CN107801191A - 一种互素欠采样下的频谱感知方法及互素感知器 - Google Patents
一种互素欠采样下的频谱感知方法及互素感知器 Download PDFInfo
- Publication number
- CN107801191A CN107801191A CN201711013157.8A CN201711013157A CN107801191A CN 107801191 A CN107801191 A CN 107801191A CN 201711013157 A CN201711013157 A CN 201711013157A CN 107801191 A CN107801191 A CN 107801191A
- Authority
- CN
- China
- Prior art keywords
- coprime
- frequency spectrum
- sampling
- lack sampling
- signal
- 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.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/14—Spectrum sharing arrangements between different networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/0006—Assessment of spectral gaps suitable for allocating digitally modulated signals, e.g. for carrier allocation in cognitive radio
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
一种互素欠采样下的频谱感知方法及互素感知器,方法包括:对输入信号进行两路下采样得到两路稀疏信号,对两路稀疏信号进行扩展滑动快拍处理,并通过统计平均得到原始欠采样协方差矩阵估计;通过p个互素单元、MN个Nyquist采样时延获取独立矩阵;根据原始欠采样协方差矩阵估计和独立矩阵的对应关系,抽取出原始欠采样协方差矩阵估计中Nyquist样本意义上的自相关函数估计;对自相关函数估计进行快速傅里叶变换,得到频谱感知结果。互素感知器包括:外部RAM、数字信号处理器、以及输出驱动及其显示模块。本发明以远低于奈奎斯特速率的采样速率进行频谱感知,无需任何先验知识和假设,实现了全盲谱估计。
Description
技术领域
本发明涉及数字信号处理领域,尤其涉及一种互素欠采样下的频谱感知方法及互素感知器。
背景技术
无线电频谱作为国家战略资源,是存在技术使用上限的。无线通信发展的桎梏之一就是无线频谱资源的不足,造成该问题的因素主要有:1)当前各国政府普遍采用静态的频谱分配机制,留给随着科技发展所涌现出的新系统的可用频段较少;2)各个频谱段的使用情况是动态的,静态分配频谱的情况下,未授权用户不得进入授权用户所使用的频带范围内,这就造成大多数时间内频谱利用率非常低。认知无线电(Cognitive Radio,CR)技术便旨在解决频谱拥塞以及频谱资源匮乏等问题,该技术通过动态定位频谱空洞(即空白频谱),使无线通信信号机会性传输得以实现,频谱得到高效率地利用,进而解决现在存在的频谱紧缺问题[1][2]。
认知无线电技术的关键在于实时精确的频谱感知。只有基于频谱感知的结果,认知无线电系统才能在不干扰正在进行通信传输的前提下,为次用户搜寻并利用未使用频带,同时还能保障主用户的回归。由于在典型的认知无线电场景中,通信信号多而繁杂,并不具备足够的关于感知频带中通信信号的先验信息,因此对整个宽频带进行盲感知是十分必要的。
