS理論，突破A/D采樣率的限制。近期，國(guó)內(nèi)外有學(xué)者提出了一些新的寬帶頻譜檢測(cè)算法。例如，段嘉琪和李勇針對(duì)認(rèn)知無(wú)線電提出了一種基于低速率的模擬-信息轉(zhuǎn)換架構(gòu)，并利用分組協(xié)作對(duì)前段模擬信號(hào)進(jìn)行壓縮采樣，然后恢復(fù)采樣信息并檢測(cè)寬帶頻譜占用情況。Ching-Chun Huang和L1-Chun Wang提出了一種基于采樣率動(dòng)態(tài)調(diào)整的認(rèn)知無(wú)線電寬帶頻譜感知方法。在專(zhuān)利方面，朱琦、王璐瑜等人的專(zhuān)利——基于壓縮感知的寬帶頻譜感知方法(公開(kāi)號(hào):CN102291341A)提供了一種以檢測(cè)差分信號(hào)代替信號(hào)本身作為頻譜判斷依據(jù)，以精度作為算法的迭代停止條件的寬帶頻譜感知方法。趙林靖、陳曦等人的專(zhuān)利一基于并行壓縮感知的寬帶認(rèn)知無(wú)線電頻譜檢測(cè)方法(公開(kāi)號(hào):CN101630982)則提出一種利用頻譜檢測(cè)器的各個(gè)并行支路對(duì)接收信號(hào)進(jìn)行獨(dú)立壓縮感知的寬帶認(rèn)知無(wú)線電頻譜檢測(cè)方法。然而，現(xiàn)有的大部分寬帶頻譜感知技術(shù)都存在三大問(wèn)題:(I)、大部分寬帶頻譜感知技術(shù)都是基于單個(gè)認(rèn)知無(wú)線電用戶(hù)的檢測(cè)，單節(jié)點(diǎn)感知在檢測(cè)時(shí)間足夠長(zhǎng)且信噪比較大時(shí)能很好的滿(mǎn)足認(rèn)知無(wú)線電的要求，然而在實(shí)際的無(wú)線環(huán)境中存在許多不利的因素，如隱蔽終端、多徑和陰影等，這使得檢測(cè)的準(zhǔn)確性有所欠缺。(2)、壓縮感知中使用頻率最高的重構(gòu)算法是MP、OMP和ROMP等，其共同缺點(diǎn)在于待選原子一旦進(jìn)入支撐集候選，就將永遠(yuǎn)不會(huì)再被刪除，缺少“回溯”思想，這樣的原子選擇機(jī)制是非最優(yōu)的，從而無(wú)法最大程度保證重建的全局最優(yōu)性。(3)、在基于壓縮感知的寬帶頻譜感知中，大部分方法都需要執(zhí)行壓縮感知的全過(guò)程，完全重構(gòu)出寬帶信號(hào)的頻譜，計(jì)算的復(fù)雜度較大。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種在寬帶認(rèn)知無(wú)線電系統(tǒng)中進(jìn)行高效頻譜感知的方法，此方法既能提高頻譜檢測(cè)的正確性，又同時(shí)能夠降低計(jì)算的復(fù)雜度。為了達(dá)到上述目的，本發(fā)明的技術(shù)方案是提供了一種基于回溯和集中式協(xié)作認(rèn)知的無(wú)線電寬帶頻譜壓縮感知方法，其特征在于，步驟為:第一步、對(duì) 每個(gè)認(rèn)知無(wú)線電用戶(hù)分別進(jìn)行壓縮感知部分重構(gòu)，其步驟為:步驟11、對(duì)每個(gè)認(rèn)知無(wú)線電用戶(hù)接收到的原始信號(hào)進(jìn)行稀疏變換，第k個(gè)認(rèn)知無(wú)
線電用戶(hù)的原始信號(hào)4 = ψΑ =Ψ^其中，Wi為Ψ中第i列的列向量，Ψ為NXN矩陣，
J=I
