CN103139828A - 一种宽带频谱感知装置及方法 - Google Patents
一种宽带频谱感知装置及方法 Download PDFInfo
- Publication number
- CN103139828A CN103139828A CN2012105932944A CN201210593294A CN103139828A CN 103139828 A CN103139828 A CN 103139828A CN 2012105932944 A CN2012105932944 A CN 2012105932944A CN 201210593294 A CN201210593294 A CN 201210593294A CN 103139828 A CN103139828 A CN 103139828A
- Authority
- CN
- China
- Prior art keywords
- signal
- spectrum signal
- rarefication
- degree
- frequency spectrum
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
一种宽带频谱感知装置及方法,属于无线通信技术。包括:宽带频谱信号获取器、 噪声强度估计器、稀疏度估计器、自适应压缩采样器信号重构器和频谱分配器。本发明采用简单的机制对当前噪声强度与宽带频谱信号的稀疏度估计,为压缩次数决策提供了有效支持,并有利于避免现有固定采样的不足,为准确重构宽带频谱信号提供支持;设计了权重变化因子,解决了现有SAMP重构方法中过重构与欠重构问题,大大提高了重构的速度与准确度。
Description
技术领域
本发明属于无线通信技术,特别涉及一种宽带频谱感知装置及方法。
背景技术
随着无线通信技术进入宽带化的飞速发展阶段,各种新无线通信技术及新标准不断涌现并实用化,使得无线通信用户急剧增加,用户的业务需求也不断增长,而且其所能够提供的无线通信业务也从简单的低速语音业务向高速宽带多媒体数据业务发展,无线电频谱资源日益紧缺,并成为制约无线通信发展的严重瓶颈。近年来,认知无线电技术的产生和发展为人们提供了新的解决思路。该技术通过主动检测以寻找可用的频谱空穴,在不影响授权用户的前提下,实现伺机的动态频谱接入,提高频谱资源利用率与无线用户的接入率,受到了业界的广泛关注。
频谱感知技术作为认知无线电的先决条件,频谱感知能力的强弱在某种程度上决定了认知无线电的性能。目前的研究主要包括窄带频谱感知与宽带频谱感知两类。窄带频谱感知针对一个窄带频段,通过检测是否存在主用户信号来判断是否有主用户占用该频段。对于这类信号检测问题,目前研究较为广泛,目前较为成熟的方案主要包括能量检测、匹配滤波器检测与循环平稳特征检测等。然而,窄带频谱感知仅仅针对一个信道进行检测,由于感知能力受限,即使周围有空闲信道,认知用户也无法使用。宽带频谱感知可以在较短的时间内为认知无线电提供更多的频谱接入技术,能显著提高了频谱利用率。目前,以压缩感知理论为基础的宽带频谱感知技术因其采样率低并可精确重构等特点受到了广泛关注。现有技术在使用压缩采样进行频谱感知时都没有考虑到授权用户信号的稀疏度不确定问题,而统一采用固定的压缩采样次数。在低稀疏度条件下,较高的采样次数容易导致采样数据量过大,并引起数据处理量的增加,导致检测时间延长;而在高稀疏度时,较低的采样速率则不能保证检测的精确性。同时还受制于无线环境中噪声,无法保证频谱感知的准确性及高效性。
发明内容
针对现有技术存在的不足,本发明的目的是提出一种宽带频谱感知装置及方法,解决现有频谱感知方法中采样次数不确定及重构速度慢的问题。
本发明的技术方案是这样实现的:一种宽带频谱感知装置,包括:
宽带频谱信号获取器:用于获取给定频段的原始宽带频谱信号;
噪声强度估计器:用于估计宽带频谱信号获取器输出的当前宽带频谱信号中的噪声强度;
稀疏度估计器:采用累计平均的方式估计各个时刻频谱信号的稀疏度数量,其中频谱信号的稀疏度数量是指宽带频谱信号获取器输出的频谱信号经过稀疏变换后的非零元素个数;
自适应压缩采样器:用于根据估计的频谱信号的噪声强度、频谱信号的稀疏度来自动选择采样次数,并以该选择出的采样次数对宽带频谱信号获取器发出的原始宽带频谱信号进行低速采样,实现对宽带频谱信号的压缩测量;
信号重构器:采用变步长SAMP的重构方式重构稀疏度不确定的原始宽带频谱信号,得到各授权用户占有频带的情况与当前频谱信号的稀疏度;
频谱分配器:用于从感知的空闲频带中选择通信频带,完成网络接入与数据传输。
所述的噪声强度估计器包括:
带通滤波器:用于截取原始宽带频谱信号的某一窄带频率内的信号;
奈奎斯特采样器:用于对带通滤波器截取后的信号进行采样,把模拟信号转换为数字信号;
小波变换器:利用小波变换,估计奈奎斯特采样器(8)输出的数字窄带信号的噪声强度。
所述的稀疏度估计器包括:
稀疏度记录器:用于记录每次频谱重构的结果,从中提取初始时刻或其他时刻的稀疏度;
时刻判断器:用于判断当前时刻是初始时刻还是其他时刻;
稀疏度输出器:根据时刻,若为初始时刻,则直接输出稀疏度;若为其他时刻,则输出稀疏度累计平均值。
所述的自适应压缩采样器包括:
阈值设置器:用于设定噪声强度的阈值;
压缩采样次数决策器:用于确定当前环境下的采样次数,当噪声强度在阈值设置器给定的阈值范围内,则设置采样次数为频谱信号的稀疏度的2倍;当噪声强度在阈值设置器给出的阈值范围之外,则设置采样次数规律为:噪声每超过阈值5db,采样次数增加与稀疏度等值的次数;
压缩采样器:根据压缩采样次数决策器输出的压缩采样次数,生成压缩采样矩阵, 对原始宽带频谱信号进行低速采样,实现对宽带频谱信号的压缩测量。
所述的信号重构器包括:
测量向量接收器:用于接收经自适应压缩采样器压缩采样后的测量向量及测量矩阵;
重构参数设置器:用于生成重构频谱信号的基本参数,包括阶段步长,初始步长,初始权重,权重因子类别号码及该类别号下的参数初始值;
变步长重构器:通过迭代改变步长,用于根据改变的步长数应用SAMP原理重构频谱信号。
一种宽带频谱感知方法,包括以下步骤:
步骤1:原始频谱信号接收;
在t时刻接收原始宽带频谱信号,同时将接收后的信号发给噪声强度估计器与自适应压缩采样器;
步骤2:计算步骤1接收到的原始宽带频谱信号的噪声强度,包括以下步骤:
步骤2-1:对频谱信号进行带通滤波,截取原始宽带频谱信号的某一窄带频率内的信号;
步骤2-2:利用奈奎斯特采样法对步骤2-1截取后的信号进行采样,把模拟信号转换为数字信号;
步骤2-3:对步骤2-2获得的数字信号进行小波变换,小波系数的高频部分即为频谱信号的噪声;
步骤2-4:对频谱信号噪声的中值进行估计得到噪声强度;
步骤3:估计步骤1获取的宽带频谱信号的稀疏度,方法为:
若当前的时刻为初始时刻,则宽带频谱信号的稀疏度估计信号长度的1/4。
若当前的时刻为除初始时刻外的其他时刻,则宽带频谱信号的稀疏度估计公式为:
式中,t表示当前的时刻,i表示时刻变量,取值范围为1~t-1,ki表示时刻i的步骤1获取的宽带频谱信号的稀疏度,k′t表示时刻t的步骤1获取的宽带频谱信号估计稀疏度;
步骤4:利用自适应压缩采样,确定压缩采样次数,并对步骤1中获取的原始宽带频谱感知信号进行压缩采样,方法为:
步骤4-1:用户自行设定噪声强度阈值为t1,
步骤4-2:基本采样次数设置,首先判断步骤3是否计算出t时刻的频谱信号估计稀疏度k′t,如果没有,则执行步骤3;否则,根据步骤3估计的稀疏度,设置基本采样次数为2k′t;
步骤4-3,判断步骤2是否计算出当前时刻t时的噪声估计强度,如果没有,则执行步骤2;否则,根据步骤2估计的噪声强度σ与噪声强度阈值t1的关系,来确定采样次数,具体为:
I、当估计噪声强度为σ≤t1时,属于低噪声干扰环境,采用正常的压缩采样次数,即设置采样次数公式为:
M=2k′t
式中,M表示采样次数;
II、当估计噪声强度σ>t1,说明噪声较大干扰环境,设置的采样次数公式为:
步骤4-4:压缩采样矩阵生成,根据步骤4-3决策出的压缩采样次数,生成M*N的压缩测量矩阵Φ;
步骤4-5:压缩采样,利用步骤4-4得到的压缩测量矩阵Φ对原始宽带频谱信号进行压缩采样,得到M维的压缩测量向量y,执行步骤5;
步骤5:重构原始宽带频谱信号,得到各授权用户占有频带的情况与当前频谱信号的稀疏度,具体如下:
步骤5-1:利用测量向量接收器接收步骤4生成的M维压缩测量向量y及M*N的测量矩阵Φ;
步骤5-2:利用重构参数设置器生成重构步长的基本参数,包括阶段步长Δstep,初始步长step1,
步骤5-3:根据权重因子设置权重,用于选择权重因子的类别号与权重因子的变化方式,主要包括3中权重选择因子:
a、如果权重类别号为1,则选择线性递减权重因子,权重因子wi随着代数的增加线性递减,权重因子计算公式如下:
式中,wi表示迭代代数为i时权重因子值,wmax表示最大权重因子值,wmin表示最小权重因子值,maxGen表示最大迭代次数,i为迭代代数。
b、如果权重类别号为2,则选择小步长递减权重因子,权重因子计算公式为:
c、如果权重类别号为3,则选择非线性递减权重因子,权重因子计算公式为:
式中,λ为指数调节值,当迭代次数到达T0时,令wi=wmax,并保持到搜索结束;
步骤5-4:初始化,初始化余量为当前的测量向量,支撑集长度为初始的输入步长,同时输入最大迭代代数,设置迭代阶段为1,索引值集合、候选集、支撑集都为空集;
步骤5-5:若余量小于用户能接受的误差范围或运行代数超过最大迭代代数,则迭代停止,采用最小二乘法重构宽带频谱信号,转步骤6,否则执行步骤5-6;
步骤5-6:按照SAMP原理,基于所给的支撑集长度、测量向量、索引值集、候选集、支撑集求出新的索引集与新的余量;
步骤5-7:若新余量比原余量大,则更新迭代阶段,使迭代阶段+1,更新支撑集长度,公式为:
size=stepi+1=stepi+wi*Δstep
式中,size表示当前迭代阶段的支撑集长度,stepi+1表示迭代代数为i+1时的迭代步长,stepi表示迭代代数为i时的迭代步长,Δstep表示步长固定变换值;
根据选择的权重类别号更新权重因子wi,执行步骤5-5;
否则,按照SAMP原理更新支撑集与余量,即将新的支撑集赋值给原支撑集,新的余量赋值给原余量,执行步骤5-5;
步骤6:频谱分配单元,分析重构的频谱感知信号,并从中选择空闲的频带完成网络接入与数据传输,同时提取频谱感知信号的稀疏度,转步骤3。
本发明的有益效果:本发明采用简单的机制对当前噪声强度与宽带频谱信号的稀疏度估计,为压缩次数决策提供了有效支持,并有利于避免现有固定采样的不足,为准确重构宽带频谱信号提供支持;设计了权重变化因子,解决了现有SAMP重构方法中过重构与欠重构问题,大大提高了重构的速度与准确度。
附图说明
图1为本发明一种实施方式宽带频谱感知装置总结构框图;
图2为本发明一种实施方式噪声强度计算器结构框图;
图3为本发明一种实施方式稀疏度估计器结构框图;
图4为本发明一种实施方式自适应压缩采样器结构框图;
图5为本发明一种实施方式信号重构器结构框图;
图6为本发明一种实施方式宽带频谱感知方法流程图;
图7为本发明一种实施方式,描述了所接收的宽带频谱信号的时域及频域特性;
图8为本发明一种实施方式噪声强度估计方法的流程图;
图9为本发明一种实施方式自适应压缩采样方法的流程图;
图10为本发明一种实施方式,描述了不同压缩采样次数条件下重构算法的对比情况;
图11为本发明一种实施方式变步长SAMP重构方法的流程图;
图12为本发明一种实施方式,描述变步长SAMP重构与原始SAMP重构信号的对比情况;
图13为本发明一种实施方式,描述变步长SAMP重构与原始SAMP重构信号的误差对比情况;
图14为本发明一种实施方式,描述变步长SAMP重构与原始SAMP重构信号的收敛速度对比情况;
图中,1、宽带频谱信号获取器 2、噪声强度估计器 3、稀疏度估计器 4、自适应压缩采样器 5、信号重构器 6、频谱分配器 7、带通滤波器 8、奈奎斯特采样器 9、小波变换器 10、稀疏度记录器11、时刻判断器 12、稀疏度输出器 13、阈值设置器 14、压缩采样次数决策器 15、压缩采样器 16、测量向量接收器 17、重构参数设置器 18、变步长重构器。
具体实施方式
下面结合附图对本发明的实施方式作进一步详细的说明。
本实施方式给出一种宽带频谱感知装置的结构框图,如图1所示,包括:宽带频谱信号获取器1、噪声强度估计器2、稀疏度估计器3、自适应压缩采样器4、信号重构器5和频谱分配器6。
宽带频谱信号获取器1:用于获取给定频段的原始宽带频谱信号;
噪声强度估计器2:用于估计宽带频谱信号获取器1输出的当前宽带频谱信号中的噪声强度;
稀疏度估计器3:采用累计平均的方式估计各个时刻频谱信号的稀疏度数量,其中频谱信号的稀疏度数量是指宽带频谱信号获取器1输出的频谱信号经过稀疏变换后的非零元素个数;
自适应压缩采样器4:用于根据估计的频谱信号的噪声强度、频谱信号的稀疏度来自动选择采样次数,并以该选择出的采样次数对宽带频谱信号获取器1发出的原始宽带频谱信号进行低速采样,实现对宽带频谱信号的压缩测量;
信号重构器5:采用变步长SAMP的重构方式重构稀疏度不确定的原始宽带频谱信号,得到各授权用户占有频带的情况与当前频谱信号的稀疏度;
频谱分配器6:用于从感知的空闲频带中选择通信频带,完成网络接入与数据传输。
噪声强度估计器2包括:
带通滤波器7:用于截取原始宽带频谱信号的某一窄带频率内的信号;
奈奎斯特采样器8:用于对带通滤波器7截取后的信号进行采样,把模拟信号转换为数字信号;
小波变换器9:利用小波变换,估计奈奎斯特采样器8输出的数字窄带信号的噪声强度。
稀疏度估计器3包括:
稀疏度记录器10:用于记录每次频谱重构的结果,从中提取初始时刻或其他时刻的稀疏度;
时刻判断器11:用于判断当前时刻是初始时刻还是其他时刻;
稀疏度输出器12:根据时刻,若为初始时刻,则直接输出稀疏度;若为其他时刻,则输出稀疏度累计平均值。
自适应压缩采样器4包括:
阈值设置器13:用于设定噪声强度的阈值;
压缩采样次数决策器14:用于确定当前环境下的采样次数,当噪声强度在阈值设置器给定的阈值范围内,则设置采样次数为频谱信号的稀疏度的2倍;当噪声强度在阈值设置器给出的阈值范围之外,则设置采样次数规律为:噪声每超过阈值5db,采样次数增加与稀疏度等值的次数;
压缩采样器15:根据压缩采样次数决策器输出的压缩采样次数,生成压缩采样矩阵, 对原始宽带频谱信号进行低速采样,实现对宽带频谱信号的压缩测量。
所述的信号重构器5包括:
测量向量接收器16:用于接收经自适应压缩采样器4压缩采样后的测量向量及测量矩阵;
重构参数设置器17:用于生成重构频谱信号的基本参数,包括阶段步长,初始步长,初始权重,权重因子类别号码及该类别号下的参数初始值;
变步长重构器18:通过迭代改变步长,用于根据改变的步长数应用SAMP原理重构频谱信号。
本实施方式给出一种宽带频谱感知方法,流程如图6所示。该流程开始于步骤601。在步骤602,接受原始频谱信号。接收的原始频谱时域信号如图7(a)所示,该信号经过稀疏变换后如7(b)所示。可见宽带频谱信号虽然在时域内连续,但在频域内满足稀疏性条件,可应用压缩感知理论对其进行精确重构。
在步骤603,计算步骤602接收到的原始宽带频谱信号的噪声强度,具体流程如图8所示。该流程开始于步骤801。在步骤802,对频谱信号进行带通滤波,截取原始宽带频谱信号的某一窄带频率内的信号。
在步骤803,利用奈奎斯特采样法对步骤802截取后的信号进行采样,把模拟信号转换为数字信号。在奈奎斯特采样中,需要采样次数大于窄带信号最高频率的2倍。
在步骤804,对步骤803获得的数字信号进行小波变换,小波系数的高频部分即为频谱信号的噪声。
y(n)=s(n)+w(n)s(n)w(n)θ(n)
Wy(s,τ)=y(n)*θs,τ(n)=Ws(s,τ)+Ww(s,τ)Ws(s,τ)Ww(s,τ)
在步骤805,对频谱信号噪声的中值进行估计得到噪声强度。
在步骤605,利用自适应压缩采样,确定压缩采样次数,并对步骤1中获取的原始宽带频谱感知信号进行压缩采样。其流程如图9 所示。该流程开始于步骤901。在步骤902,用户自行设定噪声强度阈值为t1,
在步骤903,设置基本采样次数,首先判断步骤3是否计算出t时刻的频谱信号估计稀疏度k′t,如果没有,则继续计算频谱信号稀疏度;否则,设置基本采样次数为2k′t;
在步骤904,根据噪声强度估计设置采样次数,首先判断步骤2是否计算出当前时刻t时的噪声估计强度,如果没有,则继续计算噪声强度;否则,转步骤905;
在步骤905,根据估计的噪声强度σ与噪声强度阈值t1的关系,来确定采样次数,具体为:
I、当估计噪声强度为σ≤t1时,属于低噪声干扰环境,采用正常的压缩采样次数,即设置采样次数公式为:
M=2k′t
式中,M表示采样次数;
II、当估计噪声强度σ>t1,说明噪声较大干扰环境,设置的采样次数公式为:
在步骤906,压缩采样矩阵生成,根据步骤905决策出的压缩采样次数,生成M*N的压缩测量矩阵Φ;
在步骤907,压缩采样,利用步骤905得到的压缩测量矩阵Φ对原始宽带频谱信号进行压缩采样,得到M维的压缩测量向量y。图10表示了在压缩系数在0.05、0.08和自适应压缩采样的情况下,重构信号的情况。通过图10可以看出,在固定压缩系数下,由于缺乏信号的实际稀疏度估计,重构误差出现较大误差。而采用自适应压缩采样后,通过自适应选择压缩采样次数,并结合变步长SAMP重构,能很好的逼近原始信号。
在步骤606,重构原始宽带频谱信号,得到各授权用户占有频带的情况与当前频谱信号的稀疏度。其流程图如图11所示。该流程开始于步骤1101。
在步骤1102,利用测量向量接收器接收步骤生成的M维压缩测量向量y及M*N的测量矩阵Φ;
在步骤1103:利用重构参数设置器生成重构步长的基本参数,包括阶段步长Δstep,初始步长step1,
在步骤1104:根据选择权重因子设置权重,用于选择权重因子的类别号与权重因子的变化方式,主要包括3种权重选择因子:
a、如果选择权重类别号为1,则选择线性递减权重因子,权重因子wi随着代数的增加线性递减,权重因子计算公式如下:
式中,wi表示迭代代数为i时权重因子值,wmax表示最大权重因子值,wmin表示最小权重因子值,maxGen表示最大迭代次数,i为迭代代数。
b、如果选择权重类别号为2,则选择小步长递减权重因子,权重因子计算公式为:
c、如果选择权重类别号为3,则选择非线性递减权重因子,权重因子计算公式为:
式中,λ为指数调节值,当迭代次数到达T0时,令wi=wmax,并保持到搜索结束;
在步骤1105,初始化,初始化余量为当前的测量向量,支撑集长度为初始的输入步长,同时输入最大迭代代数,设置迭代阶段为1,索引值集合、候选集、支撑集都为空集;
在步骤1106,若余量小于用户能接受的误差范围或运行代数超过最大迭代代数,则执行步骤1111,否则执行步骤1107;
在步骤1107,按照SAMP原理,基于所给的支撑集长度、测量向量、索引值集、候选集、支撑集求出新的支撑集与新的余量;
在步骤1108,判断新余量是否大于旧余量,如是,转步骤1109,否则转步骤1110;
在步骤1108,若新余量比原余量大,则更新迭代阶段,使迭代阶段+1,更新支撑集长度,公式为:
size=stepi+1=stepi+wiΔstep
式中,size表示当前迭代阶段的支撑集长度,stepi+1表示迭代代数为i+1时的迭代步长,stepi表示迭代代数为i时的迭代步长,Δstep表示步长固定变换值;
根据选择的权重类别号更新权重因子wi,执行步骤1106;
在步骤1109,按照SAMP原理更新支撑集与余量,即将新的支撑集赋值给原支撑集,新的余量赋值给原余量,执行步骤1106;
在步骤1111,迭代停止,采用最小二乘法重构宽带频谱信号。
图12~图14反映了基于变步长的SAMP重构与原始SAMP重构的性能对比。为了便于阐述,以下的实验结果均采用权重类别号为1的权重因子,且设置wmax为0.9,wmin为0.4,,maxGen为20。图12展示了本发明提出的算法与原始SAMP算法的重构质量对比,其中图12(a)为原始信号,图12(b)为原有的SAMP算法所得的重构结果,图12(c)为我们的变步长SAMP重构算法的重构结果。图13展示了随着迭代次数的变化,上述两个算法的重构误差对比。从图12与图13中可知,我们的算法能够很好地对信号进行恢复,且重构效果非常稳定。图14展示了不同的初始步长值下,算法的收敛速度,从图14中可以看出,原有的SAMP算法在初始步长较小时,需要迭代多次算法才收敛,随着初始步长值的增加,其收敛速度也加快,而我们的算法能够自适应地调整步长,不管初始步长值为多少,总能保证在20次以内快速收敛。
在步骤607,频谱分配单元,分析重构的频谱感知信号,并从中选择空闲的频带完成网络接入与数据传输,同时提取频谱感知信号的稀疏度,转步骤603。虽然以上描述了本发明的具体实施方式,但是本领域内的熟练的技术人员应当理解,这些仅是举例说明,可以对这些实施方式做出多种变更或者修改,而不背离本发明的原理和实质。本发明的范围仅由所附权利要求书限定。
Claims (9)
1.一种宽带频谱感知装置,其特征在于:包括:
宽带频谱信号获取器(1):用于获取给定频段的原始宽带频谱信号;
噪声强度估计器(2):用于估计宽带频谱信号获取器(1)输出的当前宽带频谱信号中的噪声强度;
稀疏度估计器(3),采用累计平均的方式估计各个时刻频谱信号的稀疏度数量,其中频谱信号的稀疏度数量是指宽带频谱信号获取器(1)输出的频谱信号经过稀疏变换后的非零元素个数;
自适应压缩采样器(4):用于根据估计的频谱信号的噪声强度、频谱信号的稀疏度来自动选择采样次数,并以该选择出的采样次数对宽带频谱信号获取器(1)发出的原始宽带频谱信号进行低速采样,实现对宽带频谱信号的压缩测量;
信号重构器(5):采用变步长SAMP的重构方式重构稀疏度不确定的原始宽带频谱信号,得到各授权用户占有频带的情况与当前频谱信号的稀疏度;
频谱分配器(6):用于从感知到的空闲频带中选择通信频带,完成网络接入与数据传输。
2.如权利要求1所述的宽带频谱感知装置,其特征在于:所述的噪声强度估计器(2)包括:
带通滤波器(7):用于截取原始宽带频谱信号的某一窄带频率内的信号;
奈奎斯特采样器(8):用于对带通滤波器(7)截取后的信号进行采样,把模拟信号转换为数字信号;
小波变换器(9):利用小波变换,估计奈奎斯特采样器(8)输出的数字窄带信号的噪声强度。
3.如权利要求1所述的宽带频谱感知装置,其特征在于:所述的稀疏度估计器(3)包括:
稀疏度记录器(10):用于记录每次频谱重构的结果,从中提取初始时刻或其他时刻的稀疏度;
时刻判断器(11):用于判断当前时刻是初始时刻还是其他时刻;
稀疏度输出器(12):若为初始时刻,则直接输出稀疏度;若为其他时刻,则输出稀疏度累计平均值。
4.如权利要求1所述的宽带频谱感知装置,其特征在于:所述的自适应压缩采样器(4)包括:
阈值设置器(13):用于设定噪声强度的阈值;
压缩采样次数决策器(14):用于确定当前环境下的采样次数,当噪声强度在阈值设置器给定的阈值范围内,则设置采样次数为频谱信号的稀疏度的2倍;当噪声强度在阈值设置器给出的阈值范围之外,则设置采样次数规律为:噪声每超过阈值5db,采样次数增加与稀疏度等值的次数;
压缩采样器(15):根据压缩采样次数决策器输出的压缩采样次数,生成压缩采样矩阵, 对原始宽带频谱信号进行低速采样,实现对宽带频谱信号的压缩测量。
5.如权利要求1所述的宽带频谱感知装置,其特征在于:所述的信号重构器(5)包括:
测量向量接收器(16):用于接收经自适应压缩采样器(4)压缩采样后的测量向量及测量矩阵;
重构参数设置器(17):用于生成重构频谱信号的基本参数,包括阶段步长,初始步长,初始权重,权重因子类别号码及该类别号下的参数初始值;
变步长重构器(18):通过迭代改变步长,用于根据改变的步长数应用SAMP原理重构频谱信号。
6.一种宽带频谱感知方法,采用如权利要求1所述的宽带频谱感知装置,其特征在于:包括以下步骤:
步骤1:原始频谱信号接收;
在t时刻接收原始宽带频谱信号,同时将接收后的信号发给噪声强度估计器与自适应压缩采样器;
步骤2:计算步骤1接收到的原始宽带频谱信号的噪声强度,包括以下步骤:
步骤2-1:对频谱信号进行带通滤波,截取原始宽带频谱信号的某一窄带频率内的信号;
步骤2-2:利用奈奎斯特采样法对步骤2-1截取后的信号进行采样,把模拟信号转换为数字信号;
步骤2-3:对步骤2-2获得的数字信号进行小波变换,小波系数的高频部分即为频谱信号的噪声;
步骤2-4:对频谱信号噪声的中值进行估计得到噪声强度;
步骤3:估计步骤1获取的宽带频谱信号的稀疏度;
步骤4:利用自适应压缩采样,确定压缩采样次数,并对步骤1中获取的原始宽带频谱感知信号进行压缩采样;
步骤5:重构原始宽带频谱信号,得到各授权用户占有频带的情况与当前频谱信号的稀疏度;
步骤6:频谱分配单元分析重构的频谱感知信号,并从中选择空闲的频带完成网络接入与数据传输,同时提取频谱感知信号的稀疏度,转步骤3。
7.如权利要求1所述的宽带频谱感知方法,其特征在于:步骤3所述的宽带频谱信号的稀疏度确定方法为:
若当前的时刻为初始时刻,则宽带频谱信号的稀疏度估计信号长度的1/4;
若当前的时刻为除初始时刻外的其他时刻,则宽带频谱信号的稀疏度估计公式为:
式中,t表示当前的时刻,i表示时刻变量,取值范围为1~t-1,ki表示时刻i的步骤1获取的宽带频谱信号的稀疏度,k′t表示时刻t的步骤1获取的宽带频谱信号估计稀疏度。
8.如权利要求1所述的宽带频谱感知方法,其特征在于:步骤4所述的压缩采样的方法为:
步骤4-1:用户自行设定噪声强度阈值为t1,
步骤4-2:基本采样次数设置,首先判断步骤3是否计算出t时刻的频谱信号估计稀疏度k′t,如果没有,则执行步骤3;否则,根据步骤3估计的稀疏度,设置基本采样次数为2k′t;
步骤4-3,判断步骤2是否计算出当前时刻t时的噪声估计强度,如果没有,则执行步骤2;否则,根据步骤2估计的噪声强度σ与噪声强度阈值t1的关系,来确定采样次数,具体为:
I、当估计噪声强度为σ≤t1时,属于低噪声干扰环境,采用正常的压缩采样次数,即设置采样次数公式为:
M=2k′t
式中,M表示采样次数;
II、当估计噪声强度σ>t1,说明为噪声较大干扰环境,设置的采样次数公式为:
步骤4-4:压缩采样矩阵生成,根据步骤4-3决策出的压缩采样次数,生成M*N的压缩测量矩阵Φ;
步骤4-5:压缩采样,利用步骤4-4得到的压缩测量矩阵Φ对原始宽带频谱信号进行压缩采样,得到M维的压缩测量向量y,执行步骤5;
9.如权利要求1所述的宽带频谱感知方法,其特征在于:步骤5所述的稀疏度的确定方法为:
步骤5-1:利用测量向量接收器接收步骤4生成的M维压缩测量向量y及M*N的测量矩阵Φ;
步骤5-2:利用重构参数设置器生成重构步长的基本参数,包括阶段步长Δstep,初始步长step1,
步骤5-3:根据权重因子设置权重,用于选择权重因子的类别号与权重因子的变化方式,主要包括3种权重选择因子:
a、如果权重类别号为1,则选择线性递减权重因子,权重因子wi随着迭代代数的增加线性递减,权重因子计算公式如下:
式中,wi表示迭代代数为i时权重因子值,wmax表示最大权重因子值,wmin表示最小权重因子值,maxGen表示最大迭代次数,i为迭代代数;
b、如果权重类别号为2,则选择小步长递减权重因子,权重因子计算公式为:
c、如果权重类别号为3,则选择非线性递减权重因子,权重因子计算公式为:
式中,λ为指数调节值,当迭代次数到达T0时,令wi=wmax,并保持到搜索结束;
步骤5-4:初始化,初始化余量为当前的测量向量,支撑集长度为初始的输入步长,同时输入最大迭代代数,设置迭代阶段为1,索引值集合、候选集,支撑集都为空集;
步骤5-5:若余量小于用户能接受的误差范围或运行代数超过最大迭代代数,则迭代停止,采用最小二乘法重构宽带频谱信号,转步骤6,否则执行步骤5-6;
步骤5-6:按照SAMP原理,基于所给的支撑集长度、测量向量、索引值集、候选集、支撑集求出新的支撑集与新的余量;
步骤5-7:若新余量比原余量大,则更新迭代阶段,使迭代阶段+1,更新支撑集长度,公式为:
size=stepi+1=stepi+wi*Δstep
式中,size表示当前迭代阶段的支撑集长度,stepi+1表示迭代代数为i+1时的迭代步长,stepi表示迭代代数为i时的迭代步长,Δstep表示步长固定变换值;
根据选择的权重类别号更新权重因子wi,执行步骤5-5;
否则,按照SAMP原理更新支撑集与余量,即将新的支撑集赋值给原支撑集,新的余量赋值给原余量,执行步骤5-5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210593294.4A CN103139828B (zh) | 2012-12-29 | 2012-12-29 | 一种宽带频谱感知装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210593294.4A CN103139828B (zh) | 2012-12-29 | 2012-12-29 | 一种宽带频谱感知装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103139828A true CN103139828A (zh) | 2013-06-05 |
CN103139828B CN103139828B (zh) | 2015-06-17 |
Family
ID=48499011
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210593294.4A Expired - Fee Related CN103139828B (zh) | 2012-12-29 | 2012-12-29 | 一种宽带频谱感知装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103139828B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104202112A (zh) * | 2014-09-12 | 2014-12-10 | 西安电子科技大学 | 基于通道密度和最小间隙的周期式聚合光路重构方法 |
CN104936190A (zh) * | 2015-05-25 | 2015-09-23 | 南京航空航天大学 | 基于稀疏系数信息估计的自适应宽带频谱压缩感知方法 |
CN105471529A (zh) * | 2015-12-30 | 2016-04-06 | 北京邮电大学 | 频谱信号感知方法及装置 |
CN109412718A (zh) * | 2018-12-24 | 2019-03-01 | 电子科技大学 | 宽带频谱信号检测方法 |
CN109495197A (zh) * | 2018-12-21 | 2019-03-19 | 中国人民解放军陆军炮兵防空兵学院 | 一种自适应宽带合作压缩频谱感知方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102291341A (zh) * | 2011-07-08 | 2011-12-21 | 南京邮电大学 | 基于压缩感知的宽带频谱感知方法 |
US20120294333A1 (en) * | 2010-04-27 | 2012-11-22 | King Abdulaziz University | Cognitive radio sensing method and system |
-
2012
- 2012-12-29 CN CN201210593294.4A patent/CN103139828B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120294333A1 (en) * | 2010-04-27 | 2012-11-22 | King Abdulaziz University | Cognitive radio sensing method and system |
CN102291341A (zh) * | 2011-07-08 | 2011-12-21 | 南京邮电大学 | 基于压缩感知的宽带频谱感知方法 |
Non-Patent Citations (4)
Title |
---|
HONGJIAN SUN ET AL.: "Adaptive Compressive Spectrum Sensing for Wideband Cognitive Radios", 《IEEE COMMUNICATIONS LETTERS》 * |
JIE JIA ET AL.: "Performance Evaluation of Adaptive Compressed Spectrum Sensing for Wideband Cognitive Radio Networks", 《IEEE》 * |
吴宏林等: "基于压缩感知的加权宽带谱重构算法", 《信号处理》 * |
王璐瑜等: "基于DSCS的宽带频谱感知新算法", 《信号处理》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104202112A (zh) * | 2014-09-12 | 2014-12-10 | 西安电子科技大学 | 基于通道密度和最小间隙的周期式聚合光路重构方法 |
CN104202112B (zh) * | 2014-09-12 | 2017-04-19 | 西安电子科技大学 | 基于通道密度和最小间隙的周期式聚合光路重构方法 |
CN104936190A (zh) * | 2015-05-25 | 2015-09-23 | 南京航空航天大学 | 基于稀疏系数信息估计的自适应宽带频谱压缩感知方法 |
CN104936190B (zh) * | 2015-05-25 | 2018-11-09 | 南京航空航天大学 | 基于稀疏系数信息估计的自适应宽带频谱压缩感知方法 |
CN105471529A (zh) * | 2015-12-30 | 2016-04-06 | 北京邮电大学 | 频谱信号感知方法及装置 |
CN105471529B (zh) * | 2015-12-30 | 2018-02-02 | 北京邮电大学 | 频谱信号感知方法及装置 |
CN109495197A (zh) * | 2018-12-21 | 2019-03-19 | 中国人民解放军陆军炮兵防空兵学院 | 一种自适应宽带合作压缩频谱感知方法 |
CN109412718A (zh) * | 2018-12-24 | 2019-03-01 | 电子科技大学 | 宽带频谱信号检测方法 |
CN109412718B (zh) * | 2018-12-24 | 2021-07-09 | 电子科技大学 | 宽带频谱信号检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103139828B (zh) | 2015-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Paternina et al. | Identification of electromechanical oscillatory modes based on variational mode decomposition | |
CN103139828B (zh) | 一种宽带频谱感知装置及方法 | |
CN110061792A (zh) | 一种基于变分模态分解的频谱感知算法 | |
CN102291341A (zh) | 基于压缩感知的宽带频谱感知方法 | |
CN106549722B (zh) | 一种基于历史感知信息的双门限能量检测方法 | |
Sharma et al. | Compressive sparsity order estimation for wideband cognitive radio receiver | |
CN115935296B (zh) | 一种电能数据计量方法及系统 | |
CN102244548B (zh) | 一种联合频谱检测方法 | |
CN105578480B (zh) | 面向宽带调制变换器的欠采样频谱感知预判决方法 | |
CN102324959B (zh) | 一种基于多天线系统协方差矩阵的频谱感知方法 | |
CN104780008A (zh) | 一种基于自适应压缩感知的宽带频谱感知方法 | |
CN106546846A (zh) | 基于压缩感知盲源信号分离技术的电能质量信号检测装置 | |
CN103281142A (zh) | 联合时域双门限和频域变点数的能量检测方法和装置 | |
CN103873171A (zh) | 基于多用户互协作的协作频谱感知决策融合方法 | |
CN103220054B (zh) | 一种基于Gabor算法的认知无线电频谱感知方法和系统 | |
Ruttik et al. | Detection of unknown signals in a fading environment | |
CN110726875A (zh) | 一种新能源柔性直流并网暂态谐波检测方法及系统 | |
CN104270212A (zh) | 一种基于分组数据型序贯能量检测的信道频谱感知方法 | |
CN103491551A (zh) | 一种基于特征向量的加权协作频谱感知方法 | |
CN102006609A (zh) | 一种自适应序贯的协同频谱检测方法 | |
CN107276629B (zh) | 基于时频分析频率重心的跳周期估计方法 | |
Gong et al. | Property investigation on the additive white Gaussian noise after sub-Nyquist sampling | |
CN103051401B (zh) | 基于小波的认知无线电频谱感知方法 | |
Zhang et al. | A new precipitation forecast method based on CEEMD-WTD-GRU | |
CN109495197A (zh) | 一种自适应宽带合作压缩频谱感知方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150617 Termination date: 20151229 |
|
EXPY | Termination of patent right or utility model |