CN107979431A - 基于黎曼中值的频谱感知的方法、装置以及设备 - Google Patents
基于黎曼中值的频谱感知的方法、装置以及设备 Download PDFInfo
- Publication number
- CN107979431A CN107979431A CN201711211764.5A CN201711211764A CN107979431A CN 107979431 A CN107979431 A CN 107979431A CN 201711211764 A CN201711211764 A CN 201711211764A CN 107979431 A CN107979431 A CN 107979431A
- Authority
- CN
- China
- Prior art keywords
- matrix
- riemann
- value
- covariance matrix
- covariance
- 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
Classifications
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于黎曼中值的频谱感知的方法、装置、设备以及计算机可读存储介质,包括:对噪声环境进行采样得到第一采样矩阵,以便根据所述第一采样矩阵得到第一协方差矩阵;对待感知的无线信号进行采样得到第二采样矩阵,以便根据所述第二采样矩阵得到第二协方差矩阵;依据梯度下降算法计算预设个数第一协方差矩阵的黎曼中值矩阵;根据所述第二协方差矩阵与所述黎曼中值矩阵的几何距离与预设门限的比较结果,判断所述待感知无线信号中是否存在频谱信号。利用本发明所提供的方法、装置、设备以及计算机可读存储介质,增加了频谱检测器检测性能的稳定性。
Description
技术领域
本发明涉及认知无线电技术领域,特别是涉及一种基于黎曼中值的频谱感知的方法、装置、设备以及计算机可读存储介质。
背景技术
随着无线通信技术的快速发展,无线频谱资源日益紧张,然而当前已分配的频谱的利用率普遍偏低,这说明传统的频谱分配方法并没有将频带完全利用起来。因此,在有限的频谱资源中提高频谱资源的利用率决定着无线通信技术的发展,也是无线通信的关键技术。在这种情况下,认知无线电应运而生,频谱感知是认知无线电技术的核心。现有的频谱感知方法有很多,但是都存在一些问题。
信息几何是近年来新兴的理论体系。而现有技术中基于信息几何的信号检测方法较少,在雷达回波检测中有一些应用。而雷达信号处理是信号处理的一个重要的分支,有着广泛的应用背景。在这一领域有代表性的实现方案是Barbaresco等基于正定矩阵流形实现脉冲Doppler雷达矩阵CFAR检测的研究。该方案基于有限个脉冲采样的样本协方差矩阵,建立Toeplitz正定矩阵流行,流形中每一个点对应于一个参考单元的样本协方差矩阵Ri,这些协方差矩阵构成一个具有负曲率的流形空间。在该流形中,首先计算各参考单元对应的协方差矩阵的Riemann均值(几何均值),用于估计杂波功率;而后利用协方差矩阵之间的几何距离,计算待检测单元RD和参考单元的Riemann均值之间的距离,与门限比较给出检测结果。这方法同样被用于频谱感知上,将其脉冲信号改成感知的频谱信号。
现有技术主要是应用传统的频谱感知算法,这其中包括能量检测、循环平稳特征检测和匹配滤波检测。能量检测算法的缺点是容易受到噪声波动的影响,检测性能对噪声的不确定性十分敏感;循环平稳特征检测算法的缺点是复杂度较高,同时降低了系统的灵敏度;而匹配滤波检测算法的缺点是需要授权用户信号的先验信息,通用性较差。除此之外,上面介绍的正定矩阵CFAR检测方案同样具有缺点,因为杂波功率是通过Riemann均值计算得出,所以当样本数据出现异常值(离群值)时,Riemann均值可能发生较大的改变,因此,现有技术中认知无线电频谱感知的方法检测性能不够稳定,感知效率较低。
综上所述可以看出,如何使频谱检测器的检测性能稳定是目前有待解决的问题。
发明内容
本发明的目的是提供一种基于黎曼中值的频谱感知的方法、装置、设备以及计算机可读存储介质,已解决现有技术中频谱检测器检测性能不稳定的问题。
为解决上述技术问题,本发明提供一种基于黎曼中值的频谱感知的方法,包括:对噪声环境进行采样得到第一采样矩阵,以便根据所述第一采样矩阵得到第一协方差矩阵;对待感知的无线信号进行采样得到第二采样矩阵,以便根据所述第二采样矩阵得到第二协方差矩阵;依据梯度下降算法计算预设个数第一协方差矩阵的黎曼中值矩阵;根据所述第二协方差矩阵与所述黎曼中值矩阵的几何距离与预设门限的比较结果,判断所述待感知无线信号中是否存在频谱信号。