是原始信號(hào)Xk的稀疏基，s為權(quán)重向量，Si為s中的第i個(gè)元素；步驟12、將每個(gè)經(jīng)過(guò)稀疏變換后的信號(hào)分別投影到一組測(cè)量向量上，得到一組觀測(cè)值的集合，對(duì)于第k個(gè)認(rèn)知無(wú)線電用戶(hù)而言，其集合yk= ΦΨ 其中，Φ為MXN矩陣，是測(cè)量向量，令O = ΦΨ，則O為MXN矩陣；步驟13、采用基于回溯思想的壓縮采樣匹配追蹤方法部分重構(gòu)獲取每個(gè)認(rèn)知無(wú)線電用戶(hù)接收到的原始信號(hào)的特征值，對(duì)于第k個(gè)認(rèn)知無(wú)線電用戶(hù)而言，循環(huán)執(zhí)行步驟13.1至步驟13.4，共執(zhí)行m次迭代，第t次迭代的步驟為:步驟13.1、從恢復(fù)矩陣At中選取與余量IV1相關(guān)性最大的前2K列并從大到小排列組成矩陣Atl，K為原始信號(hào)Xk的稀疏階數(shù)，第一次迭代時(shí)，恢復(fù)矩陣A1 = Θ，余量Γ(ι =Yk ；步驟13.2、更新恢復(fù)矩陣At，At = [At2, Atl]，At2為第t-Ι次迭代后所得到的恢復(fù)矩陣Aw中的前K列所組成的矩陣，第一次迭代時(shí)，恢復(fù)矩陣A0 = NULL ；步驟13.3、求解θ最小范數(shù)問(wèn)題使得殘差I(lǐng) |At θ -yk| I最小，得特征值I,,迭代結(jié)束后求得的特征值Ii即為第k個(gè)認(rèn)知無(wú)線電用戶(hù)接收到的原始信號(hào)的特征值步驟I3.4、第m次迭代時(shí),結(jié)束整個(gè)迭代過(guò)程,否則更新余量rt,r( =yk -AlSt ；第二步、對(duì)各個(gè)認(rèn)知無(wú)線電用戶(hù)分別進(jìn)行判決，并將判決結(jié)果上傳給數(shù)據(jù)融合中心，對(duì)于第k個(gè)認(rèn)知無(wú)線電用戶(hù)而言，設(shè)定門(mén)限值Y，若g >7，則判定為該認(rèn)知無(wú)線電用
m
戶(hù)的頻譜被占用，否則，判定為該認(rèn)知無(wú)線電用戶(hù)的頻譜空閑；第三步、數(shù)據(jù)融合中心根據(jù)相關(guān)算法對(duì)上傳的頻譜信息進(jìn)行匯總?cè)诤喜⒔o出全局判定。優(yōu)選地，步驟11中所述的稀疏基Ψ采用傅里葉正變換矩陣。優(yōu)選地，步驟12中所述的測(cè)量向量Φ采用的測(cè)量矩陣使用高斯隨機(jī)矩陣。本發(fā)明通過(guò)對(duì)壓縮感知過(guò)程中信號(hào)重構(gòu)算法的改進(jìn)，以及將單用戶(hù)頻譜檢測(cè)改為集中式多用戶(hù)的協(xié)作頻譜檢測(cè)，能夠改進(jìn)背景技術(shù)中的三大問(wèn)題，大幅度提高寬帶認(rèn)知無(wú)線電系統(tǒng)的頻譜感知效率和正確率，同時(shí)還降低計(jì)算的復(fù)雜度。本發(fā)明采用了創(chuàng)新的基于回溯思想的壓縮采樣匹配追蹤部分信號(hào)重構(gòu)與集中式多用戶(hù)協(xié)作頻譜檢測(cè)，設(shè)計(jì)了一種基于壓縮采樣匹配追蹤的認(rèn)知無(wú)線電寬帶頻譜協(xié)作壓縮感知方法，該方法對(duì)背景技術(shù)中的算法存在的問(wèn)題做出了有效的改進(jìn)。本發(fā)明的優(yōu)點(diǎn)體現(xiàn)在以下三點(diǎn):(I)、本發(fā)明中壓縮感知的重構(gòu)算法引入回溯思想，從原子庫(kù)中選擇多個(gè)較相關(guān)的原子同時(shí)剔除部分原子，從而提高頻譜檢測(cè)效率。更重要的是，引入回溯思想的壓縮采樣匹配追蹤重構(gòu)方法可以對(duì)任意噪聲測(cè)量下保證重建，而不同于其他重構(gòu)方法只能在特定精確的測(cè)量條件下給出精確重建。(2)、本發(fā)明采用集中式多用戶(hù)協(xié)作檢測(cè)技術(shù)，有效對(duì)抗實(shí)際無(wú)線環(huán)境中隱蔽終端、多徑和陰影等不利因素，大大提高了寬帶頻譜感知的準(zhǔn)確性。(3)、認(rèn)知無(wú)線電寬帶頻譜感知系統(tǒng)中，進(jìn)行壓縮感知的目的是獲取主用戶(hù)頻段的能量特征值而并非重構(gòu)信號(hào)。本發(fā)明并未執(zhí)行壓縮感知全過(guò)程完全重構(gòu)出原始信號(hào)，而是通過(guò)從觀測(cè)矩陣投影的少量觀測(cè)值中提取出特征值，從而判定主用戶(hù)的存在與否，降低了計(jì)算的復(fù)雜度。


