基于能量有效的多任務貝葉斯壓縮感知寬帶頻譜檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于信息與通信工程技術(shù)領(lǐng)域，設(shè)及一種基于能量有效的多任務貝葉斯壓 縮感知寬帶頻譜檢測方法，屬于無線通信系統(tǒng)中的認知無線網(wǎng)絡(luò)技術(shù)、多認知節(jié)點寬帶頻 譜檢測中的能量有效性研究，實現(xiàn)感知信號重構(gòu)性能、寬帶頻譜檢測性能與多節(jié)點多任務 感知能耗之間的有效折衷。
【背景技術(shù)】
[0002] 認知無線電（CognitiveRadio,CR)亦稱為感知無線電，它可在不影響主用戶 (Primary化ers，PUs)通信的前提下，智能地利用大量空閑頻譜W滿足次用戶（Secondary 化ers,SUs)即認知用戶（Cognitive化ers,CUs)的可靠通信，從而提高無線頻譜的利用 率，實現(xiàn)頻譜資源共享。認知用戶能夠?qū)崟r感知無線通信系統(tǒng)周圍的網(wǎng)絡(luò)環(huán)境，通過對環(huán)境 的理解、主動學習來動態(tài)地調(diào)整網(wǎng)絡(luò)參數(shù)W適應外部環(huán)境的變化。
[0003] 認知無線電具備極高的頻譜使用效率，允許在時間、頻率W及空間上進行多維信 道復用，它通過機會通信方式提高頻譜利用率，充分利用有限的頻譜資源，實現(xiàn)動態(tài)頻譜共 享。CR技術(shù)將大大降低由于頻段和帶寬的限制對無線技術(shù)發(fā)展的束縛，代表著無線通信技 術(shù)的新發(fā)展，并已作為B4G和物聯(lián)網(wǎng)標準中的關(guān)鍵技術(shù)之一。
[0004] 在追求高頻譜利用率、高傳輸效率的同時，CR對能量有效性、提高系統(tǒng)抗干擾性能 等方面提出了更高的要求。研究表明，節(jié)點進行頻譜感知與傳輸?shù)墓膯栴}是CR網(wǎng)絡(luò)能耗 開銷的主要問題。隨著CR節(jié)點密度的增加和網(wǎng)絡(luò)覆蓋面積的擴大，CR的能耗問題已日益 受到關(guān)注，"綠色化"已經(jīng)成為未來CR網(wǎng)絡(luò)的發(fā)展方向之一。
[0005] 構(gòu)造綠色節(jié)能的CR網(wǎng)絡(luò)是未來CR的發(fā)展趨勢。在綠色CR網(wǎng)絡(luò)中，必須考慮在CR 節(jié)點能量有效的前提下，利用多個CR節(jié)點進行協(xié)作感知W提高感知準確度。同時，針對授 權(quán)主用戶信號在空頻域的稀疏性特點，通過壓縮感知方法獲得稀疏信號的估計，實現(xiàn)在多 節(jié)點多任務傳輸條件下的稀疏信號重構(gòu)與寬帶壓縮頻譜檢測，在滿足一定檢測性能與重構(gòu) 均方誤差MSE要求下保障CR節(jié)點的能量有效性。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的是提供一種基于能量有效的多任務貝葉斯壓縮感知炬ayesian CompressiveSensing,BC巧寬帶頻譜檢測方法。
[0007] 本發(fā)明方法具體包括W下步驟：
[000引步驟（1)認知用戶本地頻譜感知：
[0009]根據(jù)主用戶（Primary化er,PU)在授權(quán)頻譜上接入行為的不同，主用戶PU的信號 在空頻域具有稀疏性，認知用戶（Secondary化er，SU)的感知參數(shù)隨著主用戶PU接入的變 化而變化；認知用戶SU通過低速采樣獲取的觀測數(shù)據(jù)進行本地頻譜感知，并通過報告信道 向認知基站（CognitiveBaseStation,CB巧報告本地感知信息，認知基站利用貝葉斯壓縮 感知方法重構(gòu)主用戶PU寬帶信道上的功率譜，實現(xiàn)在主用戶PU寬帶信道上的頻譜檢測。其 具體方法是：
