CN104202098B - 一种基于多通道压缩采样的宽带功率谱估计方法 - Google Patents

一种基于多通道压缩采样的宽带功率谱估计方法 Download PDF

Info

Publication number
CN104202098B
CN104202098B CN201410390567.4A CN201410390567A CN104202098B CN 104202098 B CN104202098 B CN 104202098B CN 201410390567 A CN201410390567 A CN 201410390567A CN 104202098 B CN104202098 B CN 104202098B
Authority
CN
China
Prior art keywords
matrix
signal
power
sampling
compression sampling
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.)
Active
Application number
CN201410390567.4A
Other languages
English (en)
Other versions
CN104202098A (zh
Inventor
潘乐炳
肖世良
赵龙慧
胡宁宁
程小六
黄景昌
袁晓兵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Institute of Microsystem and Information Technology of CAS
Original Assignee
Shanghai Institute of Microsystem and Information Technology of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Institute of Microsystem and Information Technology of CAS filed Critical Shanghai Institute of Microsystem and Information Technology of CAS
Priority to CN201410390567.4A priority Critical patent/CN104202098B/zh
Publication of CN104202098A publication Critical patent/CN104202098A/zh
Application granted granted Critical
Publication of CN104202098B publication Critical patent/CN104202098B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

本发明涉及一种基于多通道压缩采样的宽带功率谱估计方法,该方法面向宽带信号,模拟前端采用多通道压缩采样的方式,对每一路的采样值进行离散傅里叶变换,先将时域相乘转化为卷积后的抽取,然后转化为频域相乘,并建立各通道间的互功率谱关系式。信号的功率谱采用直接法进行估计,其中,方程的求解利用最小二乘法。本发明具有采样速率低,计算复杂度低等优点,同时不需要信号频域稀疏度的先验信息。