圖1為本發(fā)明的流程圖；圖2為具體實(shí)施方案中仿真所用原信號(hào)頻譜圖；圖3為與單用戶(hù)檢測(cè)比較的系統(tǒng)性能圖；圖4為與傳統(tǒng)OMP算法比較的系統(tǒng)性能圖。
具體實(shí)施例方式為使本發(fā)明更明顯易懂，茲以?xún)?yōu)選實(shí)施例，并配合附圖作詳細(xì)說(shuō)明如下。以下結(jié)合圖1對(duì)本發(fā)明的實(shí)施方法進(jìn)行具體闡述:第一部分:對(duì)每個(gè)認(rèn)知無(wú)線電用戶(hù)分別進(jìn)行壓縮感知部分重構(gòu)，對(duì)于第k個(gè)認(rèn)知無(wú)線電用戶(hù)而言，其步驟 為:(I)、對(duì)原始寬帶信號(hào)進(jìn)行稀疏變換設(shè)第k個(gè)認(rèn)知無(wú)線電用戶(hù)的原始信號(hào)Xk是實(shí)數(shù)域Rnx1的一維有限長(zhǎng)離散信號(hào)，即xk e RNX1。xk在某個(gè)正交基Ψ上是稀疏的或可壓縮的，正交基Ψ為NXN矩陣，則原始信號(hào)Xk可以用正交基Ψ中的所有列向量的線性組合生成，即:
權(quán)利要求
1.一種基于回溯和集中式協(xié)作認(rèn)知的無(wú)線電寬帶頻譜壓縮感知方法，其特征在于，步驟為: 第一步、對(duì)每個(gè)認(rèn)知無(wú)線電用戶(hù)分別進(jìn)行壓縮感知部分重構(gòu)，其步驟為: 步驟11、對(duì)每個(gè)認(rèn)知無(wú)線電用戶(hù)接收到的原始信號(hào)進(jìn)行稀疏變換，第k個(gè)認(rèn)知無(wú)線電用戶(hù)的原始信號(hào)
2.如權(quán)利要求1所述的一種基于回溯和集中式協(xié)作認(rèn)知的無(wú)線電寬帶頻譜壓縮感知方法，其特征在于，步驟11中所述的稀疏基Ψ采用傅里葉正變換矩陣。
3.如權(quán)利要求1所述的一種基于回溯和集中式協(xié)作認(rèn)知的無(wú)線電寬帶頻譜壓縮感知方法，其特征在于，步驟12中所述的測(cè)量向量Φ采用的測(cè)量矩陣使用高斯隨機(jī)矩陣。
全文摘要
本發(fā)明提供了一種基于回溯和集中式協(xié)作認(rèn)知的無(wú)線電寬帶頻譜壓縮感知方法，其特征在于，步驟為第一步、對(duì)每個(gè)認(rèn)知無(wú)線電用戶(hù)分別進(jìn)行壓縮感知部分重構(gòu)；第二步、對(duì)各個(gè)認(rèn)知無(wú)線電用戶(hù)分別進(jìn)行判決，并將判決結(jié)果上傳給數(shù)據(jù)融合中心；第三步、數(shù)據(jù)融合中心根據(jù)相關(guān)算法對(duì)上傳的頻譜信息進(jìn)行匯總?cè)诤喜⒔o出全局判定。本發(fā)明通過(guò)對(duì)壓縮感知過(guò)程中信號(hào)重構(gòu)算法的改進(jìn)，以及將單用戶(hù)頻譜檢測(cè)改為集中式多用戶(hù)的協(xié)作頻譜檢測(cè)，大幅度提高寬帶認(rèn)知無(wú)線電系統(tǒng)的頻譜感知效率和正確率，同時(shí)還降低計(jì)算的復(fù)雜度。
文檔編號(hào)H04L1/06GK103138859SQ20131005889
公開(kāi)日2013年6月5日 申請(qǐng)日期2013年2月25日 優(yōu)先權(quán)日2013年2月25日
發(fā)明者陳悅, 吳赟, 袁振 申請(qǐng)人:東華大學(xué)