CN114329934A - 一种讯源数估测方法、系统、设备及存储介质 - Google Patents
一种讯源数估测方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN114329934A CN114329934A CN202111563218.4A CN202111563218A CN114329934A CN 114329934 A CN114329934 A CN 114329934A CN 202111563218 A CN202111563218 A CN 202111563218A CN 114329934 A CN114329934 A CN 114329934A
- Authority
- CN
- China
- Prior art keywords
- signal
- sources
- matrix
- value
- condition
- 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
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本申请实施例提供了一种讯源数估测方法、系统、设备及存储介质,所述方法包括以下步骤:计算样本协方差矩阵的特征值,取得降序排序的特征值向量;执行特征值向量的规范化,获得n‑范正规化特征值向量;计算差分绝对比;搜寻差分绝对比中的最大值,找出其对应的序列位置索引值,将该序列位置索引值视为「讯源数目候选值」;验证是否符合有效工作条件,若不符合条件,则发出广播,通知所有讯源端在应用系统中调高信号功率进行操作并重新传送,待收到新的信息时,再重新估测讯源数目;若符合条件,则所述的「讯源数目候选值」即为所求讯源数目。本申请实施例可以使讯源数目估计准确并且具备良好的稳定性。
Description
技术领域
本申请各实施例属于通信和信号处理技术领域,特别是涉及一种可适用于高速移动环境下的讯源数估测方法、系统、设备及存储介质。
背景技术
从传感器组(sensor array)所收到的信号中,采取盲蔽估测(Blind estimation)的方式准确估出讯源数目(estimation of the number of sources)的技术,这一直是通信和信号处理领域中的重要问题。
采取盲蔽估测的方式来准确估出讯源数目的技术可适用在各种实际需求中,例如,在进行某项肢体动作时去估计活动肌肉的数量,以识别动作和确定病理;未知声源数目下可分离语音的方法;确定房间中具有背景噪声和混响的扬声器数目;在一个认知广播网络中,估计特定区域内的无线电发射机的数目。此外,还有一些应用系统,是将讯源数目估测作为初级估测,接着将估计得到的讯源数目提供给后级的估测器(作为后级估测器的参考信息),因此讯源数目的正确性决定着后级估测器的效能;例如,物联网服务高速移动中车辆、动车、地铁、飞行器等,这些高速移动载具传送宽带信息上传至云端基地台接收机端的讯源数目会随时变动且未知,基地台接收机端在进行初始频率同步之前,需先估测讯源数目,并将估测的讯源数目结果提供给频率同步器,若讯源数目估计错误,将恶化频率同步器系统效能。由此可知,高速移动环境中能够准确估测讯源数目的方法在物联网发展中扮演重要的环节。
可预期物联网在高速交通运输器的智能化与自动驾驶等应用将会蓬勃发展,在许多高速移动环境下的物联网设备中需要提供可靠、准确、低延时的讯源数目估测器来满足各种云端管理、设备间信息交换与计算的需要;然而,在高速移动环境中的所收到的信号常受到严重干扰,想从中准确估出讯源数目的难度很高,通常是需要加入更多复杂的技术来提高准确度,但也会加重时间延迟的问题。
