CN108599882B - 一种基于自编码器的宽带频谱感知方法和装置 - Google Patents
一种基于自编码器的宽带频谱感知方法和装置 Download PDFInfo
- Publication number
- CN108599882B CN108599882B CN201810297983.8A CN201810297983A CN108599882B CN 108599882 B CN108599882 B CN 108599882B CN 201810297983 A CN201810297983 A CN 201810297983A CN 108599882 B CN108599882 B CN 108599882B
- Authority
- CN
- China
- Prior art keywords
- spectrum
- vector
- encoder
- local maximum
- threshold
- 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
Links
Images
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
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Complex Calculations (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明公开了一种基于自编码器的宽带频谱感知方法和装置,方法包括:估计接收到的信号的功率谱;分割所述功率谱得到各频段,将各频段组成输入向量并输入到自编码器中,对所述自编码器进行训练,得到所述自编码器输出的特征向量;计算相邻所述特征向量之间的相似系数;计算出所述相似系数的局部极大值点,并根据计算结果进行信号的频谱空穴判决。本发明实施例的方案,利用自编码器学习信号功率谱的特征,根据特征的变化寻找功率谱上的突变点,根据突变点确定频谱空穴,无需知道噪声和信号的先验信息,能够准确得到频谱空穴。
Description
技术领域
本发明涉及无线电通信技术领域,具体涉及一种基于自编码器的宽带频谱感知方法和装置。
背景技术
动态频谱接入网络中,非授权用户(也称次用户)可以使用授权用户(也称为主用户)当前未使用的频谱空穴进行通信,以此提高无线频谱资源的利用率。动态频谱接入的一个关键技术是需要对宽带频谱进行分析,以发现可供非授权用户使用的频谱空穴信息,即,宽带频谱感知。现有技术中,频谱空穴检测准确率不高,而且需要知道噪声和信号的先验信息,不能满足实际需求。
发明内容
本发明提供了一种基于自编码器的宽带频谱感知方法和装置,以解决现有技术中频谱空穴检测准确率不高,而且需要知道噪声和信号的先验信息,不能满足实际需求的问题。
根据本发明的一个方面,提供了一种基于自编码器的宽带频谱感知方法,包括:
估计接收到的信号的功率谱,
分割所述功率谱得到各频段,将各频段组成输入向量并输入到自编码器中,对所述自编码器进行训练,得到所述自编码器输出的特征向量;
计算相邻所述特征向量之间的相似系数;
计算出所述相似系数的局部极大值点,并根据计算结果进行信号的频谱空穴判决。
可选地,计算出所述相似系数的局部极大值点,并根据计算结果进行信号的频谱空穴判决包括:
若计算结果为不存在局部极大值点,则判定当前感知的频段均为频谱空穴;
若计算结果为存在局部极大值点,则将各个局部极大值点按从小到大的顺序存入极值向量中。
可选地,所述根据计算结果进行信号的频谱空穴判决还包括:
在将各个局部极大值点按从小到大的顺序存入极值向量之后,根据局部极大值点计算第一界值和第二界值,并比较第一界值和第二界值的大小;
当第一界值小于第二界值且极值向量w=[w1,...,wM]中局部极大值点的数目为偶数时,判定频率索引index1对应的频率范围为频谱空穴;index1通过下列公式(1)确定
当第一界值小于第二界值且极值向量w=[w1,...,wM]中局部极大值点的数目为奇数时,则判定频率索引index2对应的频率范围为频谱空穴,index2通过下列公式(2)确定
当第一界值大于第二界值且极值向量w=[w1,...,wM]中局部极大值点的数目为偶数时,则判定频率索引index3对应的频率范围为频谱空穴,index3通过下列公式(3)确定:
当第一界值大于第二界值且极值向量w=[w1,...,wM]中局部极大值点的数目为奇数时,则判定频率索引index4对应的频率范围为频谱空穴,index4通过下列公式(4)确定:
可选地,所述估计接收到的信号的功率谱包括:利用下列公式估计接收到的信号的功率谱S(k)