[0010] 主用戶發(fā)射機（PrimaryUserTransmitter,PUT)與主用戶接收機（Primary UserReceiver,PUR)利用授權(quán)頻譜進行通信，K個認知用戶SU對主用戶PU頻譜占用情 況進行本地感知，并選擇最佳認知用戶SU，利用最佳認知用戶SU的報告信道向認知基站 CBS匯報本地感知信息，認知基站CBS基于多任務貝葉斯壓縮感知炬ayesianCompressive Sensing,BC巧進行信息融合與感知信號稀疏重構(gòu)，然后根據(jù)信道能量累積進行在主用戶 PU寬帶信道上的頻譜檢測。
[0011] 在擁亥Ij，第k個認知用戶SU進行本地頻譜感知信號XeEkW為
【主權(quán)項】
1.基于能量有效的多任務貝葉斯壓縮感知寬帶頻譜檢測方法，其特征在于，該方法的 具體步驟是： 步驟（1)認知用戶本地頻譜感知： 根據(jù)主用戶PU在授權(quán)頻譜上接入行為的不同，主用戶PU的信號在空頻域具有稀疏性， 認知用戶SU的感知參數(shù)隨著主用戶PU接入的變化而變化；認知用戶SU通過低速采樣獲取 觀測數(shù)據(jù)進行本地頻譜感知，并通過報告信道向認知基站CBS報告本地感知信息，認知基 站利用貝葉斯壓縮感知方法重構(gòu)主用戶PU寬帶信道上的功率譜，實現(xiàn)在主用戶ro寬帶信 道上的頻譜檢測；其具體方法是： 主用戶發(fā)射機PUT與主用戶接收機PUR利用授權(quán)頻譜進行通信，K個認知用戶SU對主 用戶PU頻譜占用情況進行本地感知，并選擇最佳認知用戶SU，利用最佳認知用戶SU的報告 信道向認知基站CBS匯報本地感知信息，認知基站CBS基于多任務貝葉斯壓縮感知BCS進 行信息融合與感知信號稀疏重構(gòu)，然后根據(jù)信道能量累積進行在主用戶PU寬帶信道上的 頻譜檢測； 在t時亥I」，第k個認知用戶SU進行本地頻譜感知信號(0為
;其中，hk表示第k個認知用戶SU的感知信道增益， xPUT(t)表示在t時亥|J主用戶發(fā)射機PUT的發(fā)射信號，nk(t)表示感知信道的加性高斯白噪 聲，氏和H^分別表示主用戶發(fā)射機PUT存在和不存在的兩種假設(shè)； 步驟（2)認知基站對感知信號進行統(tǒng)一觀測： 記L組長度為N的原始信號{xjim，把這些信號映射到L組吣X1維的觀測向量 Wim，映射的觀測矩陣為Ae 其中R為實數(shù)集合；原始信號^ ...4在 變換基屯上稀疏表示為{sji= 1，2，...，t，則 y.= 〇iXi+E^ 〇 0iSi+Ei,i= 1, 2, ???,L 其中?i表示第i個重構(gòu)任務壓縮感知矩陣，每一個由觀測向量yi恢復得到信號x^勺 過程稱為第i個重構(gòu)任務； 步驟（3)通過觀測向量采用貝葉斯壓縮感知方法進行感知參數(shù)估計；所述的貝葉斯壓 縮感知方法為期望最大化方法或相關(guān)向量機模型方法； 步驟（4)認知基站基于貝葉斯壓縮感知BCS進行稀疏重構(gòu)和寬帶頻譜檢測： 在獲得稀疏重構(gòu)估計向量s= 后，得到原始多任務信號x的估計值^ = ^s； 當節(jié)點感知信道為瑞利衰落信道時，寬帶壓縮頻譜檢測的判決門限A為 2 =(IIY||丨）/瓦；對于重構(gòu)信號X%歸一化重構(gòu)均方誤差MSE為：
認知基站進行寬帶壓縮頻譜檢測得到平均檢測概率Prd為：
其中Pr表示概率，Y表示判決統(tǒng)計量，u為時間帶寬積，Y為重構(gòu)信號接收信噪比； 認知基站進行寬帶頻譜檢測時的平均能耗為：
