CN105812728A - 一种图像采集和无线传输系统 - Google Patents

Abstract

本发明公开了一种图像采集和无线传输系统，包括：摄像头，用于采集图像；处理器，与摄像头连接；无线发射模块，与处理器连接，用于将处理器处理后的图像发送出去；包含数字基带模块和射频发射器；数字基带模块通过使用多个数字合成器来产生多模式调制信号；射频发射器包含频率合成器和数字功率放大器；频率合成器产生具有射频载波频率的振荡信号；数字功率放大器依据该多模式调制信号和该振荡信号来产生多标准的射频信号；公网服务器，与无线发射模块无线连接。本发明克服了现场环境改造困难、布线成本高，条件恶劣等问题，具有成本低、体积小、布设方便、运行稳定等特点；无线发射模块具有更小的芯片尺寸、更低的成本和更低的电流消耗。

Description

一种图像采集和无线传输系统

技术领域

本发明属于图像采集技术领域，尤其涉及一种图像采集和无线传输系统。

背景技术

图像采集是一种可以获取数字化视频图像信息，并将其存储和播放出来的硬件设备。很多图像采集能在捕捉视频信息的同时获得伴音，使音频部分和视频部分在数字化时同步保存、同步播放。随着网络和通信技术的迅速发展，远程监测系统在工业控制领域中有着非常重要的意义。在工控领域，由于需要监控的区域广，监控的对象种类繁多，需要花费大量的人力和物力，再者，在许多条件恶劣或人们不易到达或不能长久的停留的地方采集数据，是很不方便的。

现有的图像采集存在的智能化程度较低，图像效果较差，传输速度慢。

发明内容

本发明的目的在于提供一种图像采集和无线传输系统，旨在解决现有的图像采集存在的智能化程度较低，图像效果较差，传输速度慢的问题。

本发明是这样实现的，一种图像采集和无线传输系统，所述图像采集和无线传输系统包括：

摄像头，用于采集图像；

处理器，与所述摄像头连接；设置有信号间干扰关系分析模块；

无线发射模块，与所述处理器连接，用于将所述处理器处理后的图像发送出去；包含数字基带模块和射频发射器；数字基带模块通过使用多个数字合成器来产生多模式调制信号；射频发射器包含频率合成器和数字功率放大器；频率合成器产生具有射频载波频率的振荡信号；数字功率放大器依据该多模式调制信号和该振荡信号来产生多标准的射频信号；所述无线发射模块设置有认知无线电网络合作频谱感知模块；

公网服务器，与所述无线发射模块无线连接；

帧缓存器，所述摄像头通过所述帧缓存器与所述处理器连接；

所述图像采集和无线传输系统还包括：

与非门，所述与非门的第一输入端与所述摄像头的行同步信号端连接，所述与非门的第二输入端与所述处理器的帧缓存器写使能信号端连接，所述与非门的输出端与所述帧缓存器的写使能端连接；

所述图像采集和无线传输系统还包括：串口转换芯片，所述处理器的串口通过所述串口转换芯片与所述帧缓存器连接；

所述图像采集和无线传输系统还包括：有源晶振，与所述摄像头连接；

所述无线发射模块为GPRS模块。

进一步，所述认知无线电网络合作频谱感知模块的认知无线电网络合作频谱感知方法包括以下步骤：

步骤一，参与合作感知的节点开始进行周期为τ_s的频谱检测过程，获得主用户频谱资源的特征；

步骤二，正常感知节点和恶意感知节点通过正交的公共控制信道向数据融合中心进行感知信息的汇报；

步骤三，数据融合中心对收集到的感知信息进行数据融合，并依据恶意节点的恶意攻击模式计算全局的虚警概率；

步骤四，次级用户与主用户共享频谱资源，如果检测到主用户处于闲状态，则将以大功率发射信号，否则将以小功率发射信号；

步骤五，构建优化模型，确定有关发射功率和感知时间的约束条件，求解所建立的最优化问题，得到使得次级网络的吞吐量最大的合作感知的感知周期和次级用户的信号发射功率；

步骤六，重复循环步骤一至步骤五，直至完成仿真实验1000次，对每次得到的最优解取平均，以平均值作为频谱感知模型的感知参数。

进一步，步骤一中参与合作感知的节点确定每条链路上多个服务质量度量参数的变化区间和分布函数，按如下过程进行；

第一步，根据主用户信号的特征和信道衰减系数，计算各本地感知节点CR_i接受到的信号y_i(n)；

第二步，根据能量检测原理，得到感知节点CR_i处的信号能量的统计量V_i，当采样量足够大时，V_i近似服从高斯分布。

进一步，步骤二中正常感知节点和恶意感知节点通过正交的公共控制信道向数据融合中心进行感知信息的汇报，正常感知节点将如实地汇报自己的感知信息，恶意节点则采用虚警攻击模式进行汇报：当信号能量统计量V_i大于攻击阈值η，则如实地报告自己的感知结果；否则将以概率p_a发动攻击，向数据融合中心发送一个较高的能量值以达到恶意攻击的目的。

进一步，步骤三的具体方法包括：

第一步，根据各个节点的信噪比γ_i为每一个参与合作感知的次级用户CR_i,i＝1…k设计一个权重然后对收集得到的信号能量统计量U_i进行线性加权得到最终的信号能量的统计量

第二步，分析虚警恶意攻击模式对频谱感知造成的影响，得到全局虚警概率P_f和攻击概率p_a、攻击阈值η、攻击强度Δ之间的函数表达式如下：

$P_f=Q(\frac{\sqrt{{\Σ}_{i=1}^k{{\mathrm{\ω}}_i}^2(1+2{\mathrm{\γ}}_i)}}{Q\left(P_d\right)}+\sqrt{{\mathrm{\τ}}_s{f}_s}({\Σ}_{i=1}^k{\mathrm{\ω}}_i{\mathrm{\γ}}_i+\frac{C_1-C_0}{{\mathrm{\σ}}_u^2}\left)\right)$

其中：

进一步，在步骤四中次级用户发射机SU-Tx依据数据融合中心的决策结果调整自己的信号发射功率，如果检测到主用户PU处于闲状态，则将以大功率P₀发射信号；如果主用户PU是处于忙状态即主用户PU以功率P_p发射信号，次级用户发射机SU-Tx将以小功率P₁发射信号；故在一个时间帧内次级网络的平均吞吐量写成如下形式：