其中,x(n)为接收到的信号,n=0,1,2,...,N-1,k=0,1,2,...,N-1,N为信号长度;
分割所述功率谱得到各频段包括:对功率谱S(k)按间隔P进行滑动选取长度为L的各个频段yi(m),具体的yi(m)=S((i-1)P+m),其中,m=0,1,2,...,L-1,i=1,2,...,I,1<L<N,表示取值为不大于(N-L+1)/P的最大整数,1≤P≤N-L+1;
将各频段组成输入向量并输入到自编码器中得到所述自编码器输出的特征向量包括:
将yi(m)组成输入向量vi=[yi(0),yi(1),...,yi(L-1)],i=1,2,...,I,m=0,1,2,...,L-1并输入到自编码器中,得到所述自编码器输出的特征向量gi,i=1,2,...,I。
可选地,计算相邻特征向量之间的相似系数包括:通过下列公式计算相似系数c(j)
其中,gj,k表示向量gi的第k个元素,gj+1,k表示向量gi+1的第k个元素,j=1,2,...,I-1,K表示所述自编码器输出的特征向量的维度;
计算所述相似系数的局部极大值点包括:
比较相邻两个所述相似系数的大小,若c(i)>c(i-1)且c(i)>c(i+1)且c(i)>η,i=2,...,I-2,则i为局部极大值点,其中η为预设门限值。
根据本发明的另一个方面,提供了一种基于自编码器的宽带频谱感知装置,包括:
功率谱估计模块,用于估计接收到的信号的功率谱,
训练模块,用于分割所述功率谱得到各频段,将各频段组成输入向量并输入到自编码器中,对所述自编码器进行训练,得到所述自编码器输出的特征向量;
相似系数计算模块,用于计算相邻所述特征向量之间的相似系数;
判决模块,用于计算出所述相似系数的局部极大值点,并根据计算结果进行信号的频谱空穴判决。
可选地,所述判决模块,具体用于若计算结果为不存在局部极大值点,则判定当前感知的频段均为频谱空穴;
若计算结果为存在局部极大值点,则将各个局部极大值点按从小到大的顺序存入极值向量中。
可选地,所述判决模块,还用于在将各个局部极大值点按从小到大的顺序存入极值向量之后,根据局部极大值点计算第一界值和第二界值,并比较第一界值和第二界值的大小;
当第一界值小于第二界值且极值向量w=[w1,...,wM]中局部极大值点的数目为偶数时,判定频率索引index1对应的频率范围为频谱空穴;index1通过下列公式(1)确定
当第一界值小于第二界值且极值向量w=[w1,...,wM]中局部极大值点的数目为奇数时,则判定频率索引index2对应的频率范围为频谱空穴,index2通过下列公式(2)确定
当第一界值大于第二界值且极值向量w=[w1,...,wM]中局部极大值点的数目为偶数时,则判定频率索引index3对应的频率范围为频谱空穴,index3通过下列公式(3)确定:
当第一界值大于第二界值且极值向量w=[w1,...,wM]中局部极大值点的数目为奇数时,则判定频率索引index4对应的频率范围为频谱空穴,index4通过下列公式(4)确定:
可选地,所述功率谱估计模块,具体用于利用下列公式估计接收到的信号的功率谱S(k)
其中,x(n)为接收到的信号,n=0,1,2,...,N-1,k=0,1,2,...,N-1,N为信号长度;
所述训练模块,具体用于对功率谱S(k)按间隔P进行滑动选取长度为L的各个频段yi(m),具体的yi(m)=S((i-1)P+m),其中,m=0,1,2,...,L-1,i=1,2,...,I,1<L<N,表示取值为不大于(N-L+1)/P的最大整数,1≤P≤N-L+1;
将yi(m)组成输入向量vi=[yi(0),yi(1),...,yi(L-1)],i=1,2,...,I,m=0,1,2,...,L-1并输入到自编码器中,得到所述自编码器输出的特征向量gi,i=1,2,...,I。
可选地,所述相似系数计算模块,具体用于通过下列公式计算相似系数c(j)
其中,gj,k表示向量gi的第k个元素,gj+1,k表示向量gi+1的第k个元素,j=1,2,...,I-1,K表示所述自编码器输出的特征向量的维度;
所述判决模块,具体用于比较相邻两个所述相似系数的大小,若c(i)>c(i-1)且c(i)>c(i+1)且c(i)>η,i=2,...,I-2,则i为局部极大值点,其中η为预设门限值。
本发明的有益效果是:本发明实施例的基于自编码器的宽带频谱感知方法和装置,利用自编码器学习信号功率谱的特征,根据特征的变化寻找功率谱上的突变点,进一步根据突变点确定频谱空穴。无需知道噪声和信号的先验信息,能够准确得到频谱空穴,从而供动态频谱接入使用。
附图说明
图1是本发明一个实施例基于自编码器的宽带频谱感知方法的流程图;