Description

一种基于多通道压缩采样的宽带功率谱估计方法
技术领域
本发明涉及通信信号处理技术领域,特别是涉及一种基于多通道压缩采样的宽带功率谱估计方法。
背景技术
随着各种无线通信业务的应用,对于高速的数据通信的需求使得频谱资源变得紧缺,但是现有的无线通信系统均采用固定信道分配的策略,使得频谱利用率低下。使用动态接入方式的认知无线电技术使得频谱得到充分利用,其关键技术之一便是频谱感知,在很大的频带范围内识别出没有利用的频段,以供非授权的二级用户动态无线接入,提高实际频谱的利用率。
根据奈奎斯特采样定律,为了能够感知整个宽频带信号,模拟前端使用的模拟/数字转换器的采样频率至少是原始信号最大频率的两倍,在实际应用中采样频率会远高于奈奎斯特采样频率,对于检测宽频谱的系统,需要模拟前端具有较高的采样能力,使得现有的硬件条件难以实现,同时会导致较高的功耗。
目前大多频谱感知技术基于窄带或者单信道场景,但随着无线传输需求对带宽的增加,需要设备具有感知宽频带的能力。在实际环境中,分配到频谱使用权的授权用户只在一部分时间工作,这使得整个宽带的信号具有很大的频域稀疏性。近年来出现的压缩感知理论以信号的稀疏性为前提,利用压缩采样技术,可以通过少量非自适应线性测量值对稀疏信号进行重构,在无线信号只有少量频带被占用的前提下,系统可以以远低于奈奎斯特采样速率的采样频率对信号进行采样,并且采样的信号能够保留原始信号的信息。
但是目前基于压缩采样的频谱感知算法存在以下问题:1).利用凸优化,贪婪算法等方法实现信号的恢复往往复杂度极高,导致频谱感知时间长,硬件开销大。2).目前的恢复方法一般需要知道信号在频域的稀疏度。然而在动态变化的频谱接入环境中,难以事先准确获取待感知信号的稀疏度。3).若接入的用户较多时,感知的信号呈现非稀疏或者为密谱信号,此时基于压缩采样恢复原始信号的方法性能会急剧恶化,或者不再适用。
发明内容
本发明所要解决的技术问题是提供一种基于多通道压缩采样的宽带功率谱估计方法,具有采样速率低,计算复杂度低等优点,同时不需要信号频域稀疏度的先验信息。
本发明解决其技术问题所采用的技术方案是:提供一种基于多通道压缩采样的宽带功率谱估计方法,包括以下步骤:
(1)模拟前端采用多通道压缩采样结构,得关系式Y[n]=CX[n],其中C为压缩采样矩阵,其元素随机从{1,-1}中选取,大小为M×N;X为原始输入信号的奈奎斯特离散采样,并将其分段组成矩阵,大小为N×L,Y为压缩采样的信号输出矩阵,大小为M×L,其中,M<N且M2>N;
(2)对每一路的采样值进行离散傅里叶变换,得到各通道间的互功率谱矩阵;
(3)利用互功率谱矩阵建立互功率谱关系式,采用直接法进行估计信号的功率谱,通过最小二乘法求解得到宽带功率谱估计结果。
所述步骤(2)具体包括:对每一路采样的信号Y的每一行进行傅里叶变换,得到矩阵Y[k],根据选取的分辨率对Y[k]中的每一行进行分段平均,得到新的矩阵Y'[k],大小为M×L1,其中,L为L1的整数倍;根据选取的分辨率对压缩采样矩阵C的每一行补零,然后对压缩采样矩阵C的每一行进行傅里叶变换得到矩阵C'[k],分别对矩阵Y'[k],C'[k]的行向量进行两两共轭点乘,分别得到互功率谱矩阵PY,PC
所述步骤(3)具体包括:利用互功率谱矩阵PY,PC,采用直接计算法,即Px[k]=X[k]X*[k],X[k]为原始信号的傅里叶变化后的频域值,先将时域采样进行的相乘转化为卷积后的抽取,然后在频域建立相乘的关系式,由此建立关系式 p Y [ k ] = 1 N 2 P C [ k ] p X [ k ] , 通过最小二乘法求取pX,即 p X = ( P C H P C ) - 1 P C H p Y , 对求得的L1个向量pX按照对应位置组成估计的功率谱向量px,px即为宽带信号功率谱估计结果,其中,是PC的转置共轭矩阵。
有益效果
由于采用了上述的技术方案,本发明与现有技术相比,具有以下的优点和积极效果:本发明的压缩采样约束为M2>N,在实际应用中容易实现,且不受信号的稀疏度约束。通过引入自适应分辨率平均方法,系统可以在系统复杂度,估计性能以及频率分辨率方面进行自适应调整。功率谱估计采用最小二乘法,与利用凸优化,贪婪算法等实现基于压缩感知的稀疏信号重构的方法相比,计算复杂度低。基于信号的功率谱估计,不用考虑信号的稀疏度,去除了一般压缩采样中信号重构要求的稀疏度先验条件。综上所述,本发明具有采样速率低,计算复杂度低等优点,同时不需要信号频域稀疏度的先验信息。
附图说明
图1是基于多通道的压缩采样结构图;
图2是不同分辨率下的功率谱估计效果图,原始信号功率谱为四个矩形脉冲成型信号,低分辨率估计的功率谱更加平滑,其中(a)的L1=1,(b)的L1=4;
图3为密谱信号功率谱估计图,其中,原始信号频谱占用率为0.6,实际采样压缩率为0.25,压缩率为实际采样率与奈奎斯特采样率的比值。
具体实施方式
下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的实施方式涉及一种基于多通道压缩采样的宽带功率谱估计方法,该方法面向宽带信号,模拟前端采用多通道压缩采样的方式,以降低系统的采样时钟和功耗。对每一路的采样值进行离散傅里叶变换,先将时域相乘转化为卷积后的抽取,然后转化为频域相乘,并建立各通道间的互功率谱关系式。信号的功率谱采用直接法进行估计,其中,方程的求解利用最小二乘法。
本发明方法在利用压缩采样的基础上,采用基于功率谱估计的方法,而不是恢复原始信号,功率谱估计的方法可以获得与频谱估计一致的检测结果,同时本方法采用最小二乘法,以及引入自适应分辨率使得系统复杂度较低,另一特点是不需要已知信号的稀疏度,同时适用于非稀疏或密谱信号。
下面以一个具体的实施例来进一步说明本发明。
步骤1:模拟前端采用多通道压缩采样结构,得关系式Y[n]=CX[n],其中C为压缩采样矩阵,其元素随机从{1,-1}中选取,矩阵大小为M×N,压缩率为M/N,即实际采样率与奈奎斯特采样率的比值。X为原始输入信号的奈奎斯特离散采样,并将其分段组成矩阵,矩阵大小为N×L,Y为压缩采样的信号输出矩阵,矩阵大小为M×L(M<N且M2>N)。
步骤2:对Y[n]的每一行进行傅里叶变换,得到矩阵Y[k],采样结构和输出结果如图1所示。
步骤3:根据选取的分辨率对Y[k]中的每一行进行分段平均,得到新的矩阵Y'[k'],矩阵大小为M×L1,L为L1的整数倍,以第i通道为例:分辨率为L/L1Hz。图2显示了基于不同分辨率的估计结果,低分辨率由于利用了较多数据段进行平均,包络显得更加平滑。
步骤4:根据选取的分辨率对采样矩阵C的每一行补零,以第i通道为例:ci'[n]=[ci[n],01×(L'-1)N]。然后对每一行进行傅里叶变换得到矩阵C'[k],矩阵大小为M×L1N。
步骤5:分别对矩阵Y'[k'],C'[k]的行向量进行两两共轭点乘,得到矩阵PY,PC,其元素分别为 P y i , j [ k ] = Y i ′ [ k ] Y j ′ * [ k ] , P C i , j [ k ] = C i ′ [ k ] C j ′ * [ k ] , 表达式中(i,j)下标对表示矩阵Y'[k'],C'[k]中的第i行和第j行,k和k'的取值均为0,1,...,L1-1。矩阵PY,PC的大小分别为M2×L1,M2×L1N。
步骤6:信号功率谱估计采用直接计算法,即Px[k]=X[k]X*[k],X[k]为原始信号的傅里叶变化后的频域值。先将时域采样进行的相乘转化为卷积后的抽取,然后在频域建立相乘的关系式,由此可得关系式其中
p Y [ k ] = [ P y 0,0 [ k ] , P y 0,1 [ k ] , . . . , P y i , j [ k ] , . . . , P y M - 1 , M - 1 [ k ] ] T
P C [ k ] = P c 0,0 [ k ] , P c 0,0 [ L 1 + k ] , . . . , P c 0,0 [ L 1 ( N - 1 ) + k ] P c 0,1 [ k ] , P c 0,1 [ L 1 + k ] , . . . , P c 0,1 [ L 1 ( N - 1 ) + k ] . . . . . . . . . . . . P c M - 1 , M - 1 [ k ] , P c M - 1 , M - 1 [ L 1 + K ] , . . . , P c M - 1 , M - 1 [ L 1 ( N - 1 ) + k ]
pX[k]=[PX[k],PX[L+k],...,PX[L(N-1)+k]]T
(k=0,1,...,L1-1)
估计的功率谱向量为px=vec{pX[0],pX[1],...,pX[L1-1]},其中vec{.}表示矩阵向量化操作。根据以上表达式可得:
步骤7:对于方程由于M2>N,PC[k]为已知矩阵,且可证明PC[k]列满秩,通过最小二乘法求取pX[k],即pX[k]=N2×(PC[k]HPC[k])-1PC[k]HpY[k]。对求得的L1个向量pX[k](k=0,1,...,L1-1)按照px=vec{pX[0],pX[1],...,pX[L1-1]}变换得到估计的功率谱向量px,向量长度为L1N,px即为宽带信号功率谱估计结果。
不难发现,本发明的压缩采样约束为M2>N,在实际应用中容易实现,且不受信号的稀疏度约束。通过引入自适应分辨率平均方法,系统可以在系统复杂度,估计性能以及频率分辨率方面进行自适应调整。功率谱估计采用最小二乘法,与利用凸优化,贪婪算法等实现基于压缩感知的稀疏信号重构的方法相比,计算复杂度低。基于信号的功率谱估计,不用考虑信号的稀疏度,去除了一般压缩采样中信号重构要求的稀疏度先验条件。由此可见,本发明具有采样速率低,计算复杂度低等优点,同时不需要信号频域稀疏度的先验信息。