$\begin{array}{c}R=E\{\frac{T-{\mathrm{\τ}}_s}{T}\[(1-P_f)P\left(H_0\right){\log }_2(1+\frac{g_{ss}{P}_0}{{\mathrm{\σ}}_u^2})+P_{f}P\left(H_0\right){\log }_2(1+\frac{g_{ss}{P}_1}{{\mathrm{\σ}}_u^2})\\ +(1-P_d)P\left(H_1\right){\log }_2(1+\frac{g_{ss}{P}_0}{h_k{P}_p+{\mathrm{\σ}}_u^2})+P_{d}P\left(H_1\right){\log }_2(1+\frac{g_{ss}{P}_1}{h_k{P}_p+{\mathrm{\σ}}_u^2})\]\}\end{array}---\left(1\right)$

其中：h_k,g_ss分别是主用户发射机PU-Tx到次级用户发射机SU-Tx次级用户发射机SU-Tx、次级用户发射机SU-Tx到次级用户接收机SU-Rx之间的信道衰减系数，P(H₀)和P(H₁)分别表示主用户PU实际处于闲状态与忙状态的概率。

进一步，在步骤五中确定有关发射功率和感知时间的约束条件及对非凸优化问题的求解，按照如下过程进行：

第一步，保证次级用户网络能长时间工作，需对次级用户的发射功率进行限制，保证次级用户网络的平均发射功率低于限定值：

E{α₀P₀+α₁P₁+β₀P₀+β₁P₁}≤P_av(2)

式中P_av是次级用户发射机SU-Tx的最大平均发射功率，这的平均是指信道衰减系数h_i,g_ss,g_sp随机变量的期望；

第二步，认知无线电网络的首要任务是保护主用户网络的服务质量，故对网络的干扰功率进行了限制；根据基于合作感知的频谱共享网络模型，知道干扰只在主用户PU处于忙状态时发生，所以平均干扰功率约束写成如下形式：

E{g_sp(β₀P₀+β₁P₁)}≤Q_av(3)

第三步，确保各个节点处的检测概率和网络的整体检测概率分别不低于各自的目标检测概率，关于检测概率的限制条件如下：

P_d≥P_th,P_di≥p_th,i＝1,2…k(4)

第四步，根据上述限制条件下，建立以最大化次级网络的平均吞吐量为目标函数的最优化问题：

$\begin{array}{cc}\underset{\{{\mathrm{\τ}}_s,\mathrm{\ϵ},\{\mathrm{\ϵ}\},P_0,P_1\}}{\max }& R\\ subjectto& \left(2\right),\left(3\right),\left(4\right),P_0\≥0,P_1\≥0\\ & 0\≤{\mathrm{\τ}}_s\≤T\end{array}---\left(\mathrm{Pr}oblem1\right)$

第五步，求解所建立的最优化问题，选择使得次级网络的吞吐量最大的合作感知的感知周期和次级用户的信号发射功率作为该频谱感知模型的感知参数。

进一步，第五步具体包括以下的步骤：

步骤一，对不等式约束条件组(4)取等号，简化Problem1为Problem2；

$\begin{array}{cc}\begin{array}{cc}\underset{\{{\mathrm{\τ}}_s,P_0,P_1\}}{\max }& R\end{array}& \\ subjectto& \left(2\right),\left(3\right),P_0\≥0,P_1\≥0\\ & 0\≤{\mathrm{\τ}}_s\≤T\end{array}---\left(\mathrm{Pr}oblem2\right)$

步骤二，弱化对感知周期τ_s的求解，重点求解使平均吞吐量最大化的信号发射功率P₀，P₁；关于发射功率P₀和P₁的拉格朗日函数如下：

$\begin{array}{c}L(P_0,P_1,\mathrm{\λ},\mathrm{\μ})=E\{\frac{T-{\stackrel{\‾}{\mathrm{\τ}}}_s}{T}\[{\mathrm{\α}}_0{r}_{00}+{\mathrm{\α}}_1{r}_{01}+{\mathrm{\β}}_0{r}_{10}+{\mathrm{\β}}_1{r}_{11}\]\}\\ -\mathrm{\λ}\[E\{{\mathrm{\α}}_0{P}_0+{\mathrm{\α}}_1{P}_1+{\mathrm{\β}}_0{P}_0+{\mathrm{\β}}_1{P}_1\}-P_{av}\]\\ -\mathrm{\μ}\[E\left\{g_{sp}({\mathrm{\β}}_0{P}_0+{\mathrm{\β}}_1{P}_1)\right\}-Q_{av}\].\end{array}$

所以Problem2的拉格朗日对偶优化问题为：

$\begin{array}{cc}\underset{\mathrm{\λ}\≥0,\mathrm{\μ}}{\min imize}& g(\mathrm{\λ},\mathrm{\μ})\end{array}---\left(\mathrm{Pr}oblem3\right)$

其中表示拉格朗日对偶函数；证明优化问题Problem2与Problem3的最优值差值为零，说明优化问题Problem2与其拉格朗日对偶优化问题Problem3之间是等价的，故只需求Problem3的最优解即可；该问题是一个关于双变量P₀P₁的联合规划问题，为此将分解成两个子优化问题：

$SP1:\underset{P_0\≥0}{\max imize}E\{\frac{T-{\stackrel{\‾}{\mathrm{\τ}}}_s}{T}({\mathrm{\α}}_0{r}_{00}+{\mathrm{\β}}_0{r}_{10})-\mathrm{\λ}({\mathrm{\α}}_0{P}_0+{\mathrm{\β}}_0{P}_0)-{\mathrm{\μg}}_{sp}{\mathrm{\β}}_0{P}_0\}$

$SP2:\underset{P_1\≥0}{\max imize}E\{\frac{T-{\stackrel{\‾}{\mathrm{\τ}}}_s}{T}({\mathrm{\α}}_1{r}_{11}+{\mathrm{\β}}_1{r}_{01})-\mathrm{\λ}({\mathrm{\α}}_1{P}_1+{\mathrm{\β}}_1{P}_1)-{\mathrm{\μg}}_{sp}{\mathrm{\β}}_1{P}_1\}$

显然可以看出SP1和SP2分别是关于P₀P₁的无约束凸优化问题，此时运用拉格朗日函数以及KKT条件，便得到当检测到主用户PU处于闲状态时次级用户发射机SU-Tx的最优发射功率：

$P_0={\[\frac{A_0+\sqrt{{\mathrm{\Λ}}_0}}{2}\]}^{+}---\left(5\right)$

其中：

${\mathrm{\Λ}}_0=A_0^2-\frac{4}{g_{ss}}\{\frac{{\mathrm{\σ}}_u^4+{\mathrm{\σ}}_u^2{h}_k{P}_p}{g_{ss}}-\frac{{\log }_2\left(e\right)\[{\mathrm{\α}}_0({\mathrm{\σ}}_u^2+h_k{P}_p)+{\mathrm{\β}}_0{\mathrm{\σ}}_u^2\]}{\mathrm{\λ}({\mathrm{\α}}_0+{\mathrm{\β}}_0)+{\mathrm{\μ\β}}_0{g}_{sp}}\}$