图2是本发明另一个实施例基于自编码器的宽带频谱感知方法的流程示意图;
图3是本发明一个实施例基于自编码器的宽带频谱感知装置的框图。
具体实施方式
本发明的设计构思是:公开一种利用自编码器的宽带频谱感知方法,利用自编码器来学习信号功率谱的特征,根据特征的变化寻找功率谱上的突变点,进一步根据突变点确定频谱空穴。本发明实施例的方案无需知道噪声和信号的先验信息,能够准确感知得到频谱空穴,以供动态频谱接入使用。
图1是本发明一个实施例基于自编码器的宽带频谱感知方法的流程图,参见图1,本实施例的基于自编码器的宽带频谱感知方法包括下列步骤:
步骤S101,估计接收到的信号的功率谱,
步骤S102,分割所述功率谱得到各频段,将各频段组成输入向量并输入到自编码器中,对所述自编码器进行训练,得到所述自编码器输出的特征向量;
步骤S103,计算相邻所述特征向量之间的相似系数;
步骤S104,计算出所述相似系数的局部极大值点,并根据计算结果进行信号的频谱空穴判决。
由图1所示可知,本实施例的基于自编码器的宽带频谱感知方法,估计接收到的功率谱,分割功率谱得到各频段,将各频段组成输入向量后输入到自编码器中,对自编码进行训练得到输出的特征向量,计算特征向量之间的相似系数,计算出相似系数的局部极大值点,根据计算结果进行信号的频谱空穴判决,无需知道噪声和信号的先验信息,能够准确检测得到频谱空穴,满足了实际需求。
图2是本发明另一个实施例基于自编码器的宽带频谱感知方法的流程示意图,参见图2,本实施例的基于自编码器的宽带频谱感知方法包括下列步骤:
步骤S201,计算信号的功率谱;
接收到信号之后,先计算信号的功率谱,功率谱利用周期图法进行估计。具体的,利用下列公式估计接收到的信号的功率谱S(k)
其中,x(n)为接收到的信号,n=0,1,2,...,N-1,k=0,1,2,...,N-1,N为信号的长度。
步骤S202,对功率谱进行分割;
本步骤中,对功率谱S(k)按间隔P进行滑动选取长度为L的各个频段yi(m),具体的yi(m)=S((i-1)P+m),其中,m=0,1,2,...,L-1,i=1,2,...,I,1<L<N,表示取值为不大于(N-L+1)/P的最大整数,1≤P≤N-L+1。
即,按间隔P进行滑动选取长度L(1<L<N)的各个段yi(m),其中yi(m)=S((i-1)P+m),m=0,1,2,...,L-1,i=1,2,...,I,其中表示不大于(N-L+1)/P的最大整数,1≤P≤N-L+1。
步骤S203,训练自编码器;
将上一步骤中得到的yi(m)(m=0,1,2,...,L-1)组合成输入向量vi=[yi(0),yi(1),...,yi(L-1)],i=1,2,...,I;
步骤S204,计算分割后的功率谱经过自编码器编码环节输出的特征向量;
将输入向量vi(i=1,2,...,I)作为自编码器的输入,对自编码器进行训练,计算vi经过自编码器编码环节的输出特征向量gi,i=1,2,...,I。
需要说明的是自编码器包含编码环节和解码环节,本实施例的训练目标是使得解码输出与编码输入之间的误差最小。
步骤S205,计算相邻特征向量之间的相似系数;
本步骤中是计算相邻特征向量之间的相似系数c(j),即,通过下列公式计算
其中,gj,k表示向量gj的第k个元素,gj+1,k表示向量gj+1的第k个元素,j=1,2,...,I-1,K表示自编码器编码环节输出的特征向量的维度。
步骤S206,计算局部极大值点;
具体是通过下列方式计算局部极大值点:
比较相邻两个相似系数的大小,若c(i)>c(i-1)且c(i)>c(i+1)且c(i)>η,i=2,...,I-2,则i为局部极大值点,其中η为预设门限值。
计算c(j)的局部极大值点之后,如果存在局部极大值点,则将局部极大值点按从小到大的顺序存入向量w=[w1,...,wM],其中M为局部极大值点的个数。
步骤S207,根据局部极大值点进行频谱空穴判决。
本步骤中,根据局部极大值点进行频谱空穴判决包括:若步骤S206中的计算结果为不存在局部极大值点,则判定当前感知的频段均为频谱空穴;若计算结果为存在局部极大值点,则将各个局部极大值点按从小到大的顺序存入极值向量中。
也就是说,如果不存在局部极大值点,则判定当前感知的频段均为频谱空穴。如果存在局部极大值点,则进行下列处理:
在将各个局部极大值点按从小到大的顺序存入极值向量之后,根据局部极大值点计算第一界值和第二界值,并比较第一界值e1和第二界值e2的大小;
当第一界值e1小于第二界值e2且极值向量w=[w1,...,wM]中局部极大值点的数目为偶数时,判定频率索引index1对应的频率范围为频谱空穴;index1通过下列公式(1)确定