传统的感知方法都是基于奈奎斯特采样的,但是在宽带频谱感知的前提下,受最高模数转换速率限制,现有的模数转换器(Analog-Digital Converter,ADC)的性能和成本难以满足实际需求。同时,高速率的采样也将带来海量的样本计算,这又对硬件系统的功耗和设计提出相当苛刻的要求。因此,如何实现高效、快速和准确的宽带频谱感知是学术和工程界有待突破的方面。针对采样速率限制这个痛点,国内外涌现出了四种压缩采样方法(降低采样速率),通过这些压缩采样方式获得欠采样样本后,再利用欠采样样本恢复功率谱,从而完成频谱感知流程。第一种是多陪集(Multi-coset)采样,该采样结构需要用M路ADC以相同欠采样速率(各路存在固定时延)并行采样同一信号;为减少耗费的ADC数量,2010年,Baraniuk提出了随机解调器[3](包括随机数产生器、混频器、累加器和单路ADC),但随机解调器仅仅适用于恢复特殊的多音信号(Multi-tone),并不适用于现实中的宽带信号。鉴于此,宽带谱感知领域的学术权威Y.C.Eldar在2010年提出了调制宽带转换器[4](ModulatedWideband Converter,MWC)采样结构,该转换器需要将信号同时馈入M个通道,在每个通道中,信号又分别和混频函数相乘,接着通过一个低通滤波器,再以较低的采样速率进行采样,即可获得M路低速率样本,2011年,Eldar完成了MWC结构的硬件实现[5]。但总的来说,MWC方法耗费的硬件成本较高,另外MWC还要求频谱满足一定的稀疏性(即整个宽频带中只有很少一部分的频带被用户占用),这将无法满足全盲进行频谱感知的要求。不仅如此,单纯对于谱感知应用来说,由于其目的只是确定活跃频带的位置,因此就没有必要利用压缩感知等方法恢复原信号这个步骤。省去了信号重构的过程,就能大幅提高欠采样下的频谱感知效率。根据该思路,学者王晓东利用MC采样所得的低速率样本估计出了宽带信号的功率谱[6]。但其方法仍需要活跃的最大子带数和每个子带的最大带宽等先验知识来保证功率谱的成功恢复。
因此,找到能在实践中应用的欠采样下的频谱盲估计方法,彻底摆脱高速采样器的约束,是一个亟待解决的难题。
发明内容
本发明提供了一种互素欠采样下的频谱感知方法及互素感知器,本发明以远低于奈奎斯特速率的采样速率进行频谱感知,无需任何先验知识和假设,实现了全盲谱估计,详见下文描述:
一种互素欠采样下的频谱感知方法,所述频谱感知方法包括以下步骤:
对输入信号进行两路下采样得到两路稀疏信号,对两路稀疏信号进行扩展滑动快拍处理,并通过统计平均得到原始欠采样协方差矩阵估计;
通过p个互素单元、MN个Nyquist采样时延获取独立矩阵;
根据原始欠采样协方差矩阵估计和独立矩阵的对应关系,抽取出原始欠采样协方差矩阵估计中Nyquist样本意义上的自相关函数估计;
对自相关函数估计进行快速傅里叶变换,得到频谱感知结果。
其中,所述两路稀疏信号进行扩展滑动快拍处理具体为:
以p个互素单元为一个快拍,各快拍之间间隔q个互素单元,每个互素单元对应MN个Nyquist采样时延,允许p-q个互素单元的重叠;
对每一快拍求得相应的欠采样样本的互相关或自相关矩阵。
其中,所述原始欠采样协方差矩阵估计和独立矩阵的对应关系具体为:
独立矩阵的元素值对应协方差矩阵估计的自变量,两个矩阵的行列号相互对应。
进一步地,所述对自相关函数估计进行快速傅里叶变换,得到频谱感知结果具体为:
对自相关序列做2Lmax-1点快速傅里叶变换,得到观测信号的功率谱;
功率谱的分辨率由所抽取的自相关序列的最大长度Lmax决定。
一种互素欠采样下的互素感知器,所述互素感知器包括:外部RAM、数字信号处理器、以及输出驱动及其显示模块,
将实际观测信号、多重互素单元系数、不重叠因子、互素整数对和互素单元数存入外部RAM中,再实时输入到数字信号处理器中;
经过数字信号处理器,对输入信号进行下采样、互素采样样本处理、快速傅里叶变换;
通过输出驱动及其显示模块显示出整块频带上谱占用情况。
本发明提出的互素欠采样下的频谱感知方法及其装置,若用于宽带谱感知及实际工程领域,可产生如下有益效果:
第一、降低宽带谱感知的成本和硬件要求。