当检测到主用户PU处于忙状态时，次级用户发射机SU-Tx的最优发射功率为：

$P_1={\[\frac{A_1+\sqrt{{\mathrm{\Λ}}_1}}{2}\]}^{+}---\left(6\right)$

其中：

${\mathrm{\Λ}}_0=A_0^2-\frac{4}{g_{ss}}\{\frac{{\mathrm{\σ}}_u^4+{\mathrm{\σ}}_u^2{h}_k{P}_p}{g_{ss}}-\frac{{\log }_2\left(e\right)\[{\mathrm{\α}}_0({\mathrm{\σ}}_u^2+h_k{P}_p)+{\mathrm{\β}}_0{\mathrm{\σ}}_u^2\]}{\mathrm{\λ}({\mathrm{\α}}_0+{\mathrm{\β}}_0)+{\mathrm{\μ\β}}_0{g}_{sp}}\}$

式中[x]⁺＝max{0,x}；λ≥0，μ≥0是式(2)(3)的拉格朗日乘子。

进一步，所述信号间干扰关系分析模块的方法包括以下步骤：

步骤一，构建多维干扰空间模型，确定待分析的干扰信号特征矢量与参照信号特征矢量

步骤二，基于干扰空间模型，针对干扰信号特征矢量定义其对参照信号特征矢量的位移矢量

步骤三，定义位移矢量在干扰空间中对某个维度坐标轴的投影，为干扰信号特征矢量到参照信号特征矢量在该CP维度上的距离，即有：

其中PRJ(·)算子表示针对某一CP维度的投影运算，计算的值；

步骤四，定义干扰信号对参照信号的干扰状态为S，用以表示干扰信号对参照信号的干扰关系，从而判断是否存在干扰；判断方法包括以下步骤：

1)对于由单独干扰矢量表示的单模干扰信号和参照信号，当干扰信号矢量对参照信号矢量在空间模型中各个维度的距离均小于该维度的分辨率时，表示干扰信号对参照信号产生干扰，S＝1；反之，若存在某一维度或者多个维度上干扰信号矢量对参照信号矢量的距离大于等于该维度的分辨率，则表示干扰信号未对参照信号形成干扰，S＝0，即干扰信号和参照信号在该维度是可分离的；

$S(\stackrel{\&RightArrow;}{V_I},\stackrel{\&RightArrow;}{V_S})=\left\{\begin{array}{cc}0& \&Exists;{\mathrm{CP}}_i,d_{{\mathrm{CP}}_i,(I,S)}\&GreaterEqual;{\mathrm{\&Delta;}}_{{\mathrm{CP}}_i}\\ 1& \&ForAll;{\mathrm{CP}}_i,d_{{\mathrm{CP}}_i,(I,S)}<{\mathrm{\&Delta;}}_{{\mathrm{CP}}_i}\end{array}\right.$

2)对于干扰信号和参照信号各自包含若干干扰特征矢量的多模情况，此时的干扰状态S(V_I，V_S)可以如下计算：

其中S[V_I，V_S]_M×N被称为干扰状态矩阵，矩阵中的每个元素表示V_I中的第k个特征矢量和V_S中的第l个特征矢量的干扰状态；只有两个特征矢量集合中每个元素都不干扰时，S(V_I，V_S)＝0，干扰信号才不对参照信号形成干扰；反之，S(V_I，V_S)＞0，此时干扰信号将对参照信号形成干扰；

步骤五，在已经形成干扰的前提下，选取并确定干扰作用参数EP,对于干扰信号而言，该参数通常为信号功率p或者能量e；进一步，定义干扰信号对参照信号的干扰程度为G，计算出干扰信号对参照信号的干扰影响程度；计算方法包括以下步骤：

1)对仅包括单独特征矢量的单模干扰信号和参照信号，干扰信号矢量对参照信号矢量的干扰程度G(V_I,V_S)，利用干扰作用参数EP进行评估：

$G(\stackrel{\&RightArrow;}{V_I},\stackrel{\&RightArrow;}{V_S})=\frac{{\mathrm{ep}}_I\&CenterDot;S(\stackrel{\&RightArrow;}{V_I},\stackrel{\&RightArrow;}{V_S})}{{\mathrm{ep}}_S};$

2)对包含若干特征矢量的多模干扰信号和参照信号，此时干扰信号对参照信号的干扰程度G(V_I,V_S)定义以特征矢量集合表示的干扰信号对参照信号的干扰程度；此时的计算如下：

本发明提供的图像采集和无线传输系统，工作时，处理器接收来自摄像头采集到的图像，并对其接收到的图像进行处理(例如，压缩打包等)，然后将处理后的图像通过无线发射模块发射给公网服务器。这样，便可通过无线的方式，实现现场图像的采集和远程图像无线传输，克服了现场环境改造困难、布线成本高，条件恶劣等问题，具有成本低、体积小、布设方便、运行稳定等特点。本发明提出的无线发射模块具有更小的芯片尺寸、更低的成本和更低的电流消耗。本发明的方法简单，操作方便；基于特征参数形成对应的干扰模型，可以很方便地表示出干扰信号特征矢量和参照信号特征矢量。根据干扰信号特征矢量对参照信号特征矢量的位移矢量从而可以方便地确定干扰信号对参照信号的干扰状态S，进一步得出干扰信号对参照信号的干扰程度G。本发明的方法，将无线通信系统干扰信号对参照信号的干扰行为和数学空间的矢量运算相结合，解决了无线系统中对信号干扰的判决与分析问题，从而有助于进行干扰管理，提高通信质量与资源利用率。

附图说明

图1是本发明实施例提供的图像采集和无线传输系统结构示意图；

图中：1、摄像头；2、处理器；3、串口转换芯片；4、无线发射模块；5、公网服务器。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

下面结合附图对本发明的应用原理作详细的描述。

如图1所示，本发明实施例的图像采集和无线传输系统主要包括：包括：摄像头1，用于采集图像；处理器2，与摄像头1连接；无线发射模块4，与处理器2连接，用于将处理器2处理后的图像发送出去；公网服务器5，与无线发射模块4无线连接。

处理器2，与所述摄像头1连接；设置有信号间干扰关系分析模块；

无线发射模块4，与所述处理器2连接，用于将所述处理器2处理后的图像发送出去；包含数字基带模块和射频发射器；数字基带模块通过使用多个数字合成器来产生多模式调制信号；射频发射器包含频率合成器和数字功率放大器；频率合成器产生具有射频载波频率的振荡信号；数字功率放大器依据该多模式调制信号和该振荡信号来产生多标准的射频信号；所述无线发射模块设置有认知无线电网络合作频谱感知模块；

