CN114244458B - 一种亚奈奎斯特采样前端的全盲频谱感知方法 - Google Patents
一种亚奈奎斯特采样前端的全盲频谱感知方法 Download PDFInfo
- Publication number
- CN114244458B CN114244458B CN202111352693.7A CN202111352693A CN114244458B CN 114244458 B CN114244458 B CN 114244458B CN 202111352693 A CN202111352693 A CN 202111352693A CN 114244458 B CN114244458 B CN 114244458B
- Authority
- CN
- China
- Prior art keywords
- sub
- matrix
- support set
- algorithm
- nyquist
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/336—Signal-to-interference ratio [SIR] or carrier-to-interference ratio [CIR]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明涉及一种亚奈奎斯特采样前端的全盲频谱感知方法,包括以下步骤:采用模型阶选择技术从亚奈奎斯特压缩采样矩阵的有限样点自相关矩阵中估计出被占用的子频带个数;根据估计出的子频带个数对支撑集恢复算法的参数进行调整,并利用调整后的支撑集恢复算法得到支撑集;根据所述支撑集输出频谱感知结果。本发明能够显著降低虚警概率,同时保证检测概率。
Description
技术领域
本发明涉及认知无线电技术领域,特别是涉及一种亚奈奎斯特采样前端的全盲频谱感知方法。
背景技术
亚奈奎斯特采样技术采用多个并行的低速ADC实现宽带信号采样,缓解了高速ADC带来的高功耗、高成本、低精度问题。随着未来通信系统载波频率的增加,亚奈奎斯特采样宽带接收机是一种应用前景较为明朗的新型采样结构,推动宽带无线电检测设备、宽带信号侦察设备和超宽带信号采集设备向小型化、便携化发展。
调制宽带转换器的结构如图1所示,该接收机对亚奈奎斯特采样点yn进行特征恢复,即支撑集重构,获得估计的支撑集根据支撑集可以直接进行频谱感知,无需对奈奎斯特速率的宽带信号x(t)进行恢复。现有专利公开文献CN102801665A给出了一种带通信号调制宽带转换器采样的重构方法,其需要对原带通信号进行恢复,再找到空闲的子信道。
根据压缩感知理论,流行的支撑集重构方法包括凸优化方法、正交匹配追踪(SOMP)和压缩感知MUSIC(Compressive Sensing-MUSIC,CS-MUSIC)方法。在实际的通信系统中,要实现给定的频谱感知性能,以上方法都需要先验信息的辅助。例如凸优化算法需要噪声功率,正交匹配追踪和压缩感知MUSIC需要信号稀疏度先验信息,噪声功率和信号稀疏度可以实时估计或者预先设定。假设宽带频谱资源被等分为L个子频带,可感知的最大带宽为fNyq,已知目标频谱至多有k个子频带被占用,k即为信号稀疏度。SOMP是一种迭代的方法,最大迭代次数即为k;CS-MUSIC是一种非迭代的方法,计算出亚奈奎斯特采样矩阵(自相关矩阵)在压缩感知矩阵上的所有投影值,最小的k个投影值所对应的列索引组成支撑集。
由此可见,k的设置直接影响基于SOMP和CS-MUSIC重构算法的频谱感知系统的性能。如果实际被占用的子频带数l小于k,SOMP和CS-MUSIC的重构支撑集将会大于实际支撑集,将空闲子频带识别为占用状态,导致频谱感知系统的虚警概率增加;反之,SOMP和CS-MUSIC的重构支撑集将会小于实际支撑集,导致检测概率降低。
对于实际的通信系统,频谱资源的占用状态是实时变化的,很难预先设置准确的值。此外,在认知无线电系统中,检测概率代表次级用户发现主用户的能力,漏检可能导致次级用户在主用户正常通信时发射干扰信号,而虚警概率提升会降低次级用户接入空闲频谱进行机会通信的能力,不利于提升频谱资源的利用效率。目前,经典的SOMP和CS-MUSIC方法,都采用检测概率优先的准则,具有较高的虚警概率错误平台。同时,检测概率的可靠性也具有较大的提升空间。
发明内容
本发明所要解决的技术问题是提供一种亚奈奎斯特采样前端的全盲频谱感知方法,能够显著降低虚警概率,同时保证检测概率。
本发明解决其技术问题所采用的技术方案是:提供一种亚奈奎斯特采样前端的全盲频谱感知方法,包括以下步骤:
(1)采用模型阶选择技术从亚奈奎斯特压缩采样矩阵的有限样点自相关矩阵中估计出被占用的子频带个数;
(2)根据估计出的子频带个数对支撑集恢复算法的参数进行调整,并利用调整后的支撑集恢复算法得到支撑集;