优选地,所述根据所述第二协方差矩阵与所述黎曼中值矩阵的几何距离与预设门限的比较结果,判断所述待感知无线信号中是否存在频谱信号包括:利用统计流行度量方法,分别计算所述第一协方差矩阵和所述第二协方差矩阵与所述黎曼中值矩阵的几何距离T和几何距离D;比较所述几何距离T和所述几何距离D的大小;当D>T时,则所述待感知的无线信号中存在频谱信号。
优选地,所述利用统计流行度量计算方法,分别计算所述第一协方差矩阵和所述第二协方差矩阵与所述黎曼中值矩阵的几何距离T和几何距离D包括:利用测地线距离分别度量所述第一协方差矩阵和所述第二协方差矩阵与所述黎曼中值矩阵的几何距离T和几何距离D。
优选地,所述依据梯度下降算法计算预设个数第一协方差矩阵的黎曼中值矩阵包括:利用矩阵算数平均法计算预设个数第一协方差矩阵的黎曼中值矩阵的初始值;将所述初始值作为梯度下降算法的输入值,利用迭代算法得到预设个数第一协方差矩阵的黎曼中值矩阵。
优选地,所述依据梯度下降算法计算预设个数第一协方差矩阵的黎曼中值矩阵包括:
利用矩阵算数平均法计算N个第一协方差矩阵B1,B2,…,BN的黎曼中值矩阵的初始值R1;
结合迭代算法将R1作为梯度下降算法的输入值:
求得N个第一协方差矩阵的黎曼中值输出值RM;其中,GRn={k/Bk≠Rn};Rn(n=1,2,…,M-1)为第n个黎曼中值计算值;Rn+1为第n+1个黎曼中值计算值;Bk表示N个第一协方差矩阵B1,B2,…,BN阵的集合。
本发明还提供了一种基于黎曼中值的频谱感知的装置,包括:
第一采样模块,用于对噪声环境进行采样得到第一采样矩阵,以便根据所述第一采样矩阵得到第一协方差矩阵;
第二采样模块,用于对待感知的无线信号进行采样得到第二采样矩阵,以便根据所述第二采样矩阵得到第二协方差矩阵;
计算模块,用于依据梯度下降算法计算预设个数第一协方差矩阵的黎曼中值矩阵;
判断模块,用于根据所述第二协方差矩阵与所述黎曼中值矩阵的几何距离与预设门限的比较结果,判断所述待感知无线信号中是否存在频谱信号。
优选地,所述判断模块具体用于:利用统计流行度量方法,分别计算所述第一协方差矩阵和所述第二协方差矩阵与所述黎曼中值矩阵的几何距离T和几何距离D;比较所述几何距离T和所述几何距离D的大小;当D>T时,则所述待感知的无线信号中存在频谱信号。
优选地,所述计算模块具体用于:利用矩阵算数平均法计算预设个数第一协方差矩阵的黎曼中值矩阵的初始值;将所述初始值作为梯度下降算法的输入值,利用迭代算法得到预设个数第一协方差矩阵的黎曼中值矩阵。
本发明还提供了一种基于黎曼中值的频谱感知的设备,包括:
存储器,用于存储计算机程序;处理器,用于执行所述计算机程序时实现上述一种基于黎曼中值的频谱感知的方法的步骤。
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述一种基于黎曼中值的频谱感知的方法的步骤。
本发明所提供的基于黎曼中值的频谱感知的方法、装置、设备以及计算机可读存储介质,对噪声环境进行采样,获得噪声采样矩阵,根据噪声采样矩阵获得噪声协方差矩阵;对待感知的无线信号进行采样,获得待感知的无线信号矩阵,从而获得待感知的无线信号协方差矩阵;利用梯度下降算法,计算预设个数噪声协方差矩阵的黎曼中值;将黎曼中值和噪声协方差之间的几何距离作为门限,与待感知的信号协方差矩阵和黎曼中值的几何距离进行比较,从而得出频谱检测结果。现有技术中通过黎曼均值设置感知门限,而如果采样得到的噪声信号矩阵中包括离群值时,计算得出的噪声协方差矩阵的黎曼均值偏差大;相对于黎曼均值,本发明利用梯度下降算法计算得到的黎曼中值是趋于稳定的值,因此利用黎曼中值的频谱检测器的检测性能显著提高,并且感知效率更高,除此之外,黎曼中值对于采样数据中的离群值更具有鲁棒性。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明所提供的基于黎曼中值的频谱感知的方法的第一种具体实施例的流程图;
图2为本发明所提供的基于黎曼中值的频谱感知的方法的第二种具体实施例的流程图;
图3为根据算数平均算法和梯度下降法对黎曼中值的仿真图;
图4为基于黎曼中值的频谱检测器的流程图;
图5为基于黎曼中值的频谱检测器性能仿真图;
图6为本发明实施例提供的一种基于黎曼中值的频谱感知的装置的结构框图。
具体实施方式
本发明的核心是提供一种基于黎曼中值的频谱感知的方法、装置、设备以及计算机可读存储介质,增加了频谱检测器检测性能的稳定性。
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