优选地，无线发射模块4为GPRS模块。

工作时，处理器2接收来自摄像头1采集到的图像，并对其接收到的图像进行处理(例如，压缩打包等)，然后将处理后的图像通过无线发射模块4发射给公网服务器5。这样，便可通过无线的方式，实现现场图像的采集和远程图像无线传输，克服了现场环境改造困难、布线成本高，条件恶劣等问题，具有成本低、体积小、布设方便、运行稳定等特点。

优选地，帧缓存器，摄像头1通过帧缓存器与处理器2连接。优选地，帧缓存器可以为AL422B等。通过帧缓存器解决了处理器2与摄像头1之间数据传

输速率不一致问题，在二者之间加入帧缓存器，可将摄像头1采集的图像缓存后再送给处理器2。

优选地，图像采集无线传输系统还包括：与非门，与非门的第一输入端与摄像头1的行同步信号端HREF连接，与非门的第二输入端与处理器2的帧缓存器写使能信号端FIFO_WEN连接，与非门的输出端与帧缓存器的写使能端/WE连接。

优选地，与非门可以为74HC00等。通过与非门可便产生符合帧缓存器要求的写时序，从而将摄像头1输出的图像自动地存入帧缓存器。

优选地，图像采集无线传输系统还包括串口转换芯片3(例如，SP3232芯片等)，处理器2的串口通过串口转换芯片3与帧缓存器连接。由于帧缓存器正常工作需要3.3V供电，此时，可通过串口转换芯片3将RS232高电平转为TTL低电平。

优选地，图像采集无线传输系统还包括有源晶振，与摄像头1连接，用于向摄像头提供系统时钟。例如，有源晶振的频率可以为24M赫兹。

进一步，所述认知无线电网络合作频谱感知模块的认知无线电网络合作频谱感知方法包括以下步骤：

步骤一，参与合作感知的节点开始进行周期为τ_s的频谱检测过程，获得主用户频谱资源的特征；

步骤二，正常感知节点和恶意感知节点通过正交的公共控制信道向数据融合中心进行感知信息的汇报；

步骤三，数据融合中心对收集到的感知信息进行数据融合，并依据恶意节点的恶意攻击模式计算全局的虚警概率；

步骤四，次级用户与主用户共享频谱资源，如果检测到主用户处于闲状态，则将以大功率发射信号，否则将以小功率发射信号；

步骤五，构建优化模型，确定有关发射功率和感知时间的约束条件，求解所建立的最优化问题，得到使得次级网络的吞吐量最大的合作感知的感知周期和次级用户的信号发射功率；

步骤六，重复循环步骤一至步骤五，直至完成仿真实验1000次，对每次得到的最优解取平均，以平均值作为频谱感知模型的感知参数。

进一步，步骤一中参与合作感知的节点确定每条链路上多个服务质量度量参数的变化区间和分布函数，按如下过程进行；

第一步，根据主用户信号的特征和信道衰减系数，计算各本地感知节点CR_i接受到的信号y_i(n)；

第二步，根据能量检测原理，得到感知节点CR_i处的信号能量的统计量V_i，当采样量足够大时，V_i近似服从高斯分布。

进一步，步骤二中正常感知节点和恶意感知节点通过正交的公共控制信道向数据融合中心进行感知信息的汇报，正常感知节点将如实地汇报自己的感知信息，恶意节点则采用虚警攻击模式进行汇报：当信号能量统计量V_i大于攻击阈值η，则如实地报告自己的感知结果；否则将以概率p_a发动攻击，向数据融合中心发送一个较高的能量值以达到恶意攻击的目的。

进一步，步骤三的具体方法包括：

第一步，根据各个节点的信噪比γ_i为每一个参与合作感知的次级用户CR_i,i＝1…k设计一个权重然后对收集得到的信号能量统计量U_i进行线性加权得到最终的信号能量的统计量

第二步，分析虚警恶意攻击模式对频谱感知造成的影响，得到全局虚警概率P_f和攻击概率p_a、攻击阈值η、攻击强度Δ之间的函数表达式如下：

$P_f=Q(\frac{\sqrt{{\&Sigma;}_{i=1}^k{{\mathrm{\&omega;}}_i}^2(1+2{\mathrm{\&gamma;}}_i)}}{Q\left(P_d\right)}+\sqrt{{\mathrm{\&tau;}}_s{f}_s}({\&Sigma;}_{i=1}^k{\mathrm{\&omega;}}_i{\mathrm{\&gamma;}}_i+\frac{C_1-C_0}{{\mathrm{\&sigma;}}_u^2}\left)\right)$

其中：

进一步，在步骤四中次级用户发射机SU-Tx依据数据融合中心的决策结果调整自己的信号发射功率，如果检测到主用户PU处于闲状态，则将以大功率P₀发射信号；如果主用户PU是处于忙状态即主用户PU以功率P_p发射信号，次级用户发射机SU-Tx将以小功率P₁发射信号；故在一个时间帧内次级网络的平均吞吐量写成如下形式：

$\begin{array}{c}R=E\{\frac{T-{\mathrm{\&tau;}}_s}{T}\&lsqb;(1-P_f)P\left(H_0\right){\log }_2(1+\frac{g_{ss}{P}_0}{{\mathrm{\&sigma;}}_u^2})+P_{f}P\left(H_0\right){\log }_2(1+\frac{g_{ss}{P}_1}{{\mathrm{\&sigma;}}_u^2})\\ +(1-P_d)P\left(H_1\right){\log }_2(1+\frac{g_{ss}{P}_0}{h_k{P}_p+{\mathrm{\&sigma;}}_u^2})+P_{d}P\left(H_1\right){\log }_2(1+\frac{g_{ss}{P}_1}{h_k{P}_p+{\mathrm{\&sigma;}}_u^2})\&rsqb;\}\end{array}---\left(1\right)$

其中：h_k,g_ss分别是主用户发射机PU-Tx到次级用户发射机SU-Tx次级用户发射机SU-Tx、次级用户发射机SU-Tx到次级用户接收机SU-Rx之间的信道衰减系数，P(H₀)和P(H₁)分别表示主用户PU实际处于闲状态与忙状态的概率。

进一步，在步骤五中确定有关发射功率和感知时间的约束条件及对非凸优化问题的求解，按照如下过程进行：

第一步，保证次级用户网络能长时间工作，需对次级用户的发射功率进行限制，保证次级用户网络的平均发射功率低于限定值：

E{α₀P₀+α₁P₁+β₀P₀+β₁P₁}≤P_av(2)

式中P_av是次级用户发射机SU-Tx的最大平均发射功率，这的平均是指信道衰减系数h_i,g_ss,g_sp随机变量的期望；

第二步，认知无线电网络的首要任务是保护主用户网络的服务质量，故对网络的干扰功率进行了限制；根据基于合作感知的频谱共享网络模型，知道干扰只在主用户PU处于忙状态时发生，所以平均干扰功率约束写成如下形式：