从传感器组收到的信号中估测讯源数目时,其协方差矩阵的特征值(Eigenvalues)是一个重要信息;其具代表性的传统方法是采用信息理论方法,例如最小描述长度(MDL)和赤池信息准则(Akaike information criterion,AIC)[参考文献:E.Fishler and H.V.Poor,“Estimation of the number of sources in unbalancedarrays via information theoretic criteria,”IEEE Trans.Signal Process.2005,53,3543–3553.]。AIC源自Kullback-Leibler信息概念,MDL源自贝氏方法(Bayesianapproach)[参考文献:G.Schwarz,“Estimating the dimension of a model,”Ann.Stat.,1978,6,461–464.]。AIC和MDL的估测讯源数目准则非常相近,两者的准则都是由似然函数和惩罚函数两部分构成,并由惩罚函数来区别这些算法。在评估用于估计源数量的算法的性能时,MDL一直被认为是一个标准[参考文献:S.Kritchman and B.Nadler,“Non-parametric detection of the number of signals:Hypothesis testing and randommatrix theory,”IEEE Trans.Signal Process.2009,57,3930–3941.]。传统方法中,AIC可在低信噪比(SNR)机制下实现高估测性能,但并非一致估计量;MDL虽是一致估计量,但在低信噪比时会降低估测性能。两种传统方法的运算复杂度偏高。
此外,无论一个讯源数目估测方法的能力有多优异,其有效工作能力也有限制范围,当超出有效工作能力范围时,估测结果的可靠性低,特别是在高速移动的环境所产生诸多不利因素中更是需要考虑其有效工作限制范围,为避免估测方法的操作超出在有效工作限制范围,最好能够提供一个可操作的有效工作条件自动判定方法,以确保讯源数目估测准确性。
当物联网运作在高速移动传输环境(High-speed mobility transmissionenvironments)、传输信道为时变多重路径(time-varying and multipath wirelesschannels)的恶劣条件、与严苛的系统使用条件时,会破坏信号的正交性,导致载波间干扰(inter carrier interference,ICI)与多用户存取干扰(multiple accessinterference,MAI)加剧,从而恶化估测准确性,这使得欲准确估测讯源数目的挑战性更高,或是必须采取高复杂度的方法来改善估计准确性,这些严苛的情形包括:高讯源数目、时变多重传输路径的无线信道、高速移动所产生的高督普勒频移等。
发明内容
本申请实施例的目的在于提供一种讯源数估测方法、系统、设备及存储介质,讯源数目估测方法简单低延时,并且,给该讯源数目估测方法提供一个可操作的「有效工作条件」定义,并且堤供一个可操作的自动决策程序,以确保讯源数目估测准确性,可以使讯源数目估计准确并且具备良好的稳定性,从而解决背景技术中的问题。
为了解决上述技术问题,本申请实施例提供的讯源数估测方法、系统、设备及存储介质的技术方案具体如下:
本申请实施例公开了一种讯源数估测方法,所述方法包括以下步骤:所述方法包括以下步骤:
计算样本协方差矩阵;
计算样本协方差矩阵的特征值,取得降序排序的特征值向量;
执行特征值向量的规范化,获得n-范正规化特征值向量;
计算差分绝对比;
搜寻差分绝对比中的最大值,找出其对应的序列位置索引值,将该序列位置索引值视为「讯源数目候选值」;
验证是否符合有效工作条件,若不符合条件,则发出广播,通知所有讯源端在应用系统中调高信号功率进行操作并重新传送,待收到新的信息时,再重新估测讯源数目;若符合条件,则所述的「讯源数目候选值」即为所求讯源数目。
在上述任一方案中优选的实施例,在所述计算样本协方差矩阵之前,还包括:
排列接收信号序列y,塑形成一个接收矩阵B,其中,
在上述任一方案中优选的实施例,所述接收矩阵对策计算方式包括以下步骤:
假设一个均匀线性数组是由Q个传感器所组成,每个传感器接收到来自K个高速移动中的传送讯源所发送的远场窄带传信号,每个讯源连续送出P个样本数,假设这K个高速移动中的传送讯源发送的信号到达均匀线性数组的入射角为θ=[θ1θ2...θK]T;
Br=VS
其中,d是相邻传感器的距离,ω是信号的频率,c为光速。
在上述任一方案中优选的实施例,所述接收信号矩阵对策计算方式还包括以下步骤:
B=Br+BZ