信息几何是基于微分几何发展出来的一套理论体系。主要应用在统计分析、控制理论、神经网络、量子力学、信息论等领域。信息几何将概率论、信息论和统计学中的许多重要概念视为概率分布空间中的几何结构,采用微分几何方法来研究其上的性质,从而将概率论和信息论中的基本问题几何化,赋予其内在的几何本质。对于不同类型或不同参数化的概率分布函数族,都对应于一个具有一定几何结构的统计流形。由于概率分布函数的形式决定了其中每一个概率分布函数与其周围附近的概率分布函数之间的关系,而这种关系决定了其所构成的空间的结构。因此,统计流形的几何结构,反映了概率分布函数族内在的本质属性。信息几何就是在由概率分布函数族所构成的统计流形上,采用现代微分几何方法来研究统计学和信息论问题的理论体系。信息几何的优势在于其将概率分布函数族作为一个集合,并通过一套原理和方法,来研究概率分布所蕴含的内在结构信息。由于统计流形上的每一个点代表了一个概率分布函数,而概率分布函数又是信息论和统计学研究的基础,因此,信息几何为信号检测提供了一个新的方法。
请参考图1,图1为本发明所提供的基于黎曼中值的频谱感知的方法的第一种具体实施例的流程图;具体操作步骤如下:
步骤S101:对噪声环境进行采样得到第一采样矩阵,以便根据所述第一采样矩阵得到第一协方差矩阵;
步骤S102:对待感知的无线信号进行采样得到第二采样矩阵,以便根据所述第二采样矩阵得到第二协方差矩阵;
步骤S103:依据梯度下降算法计算预设个数第一协方差矩阵的黎曼中值矩阵;
步骤S104:根据所述第二协方差矩阵与所述黎曼中值矩阵的几何距离与预设门限的比较结果,判断所述待感知无线信号中是否存在频谱信号。
由于信息具有几何学的性质和内涵,采用几何学方法可以有效的描述一个信息过程,因此,信息几何非常适合于对模型选择问题的研究。而信号检测中信号数据便作为信息,这些数据正好可以分为H0(仅含噪声)和H1(噪声+信号)两种模型。通常一个统计模型是一族概率分布的集合(记为M),当全部概率分布的集合形成一个统计流形时(记为S)。因此,这些信号数据对应着统计流形中的两个点,通过计算流形上点与点之间的距离,然后距离差判断属于哪一种模型,进而达到信号检测也就是频谱感知的目的。
考虑由协方差矩阵R∈Cn×n参数化的概率分布族S={p(x|R)|R∈Cn×n},其中Cn×n为n×n维向量空间中的开集,p(x|R)为高斯分布的概率密度函数。根据信息几何理论,在一定的拓扑结构下S可以构成一个可微的流形,称之为统计流形。由于流形S的参数R为协方差矩阵,S又可以称之为矩阵流形。因此,我们在上面计算得出的噪声协方差矩阵和待感知的信号协方差矩阵分别对应流形上的点。利用统计流形上的度量方法,比较常用的方法是测地线距离(Geodesic Distance,GD)和KLD(Kullback-Leibler Divergence,KLD),计算点与点之间的距离。
在具体实施例中,利用梯度下降算法计算得到的黎曼中值是趋于稳定的值,因此利用黎曼中值的频谱检测器的检测性能显著提高,并且感知效率更高;并且黎曼中值对于采样数据中的离群值更具有鲁棒性。
请参考图2,图2为本发明所提供的基于黎曼中值的频谱感知的方法的第二种具体实施例的流程图。
在上述具体实施例的基础上,本发明采取噪声协方差矩阵与黎曼中值之间的几何距离T作为感知门限,当待感知的无线信号协方差矩阵和黎曼中值之间的几何距离D大于T时,则说明待感知的无线信号中存在频谱信号。本实施例的具体操作步骤如下:
步骤S201:对噪声环境进行采样,获得噪声采样矩阵,根据噪声采样矩阵获得噪声协方差矩阵;
假设认知网络中具有M个次用户,并且M个次用户采集的信号构成一个向量矩阵X=[x1,x2,…,xM],其中xi=]xi(1),xi(2),…,xi(N)]T表示第i个次用户的信号采样值。因此,噪声信号可以表示为一个N×M维的矩阵。将矩阵进行计算得出噪声协方差矩阵B1,这个协方差矩阵能表示采样到噪声信号。由信息几何可知,每一个噪声协方差矩阵都是黎曼流形上的一个点。假设有N个点,也就表示N个噪声协方差矩阵B1,B2,…,BN。
步骤S202:对待感知的无线信号进行采样,获得待感知的无线信号矩阵,从而获得待感知的无线信号协方差矩阵;
如上述步骤相同,对待感知的无线信号进行采样,进行计算得到待感知信号的协方差矩阵A1。
步骤S203:利用矩阵算数平均算法计算噪声协方差矩阵B1,B2,…,BN的黎曼中值初始值R1;
步骤S204:将所述初始值R1作为子梯度Karcher流算法的输入值,迭代计算N个噪声协方差矩阵的黎曼中值输出值RM;
子梯度Karcher流算法计算N个噪声协方差矩阵的黎曼中值输出值RM的公式为:
其中,GRn={k/Bk≠Rn};Rn(n=1,2,…,M-1)为第n个黎曼中值计算值;Rn+1为第n+1个黎曼中值计算值;Bk表示N个第一协方差矩阵B1,B2,…,BN阵的集合。