E{g_sp(β₀P₀+β₁P₁)}≤Q_av(3)

第三步，确保各个节点处的检测概率和网络的整体检测概率分别不低于各自的目标检测概率，关于检测概率的限制条件如下：

P_d≥P_th,P_di≥p_th,i＝1,2…k(4)

第四步，根据上述限制条件下，建立以最大化次级网络的平均吞吐量为目标函数的最优化问题：

$\begin{array}{cc}\underset{\{{\mathrm{\&tau;}}_s,\mathrm{\&epsiv;},\{\mathrm{\&epsiv;}\},P_0,P_1\}}{\max }& R\\ subjectto& \left(2\right),\left(3\right),\left(4\right),P_0\&GreaterEqual;0,P_1\&GreaterEqual;0\\ & 0\&le;{\mathrm{\&tau;}}_s\&le;T\end{array}---\left(\mathrm{Pr}oblem1\right)$

第五步，求解所建立的最优化问题，选择使得次级网络的吞吐量最大的合作感知的感知周期和次级用户的信号发射功率作为该频谱感知模型的感知参数。

进一步，第五步具体包括以下的步骤：

步骤一，对不等式约束条件组(4)取等号，简化Problem1为Problem2；

$\begin{array}{cc}\begin{array}{cc}\underset{\{{\mathrm{\&tau;}}_s,P_0,P_1\}}{\max }& R\end{array}& \\ subjectto& \left(2\right),\left(3\right),P_0\&GreaterEqual;0,P_1\&GreaterEqual;0\\ & 0\&le;{\mathrm{\&tau;}}_s\&le;T\end{array}---\left(\mathrm{Pr}oblem2\right)$

步骤二，弱化对感知周期τ_s的求解，重点求解使平均吞吐量最大化的信号发射功率P₀，P₁；关于发射功率P₀和P₁的拉格朗日函数如下：

$\begin{array}{c}L(P_0,P_1,\mathrm{\&lambda;},\mathrm{\&mu;})=E\{\frac{T-{\stackrel{\&OverBar;}{\mathrm{\&tau;}}}_s}{T}\&lsqb;{\mathrm{\&alpha;}}_0{r}_{00}+{\mathrm{\&alpha;}}_1{r}_{01}+{\mathrm{\&beta;}}_0{r}_{10}+{\mathrm{\&beta;}}_1{r}_{11}\&rsqb;\}\\ -\mathrm{\&lambda;}\&lsqb;E\{{\mathrm{\&alpha;}}_0{P}_0+{\mathrm{\&alpha;}}_1{P}_1+{\mathrm{\&beta;}}_0{P}_0+{\mathrm{\&beta;}}_1{P}_1\}-P_{av}\&rsqb;\\ -\mathrm{\&mu;}\&lsqb;E\left\{g_{sp}({\mathrm{\&beta;}}_0{P}_0+{\mathrm{\&beta;}}_1{P}_1)\right\}-Q_{av}\&rsqb;.\end{array}$

所以Problem2的拉格朗日对偶优化问题为：

$\begin{array}{cc}\underset{\mathrm{\&lambda;}\&GreaterEqual;0,\mathrm{\&mu;}}{\min imize}& g(\mathrm{\&lambda;},\mathrm{\&mu;})\end{array}---\left(\mathrm{Pr}oblem3\right)$

其中表示拉格朗日对偶函数；证明优化问题Problem2与Problem3的最优值差值为零，说明优化问题Problem2与其拉格朗日对偶优化问题Problem3之间是等价的，故只需求Problem3的最优解即可；该问题是一个关于双变量P₀P₁的联合规划问题，为此将分解成两个子优化问题：

$SP1:\underset{P_0\&GreaterEqual;0}{\max imize}E\{\frac{T-{\stackrel{\&OverBar;}{\mathrm{\&tau;}}}_s}{T}({\mathrm{\&alpha;}}_0{r}_{00}+{\mathrm{\&beta;}}_0{r}_{10})-\mathrm{\&lambda;}({\mathrm{\&alpha;}}_0{P}_0+{\mathrm{\&beta;}}_0{P}_0)-{\mathrm{\&mu;g}}_{sp}{\mathrm{\&beta;}}_0{P}_0\}$

$SP2:\underset{P_1\&GreaterEqual;0}{\max imize}E\{\frac{T-{\stackrel{\&OverBar;}{\mathrm{\&tau;}}}_s}{T}({\mathrm{\&alpha;}}_1{r}_{11}+{\mathrm{\&beta;}}_1{r}_{01})-\mathrm{\&lambda;}({\mathrm{\&alpha;}}_1{P}_1+{\mathrm{\&beta;}}_1{P}_1)-{\mathrm{\&mu;g}}_{sp}{\mathrm{\&beta;}}_1{P}_1\}$

显然可以看出SP1和SP2分别是关于P₀P₁的无约束凸优化问题，此时运用拉格朗日函数以及KKT条件，便得到当检测到主用户PU处于闲状态时次级用户发射机SU-Tx的最优发射功率：

$P_0={\&lsqb;\frac{A_0+\sqrt{{\mathrm{\&Lambda;}}_0}}{2}\&rsqb;}^{+}---\left(5\right)$

其中：

${\mathrm{\&Lambda;}}_0=A_0^2-\frac{4}{g_{ss}}\{\frac{{\mathrm{\&sigma;}}_u^4+{\mathrm{\&sigma;}}_u^2{h}_k{P}_p}{g_{ss}}-\frac{{\log }_2\left(e\right)\&lsqb;{\mathrm{\&alpha;}}_0({\mathrm{\&sigma;}}_u^2+h_k{P}_p)+{\mathrm{\&beta;}}_0{\mathrm{\&sigma;}}_u^2\&rsqb;}{\mathrm{\&lambda;}({\mathrm{\&alpha;}}_0+{\mathrm{\&beta;}}_0)+{\mathrm{\&mu;\&beta;}}_0{g}_{sp}}\}$

当检测到主用户PU处于忙状态时，次级用户发射机SU-Tx的最优发射功率为：

$P_1={\&lsqb;\frac{A_1+\sqrt{{\mathrm{\&Lambda;}}_1}}{2}\&rsqb;}^{+}---\left(6\right)$

其中：

${\mathrm{\&Lambda;}}_1=A_1^2-\frac{4}{g_{ss}}\{\frac{{\mathrm{\&sigma;}}_u^4+{\mathrm{\&sigma;}}_u^2{h}_k{P}_p}{g_{ss}}-\frac{{\log }_2\left(e\right)\&lsqb;{\mathrm{\&alpha;}}_1({\mathrm{\&sigma;}}_u^2+h_k{P}_p)+{\mathrm{\&beta;}}_1{\mathrm{\&sigma;}}_u^2\&rsqb;}{\mathrm{\&lambda;}({\mathrm{\&alpha;}}_1+{\mathrm{\&beta;}}_1)+{\mathrm{\&mu;\&beta;}}_l{g}_{sp}}\}$