其中，^和0 ,分別為第1個和第i個認知用戶SU的放大轉(zhuǎn)發(fā)增益，N為貝葉斯壓 縮感知BCS重構(gòu)的采樣點數(shù)，Ts為采樣間隔，gUT為主用戶發(fā)射機PUT的發(fā)射功率，#R1 .和 〃^分別為第1個和第i個認知用戶SU的發(fā)射功率； 通過數(shù)值計算求解能耗優(yōu)化問題得到平均感知能耗、平均檢測概率、歸一化重構(gòu)均方 誤差MSE之間的關(guān)系，該優(yōu)化問題為：
5 其中，平均感知能耗的目標函數(shù)互(及，A〇、約束條件均由上式給出，巧和分別表 示寬帶壓縮頻譜檢測的檢測概率閾值和歸一化重構(gòu)均方誤差MSE閾值；所述的約束條件包 括平均檢測概率Prd和歸一化重構(gòu)均方誤差MSE。
2.如權(quán)利要求1所述的基于能量有效的多任務貝葉斯壓縮感知寬帶頻譜檢測方法，其 特征在于：步驟（3)中所述的期望最大化方法對多任務貝葉斯壓縮感知BCS進行參數(shù)估計， 其具體步驟是： ① 首先構(gòu)造由觀測向量71求參數(shù)sJPad勺似然函數(shù)：
其中似然函數(shù)P表示條件概率，參數(shù)Si是通過一個共同的高斯先驗分布得到，L個任務 之間具有相關(guān)性； ② 利用貝葉斯定理，采用最大似然估計方法，推導出超參數(shù)a和噪聲變量a^的后驗 分布密度，得到參數(shù)a^和a的點估計：
③ 當參數(shù)a^和a的點估計被求出之后，采用期望最大化EM算法進行求解，其估計值 分別為：
其中超參數(shù)和是均值和方差{〇 1 = ^.4的函數(shù)，而均值 1>1 = 1，2，...，1和方差{〇山=1，2，...』則是初值〇 (|和（1的函數(shù)； ④通過多次迭代，達到收斂后得到最終的均值估計；該均值估計作為對向量組|8上= 1，2，...，1;的估計值，進一步得到原始信號{1山 =1，2，...，1；的估計：￥=￥^。
3.如權(quán)利要求1所述的基于能量有效的多任務貝葉斯壓縮感知寬帶頻譜檢測方法，其 特征在于：步驟（3)中所述的相關(guān)向量機模型方法對多任務貝葉斯壓縮感知BCS進行參數(shù) 估計，其具體步驟是： ① 首先假定超參數(shù)a和a(l是已知的，當給定觀測值向量y、MXN維隨機觀測矩陣〇、 稀疏變換基V，向量s的后驗概率分布利用貝葉斯準則得到：
兵十P衣不求1干;竿，|n」Ms服從尚斯分布，其均值y和方差〇的求解過程轉(zhuǎn)化為對 超參數(shù)a和a^的求解； ② 在相關(guān)向量機框架下，采用第二類最大似然估計方法進行求解，通過對稀疏權(quán)值向 量s進行邊緣化積分，得到超參數(shù)a和a(l的點估計，分別為：
其中參數(shù)Yi= ：L_ai0ii; ③ 求出稀疏權(quán)值向量s的估計值之后，進一步求得原始信號的估計值f=步s。
【專利摘要】本發(fā)明公開了一種基于能量有效的多任務貝葉斯壓縮感知寬帶頻譜檢測方法。本發(fā)明方法針對認知無線網(wǎng)絡(luò)中主用戶信號在空頻域的稀疏性，基于貝葉斯壓縮感知的信號重構(gòu)通過層次化貝葉斯分析分級先驗模型獲得稀疏信號估計。利用多認知用戶感知信號的時空相關(guān)性實現(xiàn)在多用戶多任務傳輸條件下的稀疏信號重構(gòu)與寬帶壓縮頻譜檢測。認知基站通過基于期望最大化算法和相關(guān)向量機模型進行多任務貝葉斯壓縮感知參數(shù)估計。在滿足一定檢測性能和貝葉斯壓縮感知重構(gòu)均方誤差的條件下，實現(xiàn)節(jié)點感知能耗最小化。本發(fā)明方法有效保障了多節(jié)點多任務寬帶頻譜檢測的節(jié)點能量有效性。
【IPC分類】H04B17-382, H04W24-10, H04W24-06
【公開號】CN104703216
【申請?zhí)枴緾N201510058061
【發(fā)明人】許曉榮, 王贊, 姚英彪, 章堅武
【申請人】杭州電子科技大學
【公開日】2015年6月10日
【申請日】2015年2月4日