相对于传统的宽带频谱感知方法,本方法省去了多余的信号重构步骤,主动舍弃了频谱感知中无需的部分信号信息。由于传统的感知方法需要用奈奎斯特速率对整个宽频带上的信号进行采样,然后将信号重构出来,最后计算其功率谱。因此当频带宽度达到GHz数量级及以上时,传统感知方法需求的奈奎斯特采样速率将会超出现有模数转换器所能达到的性能极限。而只要同时保证一定数量的馈入系统的互素单元,本方法就能将采样速率降低到max(fs/M,fs/N),其中M,N可以任意大小。显然本方法可以大幅降低所需的采样速率,从而降低宽带谱感知的成本和硬件要求。
第二、进行全盲谱估计。
目前欠采样下的频谱感知方法,如多陪集采样,调制宽带转换器和压缩感知等,都需要相同或相异的关于感知频带的先验信息或进行稀疏性假设。然而在实际频谱感知过程中,不可能在任意环境下都能获取这些先验知识,同时整个宽频带也并不一定满足稀疏性假设。本方法提出的互素欠采样下的频谱感知方法只需用两路ADC进行欠采样,然后通过功率谱恢复算法就可完成频谱感知,整个过程中无需任何稀疏性假设和先验知识,在某种程度上放开了欠采样下频谱感知的应用限制。
附图说明
图1为互素欠采样下的频谱感知的设计流程图;
图2为互素谱分析器流程图;
图3为两种快拍选取模式;
图4为频率估计结果图;
图5为本发明的硬件实施图;
图6为DSP内部程序流图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面对本发明实施方式作进一步地详细描述。
为进一步解决稀疏采样下的谱估计问题,近年来,一种新型的谱估计方法——互素感知(coprime sensing)理论[7-10]逐渐形成,该方法首先对单个模拟输入信号作两路并行的稀疏采样(两路采样的下采样因子M、N数值满足互素关系)。互素采样结构已经受到学界的广泛关注,Vaidyanathan在文献[11]中将互素采样统一到利用相关信息进行稀疏支撑区恢复的架构中。文献[12]已经初步将自相关互素谱结构运用到宽带频谱感知中,并表现出对压缩感知方法的优势。
互素谱有两种实现方式:1)基于DFT滤波器组的互素谱结构,但这种方式涉及到滤波器设计、存在大伪峰、计算复杂度高等问题,其应用受到限制;2)基于自相关函数转化的互素谱分析,该方式相比于第一种方式,计算量更小,故成为互素谱分析的主流,在该方式中,需要求取两路欠采样样本之间的原始互相关矩阵和原始自相关相关矩阵,再根据数论关系,把这些矩阵转化为Nyquist样本意义上的信号自相关估计,进而借助傅里叶变换即可得到信号功率谱。
针对以上欠采样下各种频谱感知方法存在的问题,本发明实施例提出一种将协方差矩阵估计转化为Nyquist样本意义上的信号自相关估计的方法,将该方法与扩展滑动快拍处理和互素谱分析相结合,将能成功地进行频谱感知。故本发明实施例在涉及无线宽带谱感知的场合有较宽广的应用前景。
实施例1
一种互素欠采样下的频谱感知方法,参见图1和图2,该频谱感知方法包括以下步骤:
101:对输入信号进行两路下采样得到两路稀疏信号,对两路稀疏信号进行扩展滑动快拍处理,并通过统计平均得到原始欠采样协方差矩阵估计;
即,对输入信号x(t)进行两路下采样,下采样因子分别为M和N(M和N为互素的整数),得到两路稀疏信号y1[k1]=x[Mk1]=x(Mk1Ts)和y2[k2]=x[Nk2]=x(Nk2Ts),其中Ts为奈奎斯特采样周期,k1,k2=0,1,2,......。
不断对两路互素采样快拍数据进行如下扩展滑动处理,即:
1)首先,以p(p∈Ν+,Ν+为正整数)个互素单元(Coprime unit,每个互素单元对应MN个Nyquist采样时延,即MNTs)为一个快拍,各快拍之间间隔q个互素单元,1≤q≤p,从而允许p-q个互素单元的重叠;
2)对每一快拍求得相应的欠采样样本的互相关或自相关矩阵,并做统计平均得到原始欠采样协方差矩阵估计Ry。
102:通过p个互素单元、MN个Nyquist采样时延获取独立矩阵;
103:根据原始欠采样协方差矩阵估计和独立矩阵的对应关系,抽取出原始欠采样协方差矩阵估计中Nyquist样本意义上的自相关函数估计;
根据互素关系,抽取出两路互素样本间的原始欠采样协方差矩阵估计Ry中的Nyquist样本意义上的自相关函数估计Rxx。
104:对自相关函数估计进行快速傅里叶变换,得到频谱感知结果。