式中[x]⁺＝max{0,x}；λ≥0，μ≥0是式(2)(3)的拉格朗日乘子。

进一步，所述信号间干扰关系分析模块的方法包括以下步骤：

步骤一，构建多维干扰空间模型，确定待分析的干扰信号特征矢量与参照信号特征矢量

步骤二，基于干扰空间模型，针对干扰信号特征矢量定义其对参照信号特征矢量的位移矢量

步骤三，定义位移矢量在干扰空间中对某个维度坐标轴的投影，为干扰信号特征矢量到参照信号特征矢量在该CP维度上的距离，即有：

其中PRJ(·)算子表示针对某一CP维度的投影运算，计算的值；

步骤四，定义干扰信号对参照信号的干扰状态为S，用以表示干扰信号对参照信号的干扰关系，从而判断是否存在干扰；判断方法包括以下步骤：

1)对于由单独干扰矢量表示的单模干扰信号和参照信号，当干扰信号矢量对参照信号矢量在空间模型中各个维度的距离均小于该维度的分辨率时，表示干扰信号对参照信号产生干扰，S＝1；反之，若存在某一维度或者多个维度上干扰信号矢量对参照信号矢量的距离大于等于该维度的分辨率，则表示干扰信号未对参照信号形成干扰，S＝0，即干扰信号和参照信号在该维度是可分离的；

$S(\stackrel{\&RightArrow;}{V_I},\stackrel{\&RightArrow;}{V_S})=\left\{\begin{array}{cc}0& \&Exists;{\mathrm{CP}}_i,d_{{\mathrm{CP}}_i,(I,S)}\&GreaterEqual;{\mathrm{\&Delta;}}_{{\mathrm{CP}}_i}\\ 1& \&ForAll;{\mathrm{CP}}_i,d_{{\mathrm{CP}}_i,(I,S)}<{\mathrm{\&Delta;}}_{{\mathrm{CP}}_i}\end{array}\right.$

2)对于干扰信号和参照信号各自包含若干干扰特征矢量的多模情况，此时的干扰状态S(V_I，V_S)可以如下计算：

其中S[V_I，V_S]_M×N被称为干扰状态矩阵，矩阵中的每个元素表示V_I中的第k个特征矢量和V_S中的第l个特征矢量的干扰状态；只有两个特征矢量集合中每个元素都不干扰时，S(V_I，V_S)＝0，干扰信号才不对参照信号形成干扰；反之，S(V_I，V_S)＞0，此时干扰信号将对参照信号形成干扰；

步骤五，在已经形成干扰的前提下，选取并确定干扰作用参数EP，对于干扰信号而言，该参数通常为信号功率p或者能量e；进一步，定义干扰信号对参照信号的干扰程度为G，计算出干扰信号对参照信号的干扰影响程度；计算方法包括以下步骤：

1)对仅包括单独特征矢量的单模干扰信号和参照信号，干扰信号矢量对参照信号矢量的干扰程度G(V_I，V_S)，利用干扰作用参数EP进行评估：

$G(\stackrel{\&RightArrow;}{V_I},\stackrel{\&RightArrow;}{V_S})=\frac{{\mathrm{ep}}_I\&CenterDot;S(\stackrel{\&RightArrow;}{V_I},\stackrel{\&RightArrow;}{V_S})}{{\mathrm{ep}}_S};$

2)对包含若干特征矢量的多模干扰信号和参照信号，此时干扰信号对参照信号的干扰程度G(V_I，V_S)定义以特征矢量集合表示的干扰信号对参照信号的干扰程度；此时的计算如下：

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种图像采集和无线传输系统，其特征在于，所述图像采集和无线传输系统包括：

摄像头，用于采集图像；

处理器，与所述摄像头连接；设置有信号间干扰关系分析模块；

无线发射模块，与所述处理器连接，用于将所述处理器处理后的图像发送出去；包含数字基带模块和射频发射器；数字基带模块通过使用多个数字合成器来产生多模式调制信号；射频发射器包含频率合成器和数字功率放大器；频率合成器产生具有射频载波频率的振荡信号；数字功率放大器依据该多模式调制信号和该振荡信号来产生多标准的射频信号；所述无线发射模块设置有认知无线电网络合作频谱感知模块；

公网服务器，与所述无线发射模块无线连接；

帧缓存器，所述摄像头通过所述帧缓存器与所述处理器连接；

所述图像采集和无线传输系统还包括：

与非门，所述与非门的第一输入端与所述摄像头的行同步信号端连接，所述与非门的第二输入端与所述处理器的帧缓存器写使能信号端连接，所述与非门的输出端与所述帧缓存器的写使能端连接；

所述图像采集和无线传输系统还包括：串口转换芯片，所述处理器的串口通过所述串口转换芯片与所述帧缓存器连接；

所述图像采集和无线传输系统还包括：有源晶振，与所述摄像头连接；

所述无线发射模块为GPRS模块。

2.如权利要求1所述的图像采集和无线传输系统，其特征在于，所述认知无线电网络合作频谱感知模块的认知无线电网络合作频谱感知方法包括以下步骤：

步骤一，参与合作感知的节点开始进行周期为τ_s的频谱检测过程，获得主用户频谱资源的特征；

步骤二，正常感知节点和恶意感知节点通过正交的公共控制信道向数据融合中心进行感知信息的汇报；

步骤三，数据融合中心对收集到的感知信息进行数据融合，并依据恶意节点的恶意攻击模式计算全局的虚警概率；

步骤四，次级用户与主用户共享频谱资源，如果检测到主用户处于闲状态，则将以大功率发射信号，否则将以小功率发射信号；

步骤五，构建优化模型，确定有关发射功率和感知时间的约束条件，求解所建立的最优化问题，得到使得次级网络的吞吐量最大的合作感知的感知周期和次级用户的信号发射功率；

步骤六，重复循环步骤一至步骤五，直至完成仿真实验1000次，对每次得到的最优解取平均，以平均值作为频谱感知模型的感知参数。

3.如权利要求2所述的图像采集和无线传输系统，其特征在于，步骤一中参与合作感知的节点确定每条链路上多个服务质量度量参数的变化区间和分布函数，按如下过程进行；

第一步，根据主用户信号的特征和信道衰减系数，计算各本地感知节点CR_i接受到的信号y_i(n)；

第二步，根据能量检测原理，得到感知节点CR_i处的信号能量的统计量V_i，当采样量足够大时，V_i近似服从高斯分布。

4.如权利要求2所述的图像采集和无线传输系统，其特征在于，步骤二中正常感知节点和恶意感知节点通过正交的公共控制信道向数据融合中心进行感知信息的汇报，正常感知节点将如实地汇报自己的感知信息，恶意节点则采用虚警攻击模式进行汇报：当信号能量统计量V_i大于攻击阈值η，则如实地报告自己的感知结果；否则将以概率p_a发动攻击，向数据融合中心发送一个较高的能量值以达到恶意攻击的目的。