其中,噪声矩阵且其中每个 p=1,2,…,P,噪声矩阵BZ中的每个元素是均值为零并且与方差为当均匀线性数组依时间序接收到含噪声的接收信号序列为y=[y(1)y(2)...y(N)]T且N=QP,则重新排列接收信号序列y塑型成一个接收矩阵
其中,讯源矩阵协方差矩阵RS=E[SSH],IQ为Q×Q单位矩阵。
在上述任一方案中优选的实施例,所述降序排序的特征值向量的计算方法包括以下步骤:
执行特征值向量的规范化,获得正规化特征值向量λn=λ/‖λ‖n;其中,‖λ‖n为λ之n-范:
在上述任一方案中优选的实施例,所述计算差分绝对比包括以下步骤:
差分绝对比Rd=[Rd(1)Rd(2)…Rd(Q-1)],其中每个元素为:
Rd(q)=|λp(q)-λp(q+1)|/λp(q),其中q=1,2,…,Q-1,搜寻差分绝对比Rd中的最大值,找出其对应序列位置索引qk值,将qk值视为「讯源数目候选值」。
在上述任一方案中优选的实施例,所述验证是否符合有效工作条件包括以下步骤:
查验有「有效工作条件」:条件1且条件2;
若不符合有效工作条件,则发出广播通知所有讯源端,要求调高信号的功率并且重新传送;估测器等待收到新的接收信号序列y后,重新发出广播通知所有讯源端,要求调高信号的功率并且重新传送;
若符合有效工作条件,则所求讯源数目K=qk,完成估测。
与现有技术相比,本申请实施例的讯源数估测方法,该算法基于特征值向量(Eigenvector)的规范化,这样的特征值向量(Eigenvector)的规范化所导出的差分与数值比可用于区分特征值变动,从而估计讯源的数目。
为使讯源数目估计准确并且具备良好的稳定性,从传感器组(sensor array)接收到的信号质量至少需符合有效工作的范围条件,因此,本发明将明确定义「有效工作条件」,并且根据「有效工作条件」来提供一个自动程序,以确保在高速移动环境中能有准确估测结果,即,当符合「有效工作条件」时,根据本发明所提快速方法进行讯源数目估测,若不符合有效工作条件时,则发出信息广播(Broadcasting)给所有讯源端,通知所有讯源端提高操作信号功率并重送,待讯源估测器收到新的信息时,再重新估测。
第二方面,一种讯源数估测系统,包括:
第一计算模块,用于计算样本协方差矩阵;
获取模块,用于计算样本协方差矩阵的特征值,取得降序排序的特征值向量;
执行模块,用于执行特征值向量的规范化,获得-范正规化特征值向量;
第二计算模块,计算差分绝对比;
搜寻模块,用于搜寻差分绝对比中的最大值,找出其对应的序列位置索引值,将该序列位置索引值视为「讯源数目候选值」;
验证模块,用于验证是否符合有效工作条件,若不符合条件,则发出广播,通知所有讯源端在应用系统中调高信号功率进行操作并重新传送,待收到新的信息时,再重新估测讯源数目;若符合条件,则所述的「讯源数目候选值」即为所求讯源数目。
第三方面,一种讯源数估测设备,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所述的讯源数估测方法的步骤。
第四方面,一种存储介质,其特征在于,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现所述的讯源数估测方法。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一组件分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。后文将参照附图以示例性而非限制性的方式详细描述本申请的一些具体实施例。附图中相同的附图标记标示了相同或类似的组件件或组件分,本领域技术人员应该理解的是,这些附图未必是按比例绘制的,在附图中:
图1为本申请实施例讯源数估测方法的执行程序示意图。
图2为模拟验证系统:服务高速移动中多个讯源上行传输的的正交分频多重进接(OFDMA)系统示意图。
图3a为在讯源数目K=3,移动速度253公里/小时(即fdT=0.03),与SNR=5dB,显示特征值矢量,正规化特征值矢量,与差分绝对比的数值示意图。
图3b为在讯源数目K=3,移动速度253公里/小时(即fdT=0.03),与SNR=10dB,显示特征值矢量,正规化特征值矢量,与差分绝对比的数值示意图。