由于信号的自相关和功率谱是一对傅里叶变换对,因此对信号的自相关函数估计Rxx做快速傅里叶变换就可得到信号功率谱,也即频谱感知结果。
综上所述,本发明实施例通过上述步骤101-步骤104以远低于奈奎斯特速率的采样速率进行频谱感知,无需任何先验知识和假设,实现了全盲谱估计。
实施例2
下面结合具体的计算公式、实例、图1-图3对实施例1中的方案进行进一步地介绍,该互素欠采样下的频谱感知方法包括:信号的互素采样、扩展滑动快拍处理、Nyquist自相关抽取、以及FFT(Fast Fourier Transformation),详见下文描述:
总体信号处理框架如下:
假设待检测的宽带信号s(t)由多子带组成,即:
其中,si(t)为第i个子带信号,m为子带数量。
则感知周期内的输入信号(即观测信号)x(t)可以表示为式(2)所示,其中,n(t)代表加性高斯白噪声。
再将观测信号x(t)分别输入到图2所示的互素谱分析器中。
201:互素采样;
图2中,首先对观测信号x(t)进行两路互素欠采样,采样周期分别为MTs和NTs,从而使最大采样速率降低到max{fs/M,fs/N},其中fs是在以奈奎斯特采样速率的条件下对x(t)进行无失真采样所需的采样速率,fs=1/Ts。
202:扩展滑动快拍处理;
1)扩展和滑动分块;
假设观测信号x(t)经过奈奎斯特采样得到的采样样本为x[k](样本总数为K),则按照上述步骤201进行互素采样,可以发现两路欠采样样本只在x[bMN](b∈Ν+)处相同,因此含有丰富的非冗余(重复)信息。鉴于此,将x[(b-1)MN]和x[bMN-1]间的MN个样本称为互素单元,并引入多重互素单元系数p(p∈Ν+),不重叠因子q(1≤q≤p,q∈Ν+)。
首先,将两路互素快拍样点表示为式(3),其中快拍数量B由式(4)计算,是下取整运算。
再将两路互素样本用矩阵如式(5)表示:
其中,两路样本分别命名为yb1[k1]和yb2[k2](yb1[k1]表示第一路中第k1个样本,yb2[k2]表示第二路的第k2个样本);yb1为第一路样本组成的向量集合;yb2为第二路样本组成的向量。
在未引入滑动分块处理时,p的增大会减小快拍的数量但要注意到在互素谱分析中,又需要足够的快拍来做统计平均以减小协方差矩阵以及频谱估计的方差。
因此需要在保持快拍长度为pMN的前提下,引入不重叠因子q(q∈N+),得到B个不同的快拍,从而得到充分的快拍的数量,其中各个快拍的起始点设为D(D≤pMN)。
快拍选取模式如图3所示,(a)图表示的是非滑动快拍(快拍不重叠)的情况,其中xb[l]=x[l+(b-1)L],l=0,1,...,L-1,b=1,....,B;(b)图表示的是快拍滑动(快拍重叠)的情况,设第二个快拍的起始位置为D=qMN,1≤q≤p,相比于非滑动快拍的情况,这种滑动快拍处理模式允许各个快拍之间有重叠,重叠的部分以互素单元为基本单位。
2)估计协方差矩阵。
得到欠采样样本的目的即为估计协方差矩阵。
p(M+N)×p(M+N)的原始欠采样协方差矩阵估计Ry表示为式(6)所示:
其中,为第一路样本的协方差矩阵计算式(代表自相关信息);为两路样本的协方差矩阵计算式(代表互相关信息);为第二路样本的协方差矩阵计算式。
在协方差矩阵估计Ry中,矩阵Ry11和Ry22包含了两路互素采样输出流的各自的自相关信息,而矩阵Ry12和Ry21包含了两路输出流的互相关信息,其中相关信息中的自差Lself和互差Lcross(时间差)表示分别如式(7)和式(8)所示:
其中,τ为延迟;k11,k12,k1为[0,pN-1]范围内的任一整数;k21,k22,k2为[0,pM-1]范围内的任一整数,当分别取遍各自的范围,得到的延迟τ的集合即为自差Lself或互差Lcross。
由式(7),(8)可知,差集L会因p的变化而变化。经证明在扩展分块处理后,差集L能包含在式(9)所示范围内的所有整数差,即能提供的最大自由度(算法允许识别的最大子带数)为Lmax=(p-1)MN+M+N。
-(p-1)MN-M-N+1≤τ≤(p-1)MN+M+N-1 (9)