5.如权利要求2所述的图像采集和无线传输系统，其特征在于，步骤三的具体方法包括：

第一步，根据各个节点的信噪比γ_i为每一个参与合作感知的次级用户CR_i,i＝1…k设计一个权重然后对收集得到的信号能量统计量U_i进行线性加权得到最终的信号能量的统计量

第二步，分析虚警恶意攻击模式对频谱感知造成的影响，得到全局虚警概率P_f和攻击概率p_a、攻击阈值η、攻击强度Δ之间的函数表达式如下：

$P_f=Q(\frac{\sqrt{{\mathrm{\&Sigma;}}_{i=1}^k{{\mathrm{\&omega;}}_i}^2(1+2{\mathrm{\&gamma;}}_i)}}{Q\left(P_d\right)}+\sqrt{{\mathrm{\&tau;}}_s{f}_s}({\mathrm{\&Sigma;}}_{i=1}^k{\mathrm{\&omega;}}_i{\mathrm{\&gamma;}}_i+\frac{C_1-C_0}{{\mathrm{\&sigma;}}_u^2}\left)\right)$

其中：

6.如权利要求2所述的图像采集和无线传输系统，其特征在于，在步骤四中次级用户发射机SU-Tx依据数据融合中心的决策结果调整自己的信号发射功率，如果检测到主用户PU处于闲状态，则将以大功率P₀发射信号；如果主用户PU是处于忙状态即主用户PU以功率P_p发射信号，次级用户发射机SU-Tx将以小功率P₁发射信号；故在一个时间帧内次级网络的平均吞吐量写成如下形式：

$\begin{array}{c}R=E\{\frac{T-{\mathrm{\&tau;}}_s}{T}\&lsqb;(1-P_f)P\left(H_0\right){\log }_2(1+\frac{g_{ss}{P}_0}{{\mathrm{\&sigma;}}_u^2})+P_{f}P\left(H_0\right){\log }_2(1+\frac{g_{ss}{P}_1}{{\mathrm{\&sigma;}}_u^2})\\ +(1-P_d)P\left(H_1\right){\log }_2(1+\frac{g_{ss}{P}_0}{h_k{P}_p+{\mathrm{\&sigma;}}_u^2})+P_{d}P\left(H_1\right){\log }_2(1+\frac{g_{ss}{P}_1}{h_k{P}_p+{\mathrm{\&sigma;}}_u^2})\&rsqb;\}\end{array}---\left(1\right)$

其中：h_k,g_ss分别是主用户发射机PU-Tx到次级用户发射机SU-Tx次级用户发射机SU-Tx、次级用户发射机SU-Tx到次级用户接收机SU-Rx之间的信道衰减系数，P(H₀)和P(H₁)分别表示主用户PU实际处于闲状态与忙状态的概率。

7.如权利要求2所述的图像采集和无线传输系统，其特征在于，在步骤五中确定有关发射功率和感知时间的约束条件及对非凸优化问题的求解，按照如下过程进行：

第一步，保证次级用户网络能长时间工作，需对次级用户的发射功率进行限制，保证次级用户网络的平均发射功率低于限定值：

E{α₀P₀+α₁P₁+β₀P₀+β₁P₁}≤P_av(2)

式中P_av是次级用户发射机SU-Tx的最大平均发射功率，这的平均是指信道衰减系数h_i,g_ss,g_sp随机变量的期望；

第二步，认知无线电网络的首要任务是保护主用户网络的服务质量，故对网络的干扰功率进行了限制；根据基于合作感知的频谱共享网络模型，知道干扰只在主用户PU处于忙状态时发生，所以平均干扰功率约束写成如下形式：

E{g_sp(β₀P₀+β₁P₁)}≤Q_av(3)

第三步，确保各个节点处的检测概率和网络的整体检测概率分别不低于各自的目标检测概率，关于检测概率的限制条件如下：

P_d≥P_th,P_di≥p_th,i＝1,2…k(4)

第四步，根据上述限制条件下，建立以最大化次级网络的平均吞吐量为目标函数的最优化问题：

$\begin{array}{cc}\underset{\{{\mathrm{\&tau;}}_s,\mathrm{\&epsiv;},\{{\mathrm{\&epsiv;}}_i\},P_0,P_1\}}{\max }& R\\ subjectto& \left(2\right),\left(3\right),\left(4\right),P_0\&GreaterEqual;0,P_1\&GreaterEqual;0\\ & 0\&le;{\mathrm{\&tau;}}_s\&le;T\end{array}---\left(\mathrm{Pr}oblem1\right)$

第五步，求解所建立的最优化问题，选择使得次级网络的吞吐量最大的合作感知的感知周期和次级用户的信号发射功率作为该频谱感知模型的感知参数。

8.如权利要求7所述的图像采集和无线传输系统，其特征在于，第五步具体包括以下的步骤：

步骤一，对不等式约束条件组(4)取等号，简化Problem1为Problem2；

$\begin{array}{cc}\underset{\{{\mathrm{\&tau;}}_s,P_0,P_1\}}{\max }& R\\ subjectto& \left(2\right),\left(3\right),P_0\&GreaterEqual;0,P_1\&GreaterEqual;0\\ & 0\&le;{\mathrm{\&tau;}}_s\&le;T\end{array}---\left(\mathrm{Pr}oblem2\right)$

步骤二，弱化对感知周期τ_s的求解，重点求解使平均吞吐量最大化的信号发射功率P₀，P₁；关于发射功率P₀和P₁的拉格朗日函数如下：

$\begin{array}{c}L(P_0,P_1,\mathrm{\&lambda;},\mathrm{\&mu;})=E\{\frac{T-{\stackrel{\&OverBar;}{\mathrm{\&tau;}}}_s}{T}\&lsqb;{\mathrm{\&alpha;}}_0{r}_{00}+{\mathrm{\&alpha;}}_1{r}_{01}+{\mathrm{\&beta;}}_0{r}_{10}+{\mathrm{\&beta;}}_1{r}_{11}\&rsqb;\}\\ -\mathrm{\&lambda;}\&lsqb;E\{{\mathrm{\&alpha;}}_0{P}_0+{\mathrm{\&alpha;}}_1{P}_1+{\mathrm{\&beta;}}_0{P}_0+{\mathrm{\&beta;}}_1{P}_1\}-P_{av}\&rsqb;\\ -\mathrm{\&mu;}\&lsqb;E\left\{g_{sp}({\mathrm{\&beta;}}_0{P}_0+{\mathrm{\&beta;}}_1{P}_1)\right\}-Q_{av}\&rsqb;.\end{array}$