图3c为在讯源数目K=3,移动速度253公里/小时(即fdT=0.03),与SNR=20dB,显示特征值矢量,正规化特征值矢量,与差分绝对比的数值示意图。
图4d为在讯源数目K=5,移动速度253公里/小时(即fdT=0.03),与SNR=5dB,显示特征值矢量,正规化特征值矢量,与差分绝对比的数值示意图。
图4e为在讯源数目K=5,移动速度253公里/小时(即fdT=0.03),与SNR=10dB,显示特征值矢量,正规化特征值矢量,与差分绝对比的数值示意图。
图4f为在讯源数目K=5,移动速度253公里/小时(即fdT=0.03),与SNR=20dB,显示特征值矢量,正规化特征值矢量,与差分绝对比的数值示意图。
图5g为在讯源数目K=7,移动速度253公里/小时(即fdT=0.03),与SNR=5dB,显示特征值矢量,正规化特征值矢量,与差分绝对比的数值。
图5h为在讯源数目K=7,移动速度253公里/小时(即fdT=0.03),与SNR=10dB,显示特征值矢量,正规化特征值矢量,与差分绝对比的数值示意图。
图5i为在讯源数目K=7,移动速度253公里/小时(即fdT=0.03),与SNR=20dB,显示特征值矢量,正规化特征值矢量,与差分绝对比的数值示意图。
图6a为在讯源数目K=3之估测错误机率,其中考虑移动速度{42,84,169,253}Km/h(即,对应fdT∈{0.005,0.01,0.02,0.03})。
图6b为在讯源数目K=5之估测错误机率,其中考虑移动速度{42,84,169,253}Km/h(即,对应fdT∈{0.005,0.01,0.02,0.03})。
图6c为在讯源数目K=7之估测错误机率,其中考虑移动速度{42,84,169,253}Km/h(即,对应fdT∈{0.005,0.01,0.02,0.03})。
图7为一种讯源数估测设备原理示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例仅仅是本申请一组件分的实施例,而不是全组件的实施例。基于本申请中的实施例,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,都应当属于本申请保护的范围。
本申请下述实施例以讯源数估测方法、系统、设备及存储介质具有前轮和后轮为例进行详细说明本申请的方案,但是此实施例并不能限制本申请保护范围。
实施例
如图1所示,本申请实施例提供了一种讯源数估测方法,所述方法包括以下步骤:
步骤1:排列接收信号序列,塑形成一个接收信号矩阵;
步骤2:计算样本协方差矩阵;
步骤3:计算样本协方差矩阵的特征值(Eigenvalues),取得降序排序的特征值向量;
步骤4:执行特征值向量的规范化(Normalizing),获得-范正规化特征值向量;
步骤5:计算差分绝对比;
步骤6:搜寻差分绝对比中的最大值,找出其对应的序列位置索引值,将该序列位置索引值视为「讯源数目候选值」;
步骤7:验证是否符合有效工作条件,若不符合条件,则发出广播(Broadcasting),通知所有讯源端在应用系统中调高信号功率进行操作并重新传送,待收到新的信息时,再重新估测讯源数目;若符合条件,则步骤6的「讯源数目候选值」即为所求讯源数目。
在本发明实施例所述的讯源数估测方法中,数值验证结果显示本发明可适用于各种移动环境,特别是多使用者于高速移动、时变多重路径信道路径通讯环境等恶劣信息条件中,可发现估测效能优异,此外,本发明只需计算特征值,无须进行特征值分解,因此运算复杂度更低,经实验验证与运算复杂度分析,可得知本发明的特色有:1)准确性高、低计算复杂度;2)强健型(robust),在各种移动速度的环境中,可提供准确可靠的估测结果;3)动态查验「有效工作条件」与自动决策程序来应变;4)可以操作在低延迟(Low latency)的模式下。
在步骤1中,所述的计算样本协方差矩阵之包括以下步骤:
排列接收信号序列y,塑形成一个接收矩阵B,其中,
在步骤1中,所述接收信号矩阵对策计算方式包括以下步骤:
假设一个均匀线性数组(Uniform linear array,ULA)是由Q个传感器(Sensorarray)所组成(例如,一个无线电接收机具有Q个接收天线来接收信号),每个传感器接收到来自K个高速移动中的传送讯源(例如,有K个从不同应用器材上的无线电发射机各自发射信号)所发送的远场窄带传信号(Far-field narrow-band signal),每个讯源连续送出P个样本数,假设这K个高速移动中的传送讯源发送的信号到达均匀线性数组的入射角为θ=[θ1θ2...θK]T;
Br=VS
其中,d是相邻传感器的距离,ω是信号的频率,c为光速。
在步骤1中,所述接收信号矩阵对策计算方式还包括以下步骤:
B=Br+BZ
其中,噪声矩阵且其中每个 p=1,2,…,P,噪声矩阵BZ中的每个元素是均值为零并且与方差为当均匀线性数组依时间序接收到含噪声的接收信号序列为y=[y(1)y(2)...y(N)]T且N=QP,则重新排列接收信号序列y塑型成一个接收矩阵
,使用接收矩阵的总体协方差矩阵的特征值λ={λ1,λ2,…,λQ}来估计讯源数目K值,其中,λ为降序排序,E[·]为取期望值,(·)H为共轭转置运算(Conjugatetranspose),由总体协方差矩阵得知:
其中,讯源矩阵协方差矩阵RS=E[SSH],IQ为Q×Q单位矩阵。
一个的直观作法是:若讯源数目为K,则可以将特征值明显分为两类:{λ1,λ2,…,λK}为明显大的特征值数值,而{λK+1,λK+2,…,λQ}为接近的数值,因此,数值较大的那一类的元素总数目,可得到正解K值。
由于样本协方差矩阵是使用有限数量的样本计算的,由此,产生的特征值不同。事实上,特征值的计算受信号入射角,信号功率以及均匀线性数组中的传感器个数影响,这些都会影响信源个数的判断的准确性,特征值的估计信号源个数方法,存在许多待改善问题,特别是在高速移动中的实际应用场合中,前述采取直观的特征值分类来估算讯源数目的想法并不实际;甚且,当接收信号的正交性被破坏时(例如,使用条件与传输环境处于严峻的情况时,包括:高讯源数目、时变多重传输路径的无线信道、高速移动产生高督普勒频移),导致用户间的信号互有干扰,因此,愈准确估计讯源数目的难度更高,或是必须采取高复杂度的方法来改善估计准确性。
为了高速移动环境下的准确讯源数目估测需求与问题解决,本发明提出一个快速估计方法:首先,将R的降序特征值向量归一化(Normalizing),方法是:计算n-范数(n-norm),然后对该每个元素除以n-范数,使所有特征值在区间[0,1]内,改善特征值分布状态,再来,将特征值进行差值处理,据此构建信源数量估计。
在步骤3中,所述降序排序的特征值向量的计算方法包括以下步骤:
执行特征值向量的规范化,获得正规化特征值向量λn=λ/‖λ‖n;其中,‖λ‖n为λ之n-范:
在步骤5中,所述计算差分绝对比包括以下步骤:
差分绝对比Rd=[Rd(1)Rd(2)…Rd(Q-1)],其中每个元素为:
Rd(q)=|λp(q)-λp(q+1)|/λp(q),其中q=1,2,…,Q-1,搜寻差分绝对比Rd中的最大值,找出其对应序列位置索引qk值,将qk值视为「讯源数目候选值」。
在步骤7中,所述验证是否符合有效工作条件包括以下步骤:
查验有「有效工作条件」:条件1且条件2;
若不符合有效工作条件,则发出广播通知所有讯源端,要求调高信号的功率并且重新传送;估测器等待收到新的接收信号序列y后,重新发出广播通知所有讯源端,要求调高信号的功率并且重新传送;
若符合有效工作条件,则所求讯源数目K=qk,完成估测。
由步骤5得知,最高可测的讯源数目为K=Q-1,因此,本发明可适用于满额讯源数目为Q-1的应用系统;接着,依照本发明所提方法的执行程序,分析n=1(即1-norm)的运算复杂度:
事实上,由于步骤1无须额外计算量,步骤2与3的可视为同类方法的共同步骤,因此只须分析步骤4、5、6、7即可,观察步骤4、5、6、7可知,并不需要计算任何基本函数,所有计算只需要实数特征值的加法、除法、与搜寻最大值,考虑步骤4、5、6、7所需加法(或减法)、除法(或乘法)、与比较器,汇整计算复杂度分析如下表:
表一考虑1-norm,本发明运算复杂度分析
(其中步骤6搜寻最小值的比较运算采取复杂度最保守的线性搜寻法)
由表一分析总和得知,若Q=8,可知,加法、除法、比较等运算数量总和,分别为15、15与16,由此得知,本估测法的运算量非常低。