而传统的互素谱分析体系仅仅以两个互素单元为一个快拍,而且并没有充分利用到这个快拍所能提供的所有信息,即只利用了两个互素单元中的部分互差信息,计算式如(10)所示。这种传统的互素谱分析体系能提供的最大的连续差值范围为[-MN+1,MN-1]。
其中,为传统的互素采样谱分析结构得到的延迟集合。
由式(5),可知对B个快拍进行平均后所得的协方差矩阵估计如式(11)。
其中,yb为第b(1≤b≤B)个快拍得到的采样样本向量。
203:Nyquist自相关抽取;
首先,设M=4,N=3,p=2,取第一个快拍为例进行分析:
由式(3)和(5)可将第一个快拍的两路欠采样样本分别用式(12)和式(13)表示:
y11=[x[0],x[M],x[2M],x[3M],x[4M],x[5M]]T (12)
y12=[x[0],x[N],x[2N],x[3N],x[4N],x[5N],x[6N],x[7N]]T (13)
根据式(6)可分别求出一个快拍下Ry11,Ry12,Ry21,Ry22的估计,Ry21的估计如式(14)所示,根据定义可得其中*表示共轭不转置,H表示共轭转置。
将实际数值代入Ry21并表示为自相关形式如式(15),同理得式(16)所示的Ry12的相应形式,观察式(15)和(16)可验证式(9)。可以发现Ry11和Ry22能提供的自相关信息为Ry21和Ry12的子集(但并不能单独提供充分的自相关信息),但是本方法仍然抽取出算法所需的Ry11和Ry22所包含的自相关信息,因为这样能增加某些信号自相关的统计平均数,减小信号自相关估计的方差。
在本例中,本方法通过离线计算一个独立矩阵D21(对应Ry21,其它独立矩阵的构造方法类似),独立矩阵的元素值对应信号自相关的自变量(行号列号也相互对应),即如式(17)所示。
为不失一般性,下面将给出独立矩阵D12的计算式如式(18),可类似计算D21,D11,D22如式(19),(20)和(21)。
得到独立矩阵D21后,就能根据D21抽取出Ry21中所需的自相关信息。类似地,独立矩阵D12对应Ry12,D11对应Ry11,D22对应Ry22。
给出了Nyquist自相关抽取的方法后,考虑可抽取的连续自相关序列的最大长度。由式(9)可知,Lmax可表示为式(22),扩展滑动快拍处理后所能提供的最大连续的整数范围为[-Lmax+1,Lmax-1]。
Lmax=(p-1)MN+M+N (22)
注意到信号的自相关定义如式(23)。
E[x[ni]x*[nj]]=Rxx[ni-nj] (23)
再结合式(14)可知协方差矩阵估计Ry包含如式(9)所示范围的信号的自相关{Rxx(k),k=-Lmax+1,...,0,...,Lmax-1}。根据上述协方差矩阵估计Ry和独立矩阵的对应关系,抽取出协方差矩阵估计Ry中Nyquist样本意义上的自相关函数估计Rxx。
204:快速傅里叶变换。
由于信号的自相关和信号功率谱是一对傅里叶变换对,因此直接对自相关序列Rxx做离散傅里叶变换(或2Lmax-1点快速傅里叶变换),即可得到观测信号的功率谱。功率谱的分辨率作为分析器重要性能指标之一,由所抽取的自相关序列的长度决定。分辨率Δf如式(24),可见调整p,M,N就能改变互素谱分析器的感知精度。
Δf=fs/Lmax (24)
综上所述,本发明实施例通过上述步骤201-步骤204提出一种将协方差矩阵估计转化为Nyquist样本意义上的信号自相关估计的方法,将该方法与扩展滑动快拍处理和互素谱分析相结合,成功地进行频谱感知,在涉及无线宽带谱感知的场合有较宽广的应用前景。
实施例3
下面结合具体的实验数据、图4对实施例1和2中的方案进行可行性验证,详见下文描述:
分别用奈奎斯特采样样本和互素采样样本对如式(25)所示的多频信号进行频率估计,即指数信号的频率分别设为250MHz,500MHz和750MHz。互素的下采样因子M=14,N=13,奈奎斯特速率fs=1/Ts=1GHz,互素单元数cu设为300,多重互素单元系数p=4,不重叠因子q=1。
为了使实验具有可对比性,利用奈奎斯特样本进行频率估计的方法如下:
1)得到互素采样时间下的所有奈奎斯特采样样本;
2)由于互素谱分析算法能得到2Lmax-1点连续的自相关序列,因此利用奈奎斯特样本求取信号的2Lmax-1点自相关序列;
3)对上步所求的自相关序列求离散傅里叶变换得到奈奎斯特采样下的谱估计结果。
两种采样下的频率估计结果如图4所示。
图4的上半部分是利用奈奎斯特样本所得的频率估计结果,而下半部分是利用本方法对互素欠采样样本进行频率估计的结果。除了少许频谱泄露之外,可以发现本发明实施例提出的互素频率估计方法能准确估计复指数信号的频率值,而采样速率却能从1000MHz降至max{fs/M,fs/N}=76.92MHz。
实施例4
本发明实施例提供了一种互素欠采样下的互素感知器,该互素感知器是与实施例1和2中的频谱感知方法相对应的装置部分,参见图5和图6,该互素感知器详见下文描述:
在图5中,首先将实际观测信号x(t)、多重互素单元系数p、不重叠因子q、互素整数对M,N和互素单元数cu存入外部RAM(Random Access Memory)中,再将它们实时输入到DSP(Digital Signal Processor,数字信号处理器)中,经过DSP内部核心算法,对信号进行下采样、互素采样样本处理、快速傅里叶变换,最后借助输出驱动及其显示模块显示出整块频带上谱占用情况。
其中,图5的DSP(Digital Signal Processor,数字信号处理器)为核心器件,在频谱感知的过程中,完成如下主要功能:
1)调用内部核心算法,完成实际采集信号的下采样、扩展滑动快拍处理、Nyquist自相关抽取,快速傅里叶变换等过程;
2)控制M、N、p、q、cu以及信号样本,实时对其进行调整,使其符合实际需要;
3)将谱感知结果实时输出至驱动和显示模块。
需指出,由于采用了数字化的估计方法,因而决定图5系统的复杂度、正确性和稳定性的主要因素并不是图5中DSP器件的外围连接,而是DSP内部程序存储器所存储的核心算法。
DSP器件的内部程序流程如图6所示。
本发明实施例将实施例1和2中的核心算法植入DSP器件内,基于此完成高精度、低采样速率、低时延的宽带谱感知。
图6流程分为如下几个步骤:
1)首先根据实际需要,设置信号的下采样因子(M和N,互素的整数对),并确定所需的多重互素单元系数p,不重叠因子q,互素单元数cu;
2)然后,CPU主控器从I/O端口读取设定的参数,进入内部RAM;
3)本发明实施例按照按图1的处理过程进行频谱感知的设计是DSP算法最核心的部分,运行该算法后,即可得到所观测频带的占用情况;
4)判断是否满足实际需求,若不满足,程序返回,重新根据要求设定信号参数;
5)直至设计结果符合实际要求,然后通过DSP的输出总线输出至输出驱动显示及其显示模块,将频谱感知结果进行数码显示。
另外,由于采用了DSP实现,使得整个频谱感知器设计变得更为灵活快捷,可根据实际应用的要求,灵活调整频谱感知器的各项参数,最终使其符合工程需要。
综上所述,本发明实施例将协方差矩阵估计转化为Nyquist样本意义上的信号自相关估计,并与扩展滑动快拍处理和互素谱分析相结合,成功地进行频谱感知,在涉及无线宽带谱感知的场合有较宽广的应用前景。
参考文献
[1]J.Mitola and G.Q.Maguire.Cognitive radio:Making software radiosmore personal[J].IEEE Pers.Commun.Mag.,1999,6(4):13-18.
[2]S.Haykin,“Cognitive radio:Brain empowered wirelesscommunications,”IEEE Trans.Commun.,vol.23,no.2,pp.201–220,Feb.2005.
[3]Tropp Joel,Laska Jason N,Duarte Marco F,et al.Beyond Nyquist:Efficient sampling of sparse bandlimited signals[J].IEEE Transactions onInformation Theory,2010,56(1):520-544.