(3)根据所述支撑集输出频谱感知结果。
所述步骤(1)具体包括以下子步骤:
(12)计算自相关矩阵RY的奇异值分解,记作RY=UΣVH,其中,U为酉矩阵;VH为矩阵V的共轭矩阵,且为酉矩阵;Σ为对角矩阵,其对角元素为自相关矩阵RY的奇异值λi,1≤i≤m;
所述步骤(2)中支撑集恢复算法为正交匹配追踪算法或压缩感知MUSIC算法。
所述支撑集恢复算法为正交匹配追踪算法时,使用估计出的子频带个数作为所述正交匹配追踪算法的迭代次数。
所述支撑集恢复算法为压缩感知MUSIC算法时,使用估计出的子频带个数作为所述压缩感知MUSIC算法的映射集合的取值个数。
所述亚奈奎斯特采样前端的接收SNR≥-4dB。
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:本发明采用的方法无需先验信息,是一种盲频谱感知方法。本发明在中等或较好的通信环境中,即亚奈奎斯特采样接收机的接收SNR≥-4dB时,且频谱占用状态未知时,可显著降低虚警概率,同时保证检测概率。
附图说明
图1是现有技术中调制宽带转换器的结构示意图;
图2是本发明实施方式的流程图;
图3是本发明实施方式进行盲频谱感知时的检测概率仿真图;
图4是本发明实施方式进行盲频谱感知时的虚警概率仿真图。
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亚奈奎斯特采样前端的全盲频谱感知方法,该方法首先使用模型阶选择技术,从亚奈奎斯特采样矩阵的有限样点自相关矩阵中估计出被占用的子频带个数,然后根据估计出的子频带个数调整SOMP迭代次数或调整CS-MUSIC中选取的映射集合长度,利用SOMP算法或CS-MUSIC算法得到支撑集,最后根据得到的支撑集直接输出频谱感知结果,整个过程无需进行宽带频谱的恢复,如图2所示,具体包括以下步骤:
(1)采用MWC调制宽带转换器对宽带频谱进行亚奈奎斯特采样,记MWC调制宽带转换器的并行通道数为m,可感知的最大频率带宽为fNyq/2,周期混频器的频率为fp,低通滤波器截止频率为fs/2,低速模数转换器的采样频率为fs,且fs=fp。那么,整个带宽频谱资源可以被等分为L个相等的子频带,其中 表示向上取整。在采样时刻n,m个并行通道的输出向量为y[n]=[y1[n],y2[n],...,ym[n]]T,假设一个感知周期内共有r个快拍,所有亚奈奎斯特采样点构成矩阵Y,则Y=[y[1],y[2],...,y[r]]。
(3)计算自相关矩阵RY的奇异值分解,记RY=UΣVH,其中,U为酉矩阵;VH为矩阵V的共轭矩阵,且为酉矩阵;Σ为对角矩阵,其对角元素为自相关矩阵RY的奇异值λi,1≤i≤m。
图3和图4给出了采用本实施方式的方法改进的MOS-SOMP和MOS-CS-MUSIC进行盲频谱感知时的检测概率和虚警概率性能仿真图。与原始SOMP和CS-MUSIC的频谱感知方法相比,当接收机信噪比SNR≥-4dB时,本实施方式的方法与传统算法具有相当的检测概率,同时显著降低了虚警概率。不难发现,本发明在中等或较好的通信环境中,即亚奈奎斯特采样接收机的接收SNR≥-4dB时,且频谱占用状态未知时,可显著降低虚警概率,同时保证检测概率。
Claims (4)
1.一种亚奈奎斯特采样前端的全盲频谱感知方法,其特征在于,包括以下步骤:
(1)采用模型阶选择技术从亚奈奎斯特压缩采样矩阵的有限样点自相关矩阵中估计出被占用的子频带个数;具体包括以下子步骤:
(12)计算自相关矩阵RY的奇异值分解,记作RY=UΣVH,其中,U为酉矩阵;VH为矩阵V的共轭矩阵,且为酉矩阵;Σ为对角矩阵,其对角元素为自相关矩阵RY的奇异值λi,1≤i≤m;
(2)根据估计出的子频带个数对支撑集恢复算法的参数进行调整,并利用调整后的支撑集恢复算法得到支撑集;所述支撑集恢复算法为正交匹配追踪算法或压缩感知MUSIC算法;
(3)根据所述支撑集输出频谱感知结果。
2.根据权利要求1所述的亚奈奎斯特采样前端的全盲频谱感知方法,其特征在于,所述支撑集恢复算法为正交匹配追踪算法时,使用估计出的子频带个数作为所述正交匹配追踪算法的迭代次数。
3.根据权利要求1所述的亚奈奎斯特采样前端的全盲频谱感知方法,其特征在于,所述支撑集恢复算法为压缩感知MUSIC算法时,使用估计出的子频带个数作为所述压缩感知MUSIC算法的映射集合的取值个数。
4.根据权利要求1所述的亚奈奎斯特采样前端的全盲频谱感知方法,其特征在于,所述亚奈奎斯特采样前端的接收SNR≥-4dB。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111352693.7A CN114244458B (zh) | 2021-11-16 | 2021-11-16 | 一种亚奈奎斯特采样前端的全盲频谱感知方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111352693.7A CN114244458B (zh) | 2021-11-16 | 2021-11-16 | 一种亚奈奎斯特采样前端的全盲频谱感知方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114244458A CN114244458A (zh) | 2022-03-25 |