首先,根据矩阵算数平均算法计算出黎曼中值初始值;接着,将所述黎曼中值初始值代入梯度下降公式计算得到第二个黎曼中值计算值;然后将第二个黎曼中值计算值代入梯度下降公式计算得到第三个黎曼中值计算值,不断重复。如图3所示,通过仿真结果可以知道,要重复60次之后才得到趋于稳定的黎曼中值,也就是我们所需要的黎曼中值。
步骤S205:通过噪声协方差矩阵与黎曼中值之间的距离得到门限T的值;
需要说明的是,上述步骤S201与步骤S202的操作顺序不受限定,可以先对噪声信号进行采样,也可以先对待感知的无线信号进行采样。步骤S202与步骤S203、S204、S205的操作顺序也不受限定,可以在采集完噪声信号后,采集待感知的无线信号;也可以在采集完噪声信号后,获取N个噪声协方差矩阵,求取N个噪声协方差矩阵的黎曼中值后,再采集待感知的无线信号。
步骤S206:比较待感知的信号协方差矩阵和黎曼中值计算得到几何距离D与T的大小,当D>T时,说明待感知的无线信号中存在频谱信号。
根据上述实施例所述,得到基于黎曼中值的频谱检测器,所述检测器的流程如图4所示;所述检测器在进行完数据采样后,得出噪声协方差矩阵与待感知的无线信号的协方差矩阵;计算得出噪声协方差矩阵的黎曼中值,将噪声协方差矩阵与黎曼中值之间的几何距离T作为门限因子输入比较器;将待感知的无线信号的协方差矩阵与黎曼中值之间的几何距离D输入比较器;当T大于D时,说明待感知的无线信号中仅存在噪声,当D大于T时,说明待感知的无线信号中存在频谱信号。
利用所述检测器进行仿真实验,实验采用3000次的Monte Carlo仿真,仿真平台为Matlab 8.3.0.532(R2014a)。如图5所示,给出了虚警概率为0.01,协作用户数为5,采样点数为500,检测概率与信噪比之间的关系,其中GD和KLD分别表示用测地线和KLD来度量几何距离的方法。由图可知,信噪比的改善对于检测性能的提升影响很大,随着信噪比的增加,基于信息几何的两种检测方法的性能都迅速提高。
请参考图6,图6为本发明实施例提供的一种基于黎曼中值的频谱感知的装置的结构框图;具体装置可以包括:
第一采样模块100,用于对噪声环境进行采样得到第一采样矩阵,以便根据所述第一采样矩阵得到第一协方差矩阵;
第二采样模块200,用于对待感知的无线信号进行采样得到第二采样矩阵,以便根据所述第二采样矩阵得到第二协方差矩阵;
计算模块300,用于依据梯度下降算法计算预设个数第一协方差矩阵的黎曼中值矩阵;
判断模块400,用于根据所述第二协方差矩阵与所述黎曼中值矩阵的几何距离与预设门限的比较结果,判断所述待感知无线信号中是否存在频谱信号。
本实施例的基于黎曼中值的频谱感知的装置用于实现前述的基于黎曼中值的频谱感知的方法,因此基于黎曼中值的频谱感知的装置中的具体实施方式可见前文中的基于黎曼中值的频谱感知的方法的实施例部分,例如,第一采样模块100,第二采样模块200,计算模块300,判断模块400,分别用于实现上述基于黎曼中值的频谱感知的方法中步骤S101,S102,S103和S104,所以,其具体实施方式可以参照相应的各个部分实施例的描述,在此不再赘述。
本发明具体实施例还提供了一种基于黎曼中值的频谱感知的设备,包括:存储器,用于存储计算机程序;处理器,用于执行所述计算机程序时实现上述一种基于黎曼中值的频谱感知的方法的步骤。
本发明具体实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述一种基于黎曼中值的频谱感知的方法的步骤。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明所提供的基于黎曼中值的频谱感知的方法、装置、设备以及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种基于黎曼中值的频谱感知的方法,其特征在于,包括:
对噪声环境进行采样得到第一采样矩阵,以便根据所述第一采样矩阵得到第一协方差矩阵;
对待感知的无线信号进行采样得到第二采样矩阵,以便根据所述第二采样矩阵得到第二协方差矩阵;
依据梯度下降算法计算预设个数第一协方差矩阵的黎曼中值矩阵;
根据所述第二协方差矩阵与所述黎曼中值矩阵的几何距离与预设门限的比较结果,判断所述待感知无线信号中是否存在频谱信号。
2.如权利要求1所述的方法,其特征在于,所述根据所述第二协方差矩阵与所述黎曼中值矩阵的几何距离与预设门限的比较结果,判断所述待感知无线信号中是否存在频谱信号包括:
利用统计流行度量方法,分别计算所述第一协方差矩阵和所述第二协方差矩阵与所述黎曼中值矩阵的几何距离T和几何距离D;
比较所述几何距离T和所述几何距离D的大小;当D>T时,则所述待感知的无线信号中存在频谱信号。