所以Problem2的拉格朗日对偶优化问题为：

$\begin{array}{cc}\underset{\mathrm{\&lambda;}\&GreaterEqual;0,\mathrm{\&mu;}\&GreaterEqual;0}{\min imize}& g(\mathrm{\&lambda;},\mathrm{\&mu;})\end{array}---\left(\mathrm{Pr}oblem3\right)$

其中表示拉格朗日对偶函数；证明优化问题Problem2与Problem3的最优值差值为零，说明优化问题Problem2与其拉格朗日对偶优化问题Problem3之间是等价的，故只需求Problem3的最优解即可；该问题是一个关于双变量P₀P₁的联合规划问题，为此将分解成两个子优化问题：

SP1：

SP2：

看出SP1和SP2分别是关于P₀P₁的无约束凸优化问题，此时运用拉格朗日函数以及KKT条件，便得到当检测到主用户PU处于闲状态时次级用户发射机SU-Tx的最优发射功率：

$P_0={\&lsqb;\frac{A_0+\sqrt{{\mathrm{\&Lambda;}}_0}}{2}\&rsqb;}^{+}---\left(5\right)$

其中：

${\mathrm{\&Lambda;}}_0=A_0^2-\frac{4}{g_{ss}}\{\frac{{\mathrm{\&sigma;}}_u^4+{\mathrm{\&sigma;}}_u^2{h}_k{P}_p}{g_{ss}}-\frac{{\log }_2\left(e\right)\&lsqb;{\mathrm{\&alpha;}}_0({\mathrm{\&sigma;}}_u^2+h_k{P}_p)+{\mathrm{\&beta;}}_0{\mathrm{\&sigma;}}_u^2\&rsqb;}{\mathrm{\&lambda;}({\mathrm{\&alpha;}}_0+{\mathrm{\&beta;}}_0)+{\mathrm{\&mu;\&beta;}}_0{g}_{sp}}\}$

当检测到主用户PU处于忙状态时，次级用户发射机SU-Tx的最优发射功率为：

$P_1={\&lsqb;\frac{A_1+\sqrt{{\mathrm{\&Lambda;}}_1}}{2}\&rsqb;}^{+}---\left(6\right)$

其中：

${\mathrm{\&Lambda;}}_1=A_1^2-\frac{4}{g_{ss}}\{\frac{{\mathrm{\&sigma;}}_u^4+{\mathrm{\&sigma;}}_u^2{h}_k{P}_p}{g_{ss}}-\frac{{\log }_2\left(e\right)\&lsqb;{\mathrm{\&alpha;}}_1({\mathrm{\&sigma;}}_u^2+h_k{P}_p)+{\mathrm{\&beta;}}_1{\mathrm{\&sigma;}}_u^2\&rsqb;}{\mathrm{\&lambda;}({\mathrm{\&alpha;}}_1+{\mathrm{\&beta;}}_1)+{\mathrm{\&mu;\&beta;}}_1{g}_{sp}}\}$

式中[x]⁺＝max{0,x}；λ≥0，μ≥0是式(2)(3)的拉格朗日乘子。

9.如权利要求1所述的图像采集和无线传输系统，其特征在于，所述信号间干扰关系分析模块的方法包括以下步骤：

步骤一，构建多维干扰空间模型，确定待分析的干扰信号特征矢量与参照信号特征矢量

步骤二，基于干扰空间模型，针对干扰信号特征矢量定义其对参照信号特征矢量的位移矢量

步骤三，定义位移矢量在干扰空间中对某个维度坐标轴的投影，为干扰信号特征矢量到参照信号特征矢量在该CP维度上的距离，即有：

其中PRJ(·)算子表示针对某一CP维度的投影运算，计算的值；

步骤四，定义干扰信号对参照信号的干扰状态为S，用以表示干扰信号对参照信号的干扰关系，从而判断是否存在干扰；判断方法包括以下步骤：

1)对于由单独干扰矢量表示的单模干扰信号和参照信号，当干扰信号矢量对参照信号矢量在空间模型中各个维度的距离均小于该维度的分辨率时，表示干扰信号对参照信号产生干扰，S＝1；反之，若存在某一维度或者多个维度上干扰信号矢量对参照信号矢量的距离大于等于该维度的分辨率，则表示干扰信号未对参照信号形成干扰，S＝0，即干扰信号和参照信号在该维度是可分离的；

$S(\stackrel{\&RightArrow;}{V_I},\stackrel{\&RightArrow;}{V_S})=\left\{\begin{array}{cc}0& \&Exists;{\mathrm{CP}}_i,d_{{\mathrm{CP}}_i(I,S)}\&GreaterEqual;{\mathrm{\&Delta;}}_{{\mathrm{CP}}_i}\\ 1& \&ForAll;{\mathrm{CP}}_i,d_{{\mathrm{CP}}_i(I,S)}<{\mathrm{\&Delta;}}_{{\mathrm{CP}}_i}\end{array}\right.$

2)对于干扰信号和参照信号各自包含若干干扰特征矢量的多模情况，此时的干扰状态S(V_I，V_S)可以如下计算：

其中S[V_I，V_S]_M×N被称为干扰状态矩阵，矩阵中的每个元素表示V_I中的第k个特征矢量和V_S中的第l个特征矢量的干扰状态；只有两个特征矢量集合中每个元素都不干扰时，S(V_I，V_S)＝0，干扰信号才不对参照信号形成干扰；反之，S(V_I，V_S)＞0，此时干扰信号将对参照信号形成干扰；

步骤五，在已经形成干扰的前提下，选取并确定干扰作用参数EP，对于干扰信号而言，该参数通常为信号功率p或者能量e；进一步，定义干扰信号对参照信号的干扰程度为G，计算出干扰信号对参照信号的干扰影响程度；计算方法包括以下步骤：

1)对仅包括单独特征矢量的单模干扰信号和参照信号，干扰信号矢量对参照信号矢量的干扰程度G(V_I，V_S)，利用干扰作用参数EP进行评估：

$G(\stackrel{\&RightArrow;}{V_I},\stackrel{\&RightArrow;}{V_S})=\frac{{\mathrm{ep}}_I\&CenterDot;S(\stackrel{\&RightArrow;}{V_I},\stackrel{\&RightArrow;}{V_S})}{{\mathrm{ep}}_S};$

2)对包含若干特征矢量的多模干扰信号和参照信号，此时干扰信号对参照信号的干扰程度G(V_I，V_S)定义以特征矢量集合表示的干扰信号对参照信号的干扰程度；此时的计算如下：