CN114244458B true CN114244458B (zh) | 2022-11-11 |
Family
ID=80749479
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111352693.7A Active CN114244458B (zh) | 2021-11-16 | 2021-11-16 | 一种亚奈奎斯特采样前端的全盲频谱感知方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114244458B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115190029B (zh) * | 2022-06-30 | 2024-01-19 | 上海交通大学 | 在扫频干扰下的全时空域宽带频谱空间构建方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103051403A (zh) * | 2013-01-29 | 2013-04-17 | 哈尔滨工业大学 | 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 |
KR20170018274A (ko) * | 2015-08-07 | 2017-02-16 | 숭실대학교산학협력단 | 서브나이퀴스트 샘플링을 이용한 협력 스펙트럼 센싱 시스템 및 그 방법 |
CN108418769A (zh) * | 2018-01-17 | 2018-08-17 | 南京邮电大学 | 一种分布式压缩感知稀疏度自适应重建方法 |
CN111865327A (zh) * | 2020-08-10 | 2020-10-30 | 四川大学 | 基于dmwc系统的盲多带稀疏信号高效重构算法 |
CN111901058A (zh) * | 2020-07-31 | 2020-11-06 | 电子科技大学 | 基于亚奈奎斯特采样的多天线辅助宽带频谱感知方法 |
CN112543073A (zh) * | 2020-11-27 | 2021-03-23 | 电子科技大学 | 基于次奈奎斯特采样的联合宽带频谱感知和载频估计方法 |
CN113596850A (zh) * | 2021-07-13 | 2021-11-02 | 中国科学院上海微系统与信息技术研究所 | 一种适用于mwc亚奈奎斯特采样结构的宽带频谱感知方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107528647A (zh) * | 2017-09-12 | 2017-12-29 | 河南工业大学 | 一种智能电网通信中的可靠频谱感知方法 |
CN110502806B (zh) * | 2019-07-31 | 2022-03-15 | 电子科技大学 | 一种基于lstm网络的无线频谱占用度预测方法 |
-
2021
- 2021-11-16 CN CN202111352693.7A patent/CN114244458B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103051403A (zh) * | 2013-01-29 | 2013-04-17 | 哈尔滨工业大学 | 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 |
KR20170018274A (ko) * | 2015-08-07 | 2017-02-16 | 숭실대학교산학협력단 | 서브나이퀴스트 샘플링을 이용한 협력 스펙트럼 센싱 시스템 및 그 방법 |
CN108418769A (zh) * | 2018-01-17 | 2018-08-17 | 南京邮电大学 | 一种分布式压缩感知稀疏度自适应重建方法 |
CN111901058A (zh) * | 2020-07-31 | 2020-11-06 | 电子科技大学 | 基于亚奈奎斯特采样的多天线辅助宽带频谱感知方法 |
CN111865327A (zh) * | 2020-08-10 | 2020-10-30 | 四川大学 | 基于dmwc系统的盲多带稀疏信号高效重构算法 |