3.如权利要求2所述的方法,其特征在于,所述利用统计流行度量计算方法,分别计算所述第一协方差矩阵和所述第二协方差矩阵与所述黎曼中值矩阵的几何距离T和几何距离D包括:
利用测地线距离分别度量所述第一协方差矩阵和所述第二协方差矩阵与所述黎曼中值矩阵的几何距离T和几何距离D。
4.如权利要求1所述的方法,其特征在于,所述依据梯度下降算法计算预设个数第一协方差矩阵的黎曼中值矩阵包括:
利用矩阵算数平均法计算预设个数第一协方差矩阵的黎曼中值矩阵的初始值;
将所述初始值作为梯度下降算法的输入值,利用迭代算法得到预设个数第一协方差矩阵的黎曼中值矩阵。
5.如权利要求4所述的方法,其特征在于,所述依据梯度下降算法计算预设个数第一协方差矩阵的黎曼中值矩阵包括:
利用矩阵算数平均法计算N个第一协方差矩阵B1,B2,…,BN的黎曼中值矩阵的初始值R1;
结合迭代算法将R1作为梯度下降算法的输入值:
求得N个第一协方差矩阵的黎曼中值输出值RM;
其中,Rn(n=1,2,…,M-1)为第n个黎曼中值计算值;Rn+1为第n+1个黎曼中值计算值;Bk表示N个第一协方差矩阵B1,B2,…,BN阵的集合。
6.一种基于黎曼中值的频谱感知的装置,其特征在于,包括:
第一采样模块,用于对噪声环境进行采样得到第一采样矩阵,以便根据所述第一采样矩阵得到第一协方差矩阵;
第二采样模块,用于对待感知的无线信号进行采样得到第二采样矩阵,以便根据所述第二采样矩阵得到第二协方差矩阵;
计算模块,用于依据梯度下降算法计算预设个数第一协方差矩阵的黎曼中值矩阵;
判断模块,用于根据所述第二协方差矩阵与所述黎曼中值矩阵的几何距离与预设门限的比较结果,判断所述待感知无线信号中是否存在频谱信号。
7.如权利要求6所述的装置,其特征在于,所述判断模块具体用于:利用统计流行度量方法,分别计算所述第一协方差矩阵和所述第二协方差矩阵与所述黎曼中值矩阵的几何距离T和几何距离D;
比较所述几何距离T和所述几何距离D的大小;当D>T时,则所述待感知的无线信号中存在频谱信号。
8.如权利要求6所述的装置,其特征在于,所述计算模块具体用于:利用矩阵算数平均法计算预设个数第一协方差矩阵的黎曼中值矩阵的初始值;
将所述初始值作为梯度下降算法的输入值,利用迭代算法得到预设个数第一协方差矩阵的黎曼中值矩阵。
9.一种基于黎曼中值的频谱感知的设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至5任一项所述一种基于黎曼中值的电频谱感知的方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述一种基于黎曼中值的频谱感知的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711211764.5A CN107979431B (zh) | 2017-11-28 | 2017-11-28 | 基于黎曼中值的频谱感知的方法、装置以及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711211764.5A CN107979431B (zh) | 2017-11-28 | 2017-11-28 | 基于黎曼中值的频谱感知的方法、装置以及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107979431A true CN107979431A (zh) | 2018-05-01 |
CN107979431B CN107979431B (zh) | 2021-05-28 |
Family
ID=62012053
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711211764.5A Active CN107979431B (zh) | 2017-11-28 | 2017-11-28 | 基于黎曼中值的频谱感知的方法、装置以及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107979431B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108880717A (zh) * | 2018-08-17 | 2018-11-23 | 广东工业大学 | 一种基于信息几何的α散度的频谱感知方法 |
CN109004997A (zh) * | 2018-08-09 | 2018-12-14 | 广东工业大学 | 一种频谱感知方法、装置和计算机可读存储介质 |
CN109039503A (zh) * | 2018-09-07 | 2018-12-18 | 广东工业大学 | 一种频谱感知方法、装置、设备及计算机可读存储介质 |