当第一界值e1小于第二界值e2且极值向量w=[w1,...,wM]中局部极大值点的数目为奇数时,则判定频率索引index2对应的频率范围为频谱空穴,index2通过下列公式(2)确定
当第一界值e1大于第二界值e2且极值向量w=[w1,...,wM]中局部极大值点的数目为偶数时,则判定频率索引index3对应的频率范围为频谱空穴,index3通过下列公式(3)确定:
当第一界值e1大于第二界值e2且极值向量w=[w1,...,wM]中局部极大值点的数目为奇数时,则判定频率索引index4对应的频率范围为频谱空穴,index4通过下列公式(4)确定:
至此,本实施例的基于自编码器的宽带频谱感知方法,利用自编码器学习信号功率谱的特征,根据特征的变化寻找功率谱上的突变点,然后根据突变点确定频谱空穴。本发明实施例提供的方法无需知道噪声和信号的先验信息,能够准确检测得到频谱空穴。
图3是本发明一个实施例基于自编码器的宽带频谱感知装置的框图,擦肩图3,本实施例的基于自编码器的宽带频谱感知装置300包括:
功率谱估计模块301,用于估计接收到的信号的功率谱,
训练模块302,用于分割功率谱得到各频段,将各频段组成输入向量并输入到自编码器中,对自编码器进行训练,得到自编码器输出的特征向量;
相似系数计算模块303,用于计算相邻特征向量之间的相似系数;
判决模块304,用于计算出相似系数的局部极大值点,并根据计算结果进行信号的频谱空穴判决。
在本发明的一个实施例中,判决模块304具体用于若计算结果为不存在局部极大值点,则判定当前感知的频段均为频谱空穴;若计算结果为存在局部极大值点,则将各个局部极大值点按从小到大的顺序存入极值向量中。
在本发明的一个实施例中,判决模块304,还用于在将各个局部极大值点按从小到大的顺序存入极值向量之后,根据局部极大值点计算第一界值和第二界值,并比较第一界值和第二界值的大小;当第一界值小于第二界值且极值向量w=[w1,...,wM]中局部极大值点的数目为偶数时,判定频率索引index1对应的频率范围为频谱空穴;index1通过下列公式(1)确定
当第一界值小于第二界值且极值向量w=[w1,...,wM]中局部极大值点的数目为奇数时,则判定频率索引index2对应的频率范围为频谱空穴,index2通过下列公式(2)确定
当第一界值大于第二界值且极值向量w=[w1,...,wM]中局部极大值点的数目为偶数时,则判定频率索引index3对应的频率范围为频谱空穴,index3通过下列公式(3)确定:
当第一界值大于第二界值且极值向量w=[w1,...,wM]中局部极大值点的数目为奇数时,则判定频率索引index4对应的频率范围为频谱空穴,index4通过下列公式(4)确定:
在本发明的一个实施例中,功率谱估计模块301,具体用于利用下列公式估计接收到的信号的功率谱S(k)
其中,x(n)为接收到的信号,n=0,1,2,...,N-1,k=0,1,2,...,N-1,N为信号长度;
训练模块302,具体用于对功率谱S(k)按间隔P进行滑动选取长度为L的各个频段yi(m),具体的yi(m)=S((i-1)P+m),其中,m=0,1,2,...,L-1,i=1,2,...,I,1<L<N,表示取值为不大于(N-L+1)/P的最大整数,1≤P≤N-L+1;
将yi(m)组成输入向量vi=[yi(0),yi(1),...,yi(L-1)],i=1,2,...,I,m=0,1,2,...,L-1并输入到自编码器中,得到自编码器输出的特征向量gi,i=1,2,...,I。
在本发明的一个实施例中,相似系数计算模块303,具体用于通过下列公式计算相似系数c(j)
其中,gj,k表示向量gi的第k个元素,gj+1,k表示向量gi+1的第k个元素,j=1,2,...,I-1,K表示自编码器输出的特征向量的维度;
判决模块304,具体用于比较相邻两个相似系数的大小,若c(i)>c(i-1)且c(i)>c(i+1)且c(i)>η,i=2,...,I-2,则i为局部极大值点,其中η为预设门限值。
需要说明的是,本实施例的基于自编码器的宽带频谱感知装置是和前述基于自编码器的宽带频谱感知方法相对应的,因而本实施例中对基于自编码器的宽带频谱感知装置没有描述的内容可参见前述方法实施例中的说明,这里不再赘述。
本实施例还提供了一种电子设备,电子设备包括:存储器和处理器,存储器和处理器之间通过内部总线通讯连接,存储器存储有能够被处理器执行的程序指令,程序指令被处理器执行时能够实现基于自编码器的宽带频谱感知方法的步骤。