CN112543073A (zh) * | 2020-11-27 | 2021-03-23 | 电子科技大学 | 基于次奈奎斯特采样的联合宽带频谱感知和载频估计方法 |
CN113596850A (zh) * | 2021-07-13 | 2021-11-02 | 中国科学院上海微系统与信息技术研究所 | 一种适用于mwc亚奈奎斯特采样结构的宽带频谱感知方法 |
Non-Patent Citations (4)
Title |
---|
Blind Sub-Nyquist Spectrum Sensing With Modulated Wideband Converter;Peihan Qi等;《IEEE Transactions on Vehicular Technology 》;20180117;第67卷(第5期);4278 - 4288 * |
Sub-Nyquist Spectrum Sensing Based on Modulated Wideband Converter in Cognitive Radio Sensor Networks;Xue Wang;《IEEE Access 》;20180725;第6卷;40411-40419 * |
基于分布式MWC的全盲协作频谱感知方法的研究;郑广春等;《现代计算机(专业版)》;20180315(第3期);8-13 * |
用于宽带频谱感知的全盲亚奈奎斯特采样方法;盖建新等;《电子与信息学报》;20120215;第34卷(第2期);361-367 * |
Also Published As
Publication number | Publication date |
---|---|
CN114244458A (zh) | 2022-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yu et al. | Mixed-signal parallel compressed sensing and reception for cognitive radio | |
CN107612865B (zh) | 一种应用于低压电力线载波通信的信号降噪方法 | |
CN110365437B (zh) | 基于次奈奎斯特采样的快速功率谱估计方法 | |
CN110971344B (zh) | 一种线性调频扩频调制技术的软解调方法 | |
CN102394707B (zh) | 调制宽带转换器采样系统中的宽带频谱感知方法 | |
CN104270234B (zh) | 一种基于欠奈奎斯特采样的宽带信号检测识别方法 | |
CN114244458B (zh) | 一种亚奈奎斯特采样前端的全盲频谱感知方法 | |
CN108259095B (zh) | 联合sfft与coa的无线传感器网络部署结构及频谱重建方法 | |
CN111474525B (zh) | 超宽带雷达目标回波信号模拟方法及模拟器 | |
CN109842430B (zh) | 多径信道下的LoRa调制信号解调方法 | |
CN102244548A (zh) | 联合频谱检测方法以及联合频谱感知装置、频谱检测系统 | |
CN103532645A (zh) | 一种观测矩阵优化的压缩频谱感知方法 | |
CN113133088B (zh) | 一种无线通信信道扫描方法及装置 | |
CN107483057A (zh) | 基于共轭梯度追踪的稀疏多频带信号重构方法 | |
CN113923083A (zh) | 一种基于伪随机导频的等效时间采样太赫兹信道估计方法 | |
CN111624632B (zh) | 一种卫星导航信号捕获方法及装置 | |
CN110944336B (zh) | 一种基于有限新息率的时频谱感知方法 | |
CN113596850B (zh) | 一种适用于mwc亚奈奎斯特采样结构的宽带频谱感知方法 | |
CN113938227A (zh) | 一种基于迭代译码的信噪比强弱动态判定方法 | |
CN109581278B (zh) | 一种虚拟孔径扩展的相关干涉仪测向方法 | |
CN111490793A (zh) | 一种基于阶梯型随机序列的调制宽带转换器的混频矩阵生成方法 | |
CN111525930A (zh) | 一种基于随机冲击序列的调制宽带转换器的混频矩阵生成方法 | |
CN113791390B (zh) | 基于rs序列及软扩频技术雷达通信一体化信号设计方法 | |
CN109768942B (zh) | 一种瑞利信道最大多普勒频移估计方法 | |
CN117375748A (zh) | 基于mimo的mwc欠奈奎斯特采样结构的宽频带感知方法 |
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 |