CN109525339A (zh) * | 2018-08-21 | 2019-03-26 | 广东工业大学 | 认知无线电的频谱感知方法、装置、设备以及存储介质 |
CN110365434A (zh) * | 2019-06-27 | 2019-10-22 | 广东工业大学 | 基于信息几何和差分进化聚类算法的多天线协作频谱感知方法 |
CN112580436A (zh) * | 2020-11-25 | 2021-03-30 | 重庆邮电大学 | 一种基于黎曼流形坐标对齐的脑电信号域适应方法 |
CN112733734A (zh) * | 2021-01-13 | 2021-04-30 | 中南大学 | 一种基于黎曼流形特征和lstm网络相结合的交通异常事件检测方法 |
CN114726697A (zh) * | 2022-04-06 | 2022-07-08 | 北京邮电大学 | 信息处理方法、装置、终端及可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008057053A1 (en) * | 2006-11-07 | 2008-05-15 | Agency For Science, Technology And Research | A method of determining as to whether a received signal includes an information signal |
CN107071788A (zh) * | 2017-04-21 | 2017-08-18 | 广东工业大学 | 一种认知无线网络中的频谱感知方法及装置 |
CN107104744A (zh) * | 2017-04-21 | 2017-08-29 | 广东工业大学 | 一种认知无线网络中的频谱感知方法及装置 |
-
2017
- 2017-11-28 CN CN201711211764.5A patent/CN107979431B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008057053A1 (en) * | 2006-11-07 | 2008-05-15 | Agency For Science, Technology And Research | A method of determining as to whether a received signal includes an information signal |
CN107071788A (zh) * | 2017-04-21 | 2017-08-18 | 广东工业大学 | 一种认知无线网络中的频谱感知方法及装置 |
CN107104744A (zh) * | 2017-04-21 | 2017-08-29 | 广东工业大学 | 一种认知无线网络中的频谱感知方法及装置 |
Non-Patent Citations (2)
Title |
---|
FREDERIC BARBARESCO: "Robust Statistical Radar Processing in Frechet Metric Space:OS-HDR-CFAR and OS-STAP Processing in Siegel Homogeneous Bounded Domains", 《2011 12TH INTERNATIONAL RADAR SYMPOSIUM(IRS)》 * |
QIUYUAN LU,ET AL.: "Wideband Spectrum Sensing Based on Riemannian", 《SENSORS》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109004997A (zh) * | 2018-08-09 | 2018-12-14 | 广东工业大学 | 一种频谱感知方法、装置和计算机可读存储介质 |
CN108880717A (zh) * | 2018-08-17 | 2018-11-23 | 广东工业大学 | 一种基于信息几何的α散度的频谱感知方法 |
CN109525339A (zh) * | 2018-08-21 | 2019-03-26 | 广东工业大学 | 认知无线电的频谱感知方法、装置、设备以及存储介质 |
CN109525339B (zh) * | 2018-08-21 | 2021-04-16 | 广东工业大学 | 认知无线电的频谱感知方法、装置、设备以及存储介质 |