此外,上述的存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。本发明的另一个实施例提供一种计算机可读存储介质,计算机可读存储介质存储计算机指令,计算机指令使所述计算机执行上述的方法。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图的一个流程或多个流程和/或方框图的一个方框或多个方框中指定的功能的装置。
需要说明的是术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本发明的说明书中,说明了大量具体细节。然而能够理解的是,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。类似地,应当理解,为了精简本发明公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释呈反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
以上所述,仅为本发明的具体实施方式,在本发明的上述教导下,本领域技术人员可以在上述实施例的基础上进行其他的改进或变形。本领域技术人员应该明白,上述的具体描述只是更好的解释本发明的目的,本发明的保护范围以权利要求的保护范围为准。
Claims (8)
1.一种基于自编码器的宽带频谱感知方法,其特征在于,包括:
估计接收到的信号的功率谱;
分割所述功率谱得到各频段,将各频段组成输入向量并输入到自编码器中,对所述自编码器进行训练,得到所述自编码器输出的特征向量;
计算相邻所述特征向量之间的相似系数;
计算出所述相似系数的局部极大值点,并根据计算结果进行信号的频谱空穴判决包括:
若计算结果为存在局部极大值点,则将各个局部极大值点按从小到大的顺序存入极值向量中;
还包括:
在将各个局部极大值点按从小到大的顺序存入极值向量之后,根据局部极大值点计算第一界值和第二界值,并比较第一界值和第二界值的大小;
当第一界值小于第二界值且极值向量w=[w1,...,wM]中局部极大值点的数目为偶数时,判定频率索引index1对应的频率范围为频谱空穴;
index1通过下列公式(1)确定
当第一界值小于第二界值且极值向量w=[w1,...,wM]中局部极大值点的数目为奇数时,则判定频率索引index2对应的频率范围为频谱空穴,index2通过下列公式(2)确定
当第一界值大于第二界值且极值向量w=[w1,...,wM]中局部极大值点的数目为偶数时,则判定频率索引index3对应的频率范围为频谱空穴,index3通过下列公式(3)确定:
当第一界值大于第二界值且极值向量w=[w1,...,wM]中局部极大值点的数目为奇数时,则判定频率索引index4对应的频率范围为频谱空穴,index4通过下列公式(4)确定:
2.如权利要求1所述的基于自编码器的宽带频谱感知方法,其特征在于,计算出所述相似系数的局部极大值点,并根据计算结果进行信号的频谱空穴判决包括:
若计算结果为不存在局部极大值点,则判定当前感知的频段均为频谱空穴。
3.如权利要求1所述的基于自编码器的宽带频谱感知方法,其特征在于,
所述估计接收到的信号的功率谱包括:利用下列公式估计接收到的信号的功率谱S(k)
其中,x(n)为接收到的信号,n=0,1,2,...,N-1,k=0,1,2,...,N-1,N为信号长度;
分割所述功率谱得到各频段包括:对功率谱S(k)按间隔P进行滑动选取长度为L的各个频段yi(m),具体的yi(m)=S((i-1)P+m),其中,m=0,1,2,...,L-1,i=1,2,...,I,1<L<N,表示取值为不大于(N-L+1)/P的最大整数,1≤P≤N-L+1;
将各频段组成输入向量并输入到自编码器中得到所述自编码器输出的特征向量包括:
将yi(m)组成输入向量vi=[yi(0),yi(1),...,yi(L-1)],i=1,2,...,I,m=0,1,2,...,L-1并输入到自编码器中,得到所述自编码器输出的特征向量gi,i=1,2,...,I。
5.一种基于自编码器的宽带频谱感知装置,其特征在于,包括:
功率谱估计模块,用于估计接收到的信号的功率谱;
训练模块,用于分割所述功率谱得到各频段,将各频段组成输入向量并输入到自编码器中,对所述自编码器进行训练,得到所述自编码器输出的特征向量;
相似系数计算模块,用于计算相邻所述特征向量之间的相似系数;
判决模块,用于计算出所述相似系数的局部极大值点,并根据计算结果进行信号的频谱空穴判决;
所述判决模块,具体用于计算结果为存在局部极大值点,则将各个局部极大值点按从小到大的顺序存入极值向量中;
所述判决模块,还用于在将各个局部极大值点按从小到大的顺序存入极值向量之后,根据局部极大值点计算第一界值和第二界值,并比较第一界值和第二界值的大小;