[4]Mishali Moshe,Eldar Yonina C.From theory to practice:Sub-Nyquistsampling of sparse wideband analog signals[J].IEEE Journal of Selected Topicsin Signal Processing,2010,4(2):375-391.
[5]Mishali Moshe,Eldar Yonina C.Sub-nyquist sampling[J].IEEE SignalProcessing Magazine,2011,28(6):98-124.
[6]C.P.Yen,Y.Tsai,and X.Wang,“Wideband spectrum sensing based on sub-Nyquist sampling,”IEEE Trans.Signal Process.,vol.61,pp.3028–3040,Jun.2013.
[7]Vaidyanathan P P,Pal P.Sparse sensing with co-pprime samplers andarrays[J].IEEE Transactions on Signal Processing,2011,59(2):573-586.
[8]Vaidyanathan P P,Pal P.Theory of sparse coprime sensing inmultiple dimensions[J].Signal Processing,IEEE Transactions on,2011,59(8):3592-3608.
[9]Vaidyanathan P P,Pal P.Sparse coprime sensing withmultidimensional lattice arrays[C]//Digital Signal Processing Workshop andIEEE Signal Processing Education Workshop (DSP/SPE),2011IEEE.IEEE,2011:425-430.
[10]Vaidyanathan P P,Pal P.Coprime Sampling and Arrays in One andMultiple Dimensions[M]//Multiscale Signal Analysis and Modeling.Springer NewYork,2013:105-137.
[11]Piya Pal,P.P.Vaidyanathan.Pushing the Limits of Sparse SupportRecovery Using Correlation Information[J],IEEE TRANSACTIONS ON SIGNALPROCESSING,2015,63(3):711-726.
[12]Shiyu Ren,Zhimin Zeng,Caili Guo,Xuekang Sun.Wideband spectrumsensing based on coprime sampling[C],Telecommunications(ICT),2015 22ndInternational Conference on,2015:348-352.
本发明实施例对各器件的型号除做特殊说明的以外,其他器件的型号不做限制,只要能完成上述功能的器件均可。
本领域技术人员可以理解附图只是一个优选实施例的示意图,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
以上所述仅为本发明的较佳实施例,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、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种互素欠采样下的频谱感知方法,其特征在于,所述频谱感知方法包括以下步骤:
对输入信号进行两路下采样得到两路稀疏信号,对两路稀疏信号进行扩展滑动快拍处理,并通过统计平均得到原始欠采样协方差矩阵估计;
通过p个互素单元、MN个Nyquist采样时延获取独立矩阵;
根据原始欠采样协方差矩阵估计和独立矩阵的对应关系,抽取出原始欠采样协方差矩阵估计中Nyquist样本意义上的自相关函数估计;
对自相关函数估计进行快速傅里叶变换,得到频谱感知结果。
2.根据权利要求1所述的一种互素欠采样下的频谱感知方法,其特征在于,所述两路稀疏信号进行扩展滑动快拍处理具体为:
以p个互素单元为一个快拍,各快拍之间间隔q个互素单元,每个互素单元对应MN个Nyquist采样时延,允许p-q个互素单元的重叠;
对每一快拍求得相应的欠采样样本的互相关或自相关矩阵。
3.根据权利要求1所述的一种互素欠采样下的频谱感知方法,其特征在于,所述原始欠采样协方差矩阵估计和独立矩阵的对应关系具体为:
独立矩阵的元素值对应协方差矩阵估计的自变量,两个矩阵的行列号相互对应。
4.根据权利要求1所述的一种互素欠采样下的频谱感知方法,其特征在于,所述对自相关函数估计进行快速傅里叶变换,得到频谱感知结果具体为:
对自相关序列做2Lmax-1点快速傅里叶变换,得到观测信号的功率谱;
功率谱的分辨率由所抽取的自相关序列的最大长度Lmax决定。
5.一种用于权利要求1-4中任一权利要求所述的一种互素欠采样下的频谱感知方法的互素感知器,其特征在于,所述互素感知器包括:外部RAM、数字信号处理器、以及输出驱动及其显示模块,
将实际观测信号、多重互素单元系数、不重叠因子、互素整数对和互素单元数存入外部RAM中,再实时输入到数字信号处理器中;
经过数字信号处理器,对输入信号进行下采样、互素采样样本处理、快速傅里叶变换;
通过输出驱动及其显示模块显示出整块频带上谱占用情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711013157.8A CN107801191A (zh) | 2017-10-26 | 2017-10-26 | 一种互素欠采样下的频谱感知方法及互素感知器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711013157.8A CN107801191A (zh) | 2017-10-26 | 2017-10-26 | 一种互素欠采样下的频谱感知方法及互素感知器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107801191A true CN107801191A (zh) | 2018-03-13 |
Family
ID=61547417
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711013157.8A Pending CN107801191A (zh) | 2017-10-26 | 2017-10-26 | 一种互素欠采样下的频谱感知方法及互素感知器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107801191A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109672489A (zh) * | 2018-11-26 | 2019-04-23 | 天津大学青岛海洋技术研究院 | 一种基于互素分析的海上全景频谱感知分析方法及其装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106027179A (zh) * | 2016-05-12 | 2016-10-12 | 天津大学 | 一种基于综合互素分析的宽带频谱感知方法及其装置 |
CN106301631A (zh) * | 2016-10-18 | 2017-01-04 | 天津大学 | 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 |
CN106506102A (zh) * | 2016-10-18 | 2017-03-15 | 天津大学 | 一种互素欠采样下高精度、低时延的谱感知方法及其装置 |
-
2017
- 2017-10-26 CN CN201711013157.8A patent/CN107801191A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106027179A (zh) * | 2016-05-12 | 2016-10-12 | 天津大学 | 一种基于综合互素分析的宽带频谱感知方法及其装置 |
CN106301631A (zh) * | 2016-10-18 | 2017-01-04 | 天津大学 | 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 |
CN106506102A (zh) * | 2016-10-18 | 2017-03-15 | 天津大学 | 一种互素欠采样下高精度、低时延的谱感知方法及其装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109672489A (zh) * | 2018-11-26 | 2019-04-23 | 天津大学青岛海洋技术研究院 | 一种基于互素分析的海上全景频谱感知分析方法及其装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103051403B (zh) | 基于多个mwc分布式亚奈奎斯特采样联合重构的频谱感知方法 | |
Hofer et al. | Real-time geometry-based wireless channel emulation | |
CN104301052B (zh) | 一种基于fpga的无缝采集及实时频谱监测的实现方法 | |
CN106301631B (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 | |
CN104780008B (zh) | 一种基于自适应压缩感知的宽带频谱感知方法 | |
CN103532644A (zh) | 多径阴影复合衰落信道模拟装置及其工作方法 | |
CN106506102B (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 | |
CN110011742A (zh) | 基于最大互相关熵准则鲁棒稀疏的宽带频谱感知算法 | |
CN107483130A (zh) | 一种联合宽带频谱感知和到达角估计方法 | |
CN107426737B (zh) | 基于单通道结构调制宽带转换器的宽带频谱感知方法 | |
CN107395208B (zh) | 基于多通道非均匀时延的压缩采样结构 | |
CN106209160B (zh) | 一种基于压缩感知的直扩msk信号二维联合捕获方法 | |
CN102694610B (zh) | 一种卫星无线电测定业务通道零值的标定系统 | |
CN107801191A (zh) | 一种互素欠采样下的频谱感知方法及互素感知器 | |
CN103630880B (zh) | 用于阵列sar三维成像的波形分集方法 | |
Mitev et al. | Filterbank secret key generation rates in multipath channels | |
CN102122996B (zh) | 模拟射频信号生成方法及系统 | |
CN113776653A (zh) | 振动信号的采样重构系统及方法 | |
Ma et al. | A novel real-time Fourier and inverse Fourier transforming system based on non-uniform coupled-line phaser | |
CN104467915A (zh) | 一种非相干超宽带通信系统的相位噪声分析方法 | |
CN108880648A (zh) | 基于微波光子阵列的超宽带信号频率估计方法 | |
CN109085574A (zh) | Ofdm雷达通信一体化固定平台系统的信号处理方法 | |
CN109309541A (zh) | 一种基于无人机数据链抗干扰的半实物验证系统及验证方法 | |
Pratyusha et al. | A study on wideband spectrum monitoring using NI USRP | |
CN107885118B (zh) | 一种可变中心频率信号处理方法、系统及可编程器件 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180313 |