CN109039503A (zh) * | 2018-09-07 | 2018-12-18 | 广东工业大学 | 一种频谱感知方法、装置、设备及计算机可读存储介质 |
CN110365434A (zh) * | 2019-06-27 | 2019-10-22 | 广东工业大学 | 基于信息几何和差分进化聚类算法的多天线协作频谱感知方法 |
CN110365434B (zh) * | 2019-06-27 | 2021-08-24 | 广东工业大学 | 基于信息几何和差分进化聚类算法的多天线协作频谱感知方法 |
CN112580436A (zh) * | 2020-11-25 | 2021-03-30 | 重庆邮电大学 | 一种基于黎曼流形坐标对齐的脑电信号域适应方法 |
CN112580436B (zh) * | 2020-11-25 | 2022-05-03 | 重庆邮电大学 | 一种基于黎曼流形坐标对齐的脑电信号域适应方法 |
CN112733734A (zh) * | 2021-01-13 | 2021-04-30 | 中南大学 | 一种基于黎曼流形特征和lstm网络相结合的交通异常事件检测方法 |
CN114726697A (zh) * | 2022-04-06 | 2022-07-08 | 北京邮电大学 | 信息处理方法、装置、终端及可读存储介质 |
CN114726697B (zh) * | 2022-04-06 | 2024-01-26 | 北京邮电大学 | 信息处理方法、装置、终端及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN107979431B (zh) | 2021-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107979431A (zh) | 基于黎曼中值的频谱感知的方法、装置以及设备 | |
Barrat et al. | Rate equation approach for correlations in growing network models | |
Liang et al. | Matrix model of forest dynamics: An overview and outlook | |
CN105891089B (zh) | 储层渗透率确定方法及装置 | |
CN109548041A (zh) | 一种无线覆盖分析方法及系统 | |
CN109039503A (zh) | 一种频谱感知方法、装置、设备及计算机可读存储介质 | |
CN110346654B (zh) | 基于普通克里金插值的电磁频谱地图构建方法 | |
CN107970590B (zh) | 一种基于Android平台的跑步健身数据系统及方法 | |
CN107395301A (zh) | 一种基于k均值算法的频谱感知方法 | |
CN110210067B (zh) | 一种基于测量轨迹的阈值直线确定方法、装置 | |
CN107360577A (zh) | 一种基于机器学习的频谱感知方法及装置 | |
CN106556877B (zh) | 一种地磁通化方法及装置 | |
CN106789338B (zh) | 一种在动态大规模社交网络中发现关键人物的方法 | |
CN108805174A (zh) | 聚类方法及装置 | |
US9651654B2 (en) | Correcting device error radius estimates in positioning systems | |
CN107426736A (zh) | 一种认知无线电的频谱感知方法及系统 | |
CN109525339A (zh) | 认知无线电的频谱感知方法、装置、设备以及存储介质 | |
CN108182531A (zh) | 页岩气开发评价方法、装置及终端设备 | |
WO2017067479A1 (zh) | 一种节点定位的方法及设备 | |
CN110288025A (zh) | 基于信息几何与谱聚类的频谱感知方法、装置及设备 | |
CN107171752A (zh) | 一种认知无线电的频谱感知方法及系统 | |
CN111770053B (zh) | 一种基于改进的聚类与自相似性的恶意程序检测方法 | |
CN109633781B (zh) | 地质属性获取方法及装置、电子设备、存储介质 | |
CN108712222A (zh) | 一种协作频谱感知方法及相关装置 | |
CN105989284B (zh) | 网页入侵脚本特征的识别方法及设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |