頻譜信號感知方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001 ]本發(fā)明涉及無線通信領(lǐng)域，尤其涉及一種頻譜信號感知方法及裝置。
【背景技術(shù)】
[0002] 隨著無線通信業(yè)務(wù)的增長，可利用的頻帶日趨緊張，頻譜資源匱乏的問題日益嚴 重。世界各國現(xiàn)行的頻率使用政策大多采用許可證制度，而獲得許可的用戶并非全天候占 用許可頻段，一些頻帶部分時間內(nèi)并沒有用戶使用，另有一些偶爾才被占用。如何提高頻譜 利用率，在不同區(qū)域和不同時間段里有效地利用不同的空閑頻道，成為人們非常關(guān)注的技 術(shù)問題。
[0003] 認知無線網(wǎng)絡(luò)是一種用于提高無線通信頻譜利用率的新的智能技術(shù)。具有認知功 能的無線通信設(shè)備可以感知周圍的環(huán)境，再利用已經(jīng)分配給授權(quán)用戶，但在某一特定的時 刻和環(huán)境下并沒有被占用的頻帶，即動態(tài)再利用"頻譜空洞"，以實現(xiàn)無論何時何地都能保 證無線頻譜利用的高效性。因此，感知頻譜環(huán)境是認知無線電首要的任務(wù)，它體現(xiàn)了認知無 線電最顯著的特征:能夠感知并分析特定區(qū)域的頻段，找出適合通信的頻譜空穴。
[0004] 目前，采用壓縮感知技術(shù)的頻譜信號感知方法得到了較多的關(guān)注。壓縮感知理論 指出：如果信號是稀疏的（或是可壓縮的），那么就可以以遠低于奈奎斯特(Nyquist)速率的 采樣率對信號進行采樣，并以高概率精確重構(gòu)原信號。在壓縮感知理論中，對信號的采樣可 以在低采樣速率下進行，因此對采樣設(shè)備的要求大大降低。
[0005]分布式壓縮感知利用信號內(nèi)相關(guān)性和互相關(guān)性對多個信號進行聯(lián)合重構(gòu)，充分利 用了分布式傳感器數(shù)據(jù)的時空相關(guān)性，減少了傳輸數(shù)據(jù)量，進一步減少了通信開銷。聯(lián)合稀 疏模型（joint sparse model，JSM)是分布式壓縮感知理論建立的基礎(chǔ)，根據(jù)所有信號中是 否含有共同稀疏部分，JSM可分為三種模型，JSM-I，JSM-2，JSM-3。
[0006] 在JSM-I模型中，相關(guān)稀疏頻譜信號由共同部分和特有部分相加而成，即
[0007] Sj = zc+Zj, je{l,2,---,J}
[0008] 信號Zc代表所有Sj的共同部分，信號Zj代表每個Sj的特有部分，且兩部分都稀疏。 JSM-I模型非常適用于對頻譜的建模。共同部分對應(yīng)于所有感知節(jié)點都能接收到的頻譜，特 有部分對應(yīng)于只有某個感知節(jié)點才能夠接收到的頻譜，即只在該感知節(jié)點附近使用的頻 譜。
[0009] 現(xiàn)有的JSM-I模型下的信號聯(lián)合重構(gòu)方案絕大多數(shù)是采用I1范數(shù)算法實現(xiàn)，該算 法重構(gòu)效果較好，但其速度慢，對于解決大尺度問題難以實際應(yīng)用;JSM-I模型下的基于I 0 范數(shù)的重構(gòu)算法速度較快，然而這類算法需要已知稀疏度等先驗信息，而這些先驗信息很 難獲得，限制了其實際應(yīng)用。

【發(fā)明內(nèi)容】

[0010] 本發(fā)明實施例提供一種頻譜信號感知方法及裝置，用以解決現(xiàn)有技術(shù)中的頻譜感 知方法中對信號元素非零概率先驗信息的要求限制其實際應(yīng)用的問題。
[0011] 本發(fā)明實施例提供的頻譜信號感知方法，包括：
[0012] 根據(jù)第k-Ι次迭代得到的重建頻譜信號中的第i個元素與所述^^的支撐集 中各元素的最小距離，確定頻譜信號向量第i個元素對應(yīng)的加權(quán)項V(P1);重建頻譜信號的 支撐集表示所述重建頻譜信號中非零元素位置的集合;i和k為大于等于1的整數(shù)；
[0013] 確定能使
I達到最大值的i的值，在第k次迭代中該值記為imk;其中， &1表示已知測量矩陣的第i列，表示頻譜信號的測量值與第k-Ι次迭代后重建的所述頻 譜信號的測量值的殘差；
[0014] 將所述第k次迭代中確定的imk值加入到第k-Ι次迭代得到的重建頻譜信號的支撐 集中，形成第k次迭代中更新后的支撐集，并將所述已知測量矩陣的第i mk列加入第k-Ι次迭 代中得到的測量矩陣重建原子集合中，形成第k次迭代更新后的測量矩陣重建原子集合;所 述重建頻譜信號的支撐集表示所述重建頻譜信號中非零元素位置的集合；
[0015] 根據(jù)
的最小值確定第k次迭代的重建頻譜信號之卩其中，Y表示待 重建頻譜信號的測量值，表示所述第k次迭代更新后的測量矩陣重建原子集合， 表示所述第k次迭代后重建的所述頻譜信號的測量值。
[0016] 另一實施例中，所述根據(jù)
的最小值確定第k次迭代的重建頻譜信號 之后，還包括：
[0017] 根據(jù)所述第k次迭代得到的imk，確定所述:?的第imk個元素所屬的子信號其中 {Zc，zi，…，ZJ}，根據(jù)
更新所述子信號M的子支撐集其中，
,N表示所述子信號^的長度，J表示所述待重建頻譜子信號 的個數(shù)，J和N為大于等于1的整數(shù);z。表示所述J個待重建頻譜子信號的共同部分，Z1，…，Zj 表示所述J個待重建頻譜子信號的特有部分；
[0018] 確定所述子信號^的子支撐集1
的元素個數(shù)是否達到所述信號 Zj的稀疏度KjE {Kc；，Ki，…，Kj}，其中，稀疏度Kc；，Ki，…,Kj表不子信號Zc；，zi，…，zj中非零兀素 個數(shù);如果達到，則第k+Ι次迭代尋找im(k+1)時不考慮子信號^的任何元素。
[0019] 另一實施例中，所述根據(jù)所述第k次迭代得到的imk，確定所述%的第imk個元素所 屬的子信號W還包括:確定所述：^^的第imk個元素在所述子信號W中的位置i'，用于在第k+1 次迭代尋找im(k+1)時不考慮各子信號中的第i'個元素。
[0020] 另一實施例中，所述根據(jù)第k-Ι次迭代得到的重建頻譜信號之中的第i個元素與 所述%^的支撐集中各元素的最小距離確定頻譜信號向量第i個元素對應(yīng)的加權(quán)項包括：
[0021] 根據(jù)所述第k-Ι次迭代得到的重建頻譜信號中的第i個元素與所述第k-Ι次迭 代得到的重建頻譜信號的支撐集中各元素的最小距離，確定所述重建頻譜信號第i個元素 的非零概率；
[0022] 根據(jù)所述重建頻譜信號中的第i個元素的非零概率確定所述重建頻譜信號第i個 元素的加權(quán)項V (Pi)。
[0023] 另一實施例中，所述根據(jù)所述第k-1次迭代得到的重建頻譜信號中的第1個元 素與所述第k-Ι次迭代得到的重建頻譜信號的支撐集中各元素的最小距離，確定所述重建 頻譜信號第i個元素的非零概率，包括：
[0024]根據(jù)
[0025] Pi = C · exp(_m/a)
[0026] 確定所述重建頻譜信號第i個元素的非零概率；
[0027]其中，Pl表示第i個元素的非零概率，C表示一個常量，為任意正數(shù)，m表示第k-Ι次 迭代得到的重建頻譜信號·^^第i個元素與所述第k-Ι次迭代得到的重建頻譜信號的支撐 集中各元素的距離的最小值，a表示衰減因子，控制P 1衰減的速度。
[0028]另一實施例中，所述根據(jù)所述重建頻譜信號中的第i個元素的非零概率確定所述 重建頻譜信號第i個元素的加權(quán)項，包括：
[0029]根據(jù)
[0031] 確定所述重建頻譜信號第i個元素的加權(quán)項；
[0032] 其中，v(Pl)表示所述重建頻譜信號第i個元素的加權(quán)項，g為所述頻譜信號的測量 值中非零元素的均值，σ為噪聲的標準差，k表示迭代次數(shù)，K表示待重建頻譜信號的聯(lián)合稀 疏度，其中，K=KdK 1+…+Kj。
[0033] 另一實施例中，所述確定所述子信號Zj的子支撐集
：的元素個 數(shù)是否達到所述信號W的稀疏度IKc^K1，…,?}，如果達到，則下一次迭代尋找im(k+1)時 不考慮子信號Zj的任何元素之后，還包括：
[0034] 更新所述頻譜信號的測量值與第k次迭代后重建的測量值的殘差以及迭代次數(shù)k; [0035]判斷所述迭代次數(shù)k是否滿足k>K，如果滿足，則停止迭代。
[0036] 另一實施例中，所述判斷所述迭代次數(shù)k是否滿足k>K，如果滿足，則停止迭代之 后，還包括：
[0037] 將所述重建頻譜信號矩陣拆分為重建