Claims (1)

1.一种基于多通道压缩采样的宽带功率谱估计方法,其特征在于,包括以下步骤:
(1)模拟前端采用多通道压缩采样结构,得关系式Y[n]=CX[n],其中C为压缩采样矩阵,其元素随机从{1,-1}中选取,大小为M×N;X为原始输入信号的奈奎斯特离散采样,并将其分段组成矩阵,大小为N×L,Y为压缩采样的信号输出矩阵,大小为M×L,其中,M<N且M2>N;
(2)对每一路的采样值进行离散傅里叶变换,得到各通道间的互功率谱矩阵;所述步骤(2)具体包括:对每一路采样的信号Y的每一行进行傅里叶变换,得到矩阵Y[k],根据选取的分辨率对Y[k]中的每一行进行分段平均,得到新的矩阵Y'[k],大小为M×L1,其中,L为L1的整数倍;根据选取的分辨率对压缩采样矩阵C的每一行补零,然后对压缩采样矩阵C的每一行进行傅里叶变换得到矩阵C'[k],分别对矩阵Y'[k],C'[k]的行向量进行两两共轭点乘,分别得到互功率谱矩阵PY,PC
(3)利用互功率谱矩阵建立互功率谱关系式,采用直接法进行估计信号的功率谱,通过最小二乘法求解得到宽带功率谱估计结果;所述步骤(3)具体包括:利用互功率谱矩阵PY,PC,采用直接计算法,即Px[k]=X[k]X*[k],X[k]为原始信号的傅里叶变化后的频域值,先将时域采样进行的相乘转化为卷积后的抽取,然后在频域建立相乘的关系式,由此建立关系式通过最小二乘法求取pX,即对求得的L1个向量pX按照对应位置组成估计的功率谱向量px,px即为宽带信号功率谱估计结果,其中,是PC的转置共轭矩阵。
CN201410390567.4A 2014-08-08 2014-08-08 一种基于多通道压缩采样的宽带功率谱估计方法 Active CN104202098B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410390567.4A CN104202098B (zh) 2014-08-08 2014-08-08 一种基于多通道压缩采样的宽带功率谱估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410390567.4A CN104202098B (zh) 2014-08-08 2014-08-08 一种基于多通道压缩采样的宽带功率谱估计方法