当第一界值小于第二界值且极值向量w=[w1,...,wM]中局部极大值点的数目为偶数时,判定频率索引index1对应的频率范围为频谱空穴;index1通过下列公式(1)确定
当第一界值小于第二界值且极值向量w=[w1,...,wM]中局部极大值点的数目为奇数时,则判定频率索引index2对应的频率范围为频谱空穴,index2通过下列公式(2)确定
当第一界值大于第二界值且极值向量w=[w1,...,wM]中局部极大值点的数目为偶数时,则判定频率索引index3对应的频率范围为频谱空穴,index3通过下列公式(3)确定:
当第一界值大于第二界值且极值向量w=[w1,...,wM]中局部极大值点的数目为奇数时,则判定频率索引index4对应的频率范围为频谱空穴,index4通过下列公式(4)确定:
6.如权利要求5所述的基于自编码器的宽带频谱感知装置,其特征在于,所述判决模块,具体用于若计算结果为不存在局部极大值点,则判定当前感知的频段均为频谱空穴。
7.如权利要求5所述的基于自编码器的宽带频谱感知装置,其特征在于,
所述功率谱估计模块,具体用于利用下列公式估计接收到的信号的功率谱S(k)
其中,x(n)为接收到的信号,n=0,1,2,...,N-1,k=0,1,2,...,N-1,N为信号长度;
所述训练模块,具体用于对功率谱S(k)按间隔P进行滑动选取长度为L的各个频段yi(m),具体的yi(m)=S((i-1)P+m),其中,m=0,1,2,...,L-1,i=1,2,...,I,1<L<N,表示取值为不大于(N-L+1)/P的最大整数,1≤P≤N-L+1;
将yi(m)组成输入向量vi=[yi(0),yi(1),...,yi(L-1)],i=1,2,...,I,m=0,1,2,...,L-1并输入到自编码器中,得到所述自编码器输出的特征向量gi,i=1,2,...,I。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810297983.8A CN108599882B (zh) | 2018-03-30 | 2018-03-30 | 一种基于自编码器的宽带频谱感知方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810297983.8A CN108599882B (zh) | 2018-03-30 | 2018-03-30 | 一种基于自编码器的宽带频谱感知方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108599882A CN108599882A (zh) | 2018-09-28 |
CN108599882B true CN108599882B (zh) | 2020-10-27 |
Family
ID=63625424
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810297983.8A Active CN108599882B (zh) | 2018-03-30 | 2018-03-30 | 一种基于自编码器的宽带频谱感知方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108599882B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113708863B (zh) * | 2021-09-10 | 2023-08-01 | 中国人民解放军63891部队 | 频谱感知训练数据集的构建方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103297159A (zh) * | 2013-05-10 | 2013-09-11 | 东南大学 | 一种频谱感知方法、频谱感知装置 |
CN106529428A (zh) * | 2016-10-31 | 2017-03-22 | 西北工业大学 | 基于深度学习的水下目标识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100232380A1 (en) * | 2009-03-10 | 2010-09-16 | Nec Laboratories America, Inc. | System and method for utilizing spectrum operation modes in dynamic spectrum access systems |
-
2018
- 2018-03-30 CN CN201810297983.8A patent/CN108599882B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103297159A (zh) * | 2013-05-10 | 2013-09-11 | 东南大学 | 一种频谱感知方法、频谱感知装置 |
CN106529428A (zh) * | 2016-10-31 | 2017-03-22 | 西北工业大学 | 基于深度学习的水下目标识别方法 |
Non-Patent Citations (3)
Title |
---|
Primary User Detection in Cognitive Radio using Spectral-Correlation Features and Stacked Denoising Autoencoder;Hang Liu 等;《2017 IEEE 28th Annual International Symposium on Personal, Indoor, and Mobile Radio Communications (PIMRC)》;20180215;全文 * |
认知OFDM系统中频谱感知与基于感知的干扰对齐方法研究;史振国;《中国博士学位论文全文数据库信息科技辑》;20170215(第02期);第77-78页 * |
认知无线电中频谱检测算法研究;宋昱辉;《中国优秀硕士学位论文全文数据库信息科技辑》;20180215(第02期);第4.3.2节 * |
Also Published As
Publication number | Publication date |
---|---|
CN108599882A (zh) | 2018-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102002681B1 (ko) | 생성적 대립 망 기반의 음성 대역폭 확장기 및 확장 방법 | |
CN109034127B (zh) | 一种频谱异常检测方法、装置和电子设备 | |
CN112634875B (zh) | 语音分离方法、语音分离装置、电子设备及存储介质 | |
WO2012175054A1 (zh) | 一种基音检测的方法和装置 | |
CN101640043A (zh) | 基于多坐标序列内核的说话人识别方法和系统 | |
CN109584887B (zh) | 一种声纹信息提取模型生成、声纹信息提取的方法和装置 | |
US10984812B2 (en) | Audio signal discriminator and coder | |
CN107123432A (zh) | 一种自匹配Top‑N音频事件识别信道自适应方法 | |
KR20090089674A (ko) | 휴대 단말기의 소리 인식 방법 및 장치 | |
KR20190027959A (ko) | 피라미드 벡터 양자화기의 형상 검색 | |
CN108599882B (zh) | 一种基于自编码器的宽带频谱感知方法和装置 | |
CN116150125A (zh) | 结构化数据生成模型的训练方法、装置、设备及存储介质 | |
Ramirez et al. | Hard edge tail asymptotics | |
CN106782612B (zh) | 一种逆向爆音检测方法及其装置 | |
CN105740916B (zh) | 图像特征编码方法及装置 | |
CN114168788A (zh) | 音频审核的处理方法、装置、设备及存储介质 | |
CN113314148B (zh) | 基于原始波形的轻量级神经网络生成语音鉴别方法和系统 | |
CN115935620A (zh) | 仿真测试场景推荐方法、装置、存储介质及计算机设备 | |
CN113766237A (zh) | 一种编码方法、解码方法、装置、设备及可读存储介质 | |
CN112561050B (zh) | 一种神经网络模型训练方法及装置 | |
KR101711941B1 (ko) | 음성인식 시스템에서 유사도를 기반으로 한 비인식 대상 단어 생성 방법 | |
CN106060026B (zh) | 一种信息检测方法及装置 | |
CN113205013B (zh) | 物体识别方法、装置、设备及存储介质 | |
CN108075992A (zh) | 一种信道估计方法及装置 | |
CN103329198B (zh) | 低复杂度目标矢量识别 |
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 |