Publications (2)

Publication Number Publication Date
CN104202098A CN104202098A (zh) 2014-12-10
CN104202098B true CN104202098B (zh) 2016-06-15

Family

ID=52087337

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410390567.4A Active CN104202098B (zh) 2014-08-08 2014-08-08 一种基于多通道压缩采样的宽带功率谱估计方法

Country Status (1)

Country Link
CN (1) CN104202098B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101695148A (zh) * 2009-10-23 2010-04-14 中国科学院声学研究所 一种用于数字助听器的多通道宽动态范围压缩系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1212608C (zh) * 2003-09-12 2005-07-27 中国科学院声学研究所 一种采用后置滤波器的多通道语音增强方法
CN102903368B (zh) * 2011-07-29 2017-04-12 杜比实验室特许公司 用于卷积盲源分离的方法和设备
CN102946288B (zh) * 2012-11-23 2014-08-06 西安电子科技大学 基于自相关矩阵重构的压缩频谱感知方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101695148A (zh) * 2009-10-23 2010-04-14 中国科学院声学研究所 一种用于数字助听器的多通道宽动态范围压缩系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
功率谱估计在多载波调制解调中的应用及仿真;王振朝 等;《信息技术》;20060925(第09期);全文 *
功率谱估计在宽带ADCP信号检测中的研究与应用;汪胜波;《中国优秀硕士学位论文全文数据库(信息科技辑)》;20120715(第07期);全文 *
基于广义功率谱密度的分布压缩宽带频谱感知;赵春晖 等;《吉林大学学报(工学版)》;20120715;第42卷(第04期);全文 *

Also Published As

Publication number Publication date
CN104202098A (zh) 2014-12-10

Similar Documents

Publication Publication Date Title
US9960942B2 (en) Low complexity method for reducing PAPR in FRFT-OFDM systems
CN103873170B (zh) 一种在盲稀疏条件下压缩感知的频谱检测方法
CN103346798B (zh) 一种以低于奈奎斯特频率的采样频率进行信号采集方法
CN106992800B (zh) 基于迭代自适应算法的电力线通信系统脉冲噪声抑制方法
CN103701730A (zh) 信道时域相关性低复杂度压缩感知的信道估计方法及装置
CN110163189B (zh) 一种带宽受限信号动态外推方法
CN110113274A (zh) 基于多小波脉冲成型的noma系统
CN104902560A (zh) 一种下行定时同步方法及装置
CN104836772A (zh) 基于混合载波系统的峰均功率比和带外功率的联合抑制的信号发射和接收方法
CN106301631A (zh) 一种基于子空间分解的互素欠采样频谱感知方法及其装置
CN106452626B (zh) 基于多组互质采样的宽带频谱压缩感知
CN109379745A (zh) 一种面向5g的多用户协作频谱感知策略研究方法
CN106464273A (zh) 处理信号的方法、发射机和压缩采样接收机
CN109639603A (zh) 基于导频的低复杂度压缩感知信道估计方法
CN104821856B (zh) 一种用于ofdm频谱感知的噪声功率估计方法
CN101267415A (zh) 灵巧的基于滤波器组的上行多址传输装置及其方法
CN109586728A (zh) 基于稀疏贝叶斯的调制宽带转换器框架下信号盲重构方法
CN104144140A (zh) 一种正交频分复用系统中降低峰均比的方法及接入装置
CN104202098B (zh) 一种基于多通道压缩采样的宽带功率谱估计方法
CN106506102A (zh) 一种互素欠采样下高精度、低时延的谱感知方法及其装置
CN108847909B (zh) 一种基于压缩感知的宽带块稀疏频谱恢复方法
CN103838703A (zh) 用于基于大点数傅里叶变换实现信号处理的方法和设备
CN105391453A (zh) 基于Xampling框架构造观测矩阵的信号压缩感知方法
Shang et al. A method for reducing PAPR of OTFS radar communication integrated signal
CN104506468A (zh) 一种时域稀疏信道估计方法

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