此外,由后面的实验分析可知,当系统操作时提供的讯杂比足够时,错误估测的发生机率接近零,就不会启动广播通知所有讯源端增高信号功率与重传、重估测等步骤,根据表一分析得知本发明的运算复杂度很低,因此,可达成低延迟快速估测的目标,操作在低延迟(Low latency)的模式中。
因此,本发明所提的系统性估测方法,能够判定估测的可靠性,当符合可靠的估测条件后,进而以快速的方式正确估测高速行动环境中的多讯源信息传输的讯源数目;其应用包括:物联网服务高速移动中车辆、动车、地铁、飞行器等,这些高速移动载具发射出的讯源上传至云端服务器的基地台接收机。
为了验证本发明在高速移动环境下的讯源估测的有效性,采取模拟实验来测试,如图2所示,我们在一个可服务高速移动中的车辆、或动车、或地铁、或飞行器等多个讯源上行传输的的正交分频多重进接系统(OFDMA)进行验证,这些高速移动载具持续将信息上传至云端基地台接收器,每个使用者上传信号的行动传输信道是时变多重路径的行动无线信道与可加性白色高斯噪声等。
使用以下设定参数:频带宽为10MHz,OFDMA的子载波数为N=1024(即IDFT/DFT点数为1024),循环前缀CP的长度为256,载波频率为1GHz。在每个子载波上传送QPSK信号。设置子通道数目Q=8且传送样本数P=128;满载时的讯源数目为Q-1=7。上行信道为时变多重路径,该信道具功率分布为[-2.5,0.0,-12.8,-10.0,-25.2,-16.0](以dB为单位)和延迟分布[0.0,0.31,0.71,1.09,1.73,2.51](μs)的信道(该信道为ITU-V B信道模型)。
在这项工作中,测试了一些规一化督普勒频率,包括fdT∈{0.005,0.01,0.02,0.03},分别对应的移动时速约为{42,84,169,253}Km/h。我们执行蒙地卡罗模拟,不同讯源数目在各种移动速度上传信号测试不同讯杂比(Signal to noise ratio,SNR)下,估测讯源数目K值的误判率;其中,SNR的定义是所有讯源的总传送信号功率与基地台接收端的AWGN功率比值。
以下的实验中,正规化特征值向量λn采取n=1(即1-norm),搜寻差分绝对比Rd中的最大值,找出「讯源数目候选值」(qk值),并且查验「有效工作条件」(1/Q=0.1250),可以验证不同讯源数目在不同高速移动环境中的执行估测讯源数目的有效性。
图3a、3b、3c显示估测讯源数目K=3与移动速度253公里/小时(即fdT=0.03),随着不同SNR的特征值向量λ,正规化特征值向量λn,差分绝对比Rd的数值变化。如图3a,在SNR=5dB时,可看出差分绝对比Rd中的最大值在qk=2(即「讯源数目候选值」qk=2),显然是误判,此时查验「有效工作条件」可知λn(qk=2)>1/Q且 可知SNR=5dB不符合「有效工作条件」,故广播通知所有讯源端,要求调高信号的功率并且重新传送。接着,当所有讯源端收到通知后,调高信号功率至SNR=10dB操作并重送,待基地台接收新的信号序列后,再重新依程序执行,如图3b,可看出差分绝对比Rd中的最大值在qk=3(即「讯源数目候选值」qk=3),已是正确判断,但仍需查验是否符合「有效工作条件」,查验数值可知C1:λn(qk=3)=0.132>1/Q以及可知条件C1与C2都不符合「有效工作条件」;在此,虽然「讯源数目候选值」qk=3是正确估测,但我们的「有效工作条件」视其讯号功率还不够稳当到足以确定估测结果,故广播通知所有讯源端,要求调高信号的功率并且重新传送。再来,当所有讯源端收到通知后,调高信号功率至SNR=20dB操作并重送,待基地台接收新的信号序列后,再重新依程序执行,如图3c,可看出差分绝对比Rd中的最大值在qk=3(即「讯源数目候选值」qk=3),是正确判断,进而查验是否符合「有效工作条件」,查验数值得知C1:λn(qk=3)=0.122<1/Q以及 可知条件C1与条件C2符合「有效工作条件」,从而,讯源数目K=qk=3,完成估测。
图4d、4e、4f显示估测讯源数目K=5与移动速度253公里/小时(即fdT=0.03),随着不同SNR的特征值向量λ,正规化特征值向量λn,差分绝对比Rd的数值变化。如图4d,在SNR=5dB时,可看出差分绝对比Rd中的最大值在qk=7(即「讯源数目候选值」qk=7)显然是误判,此时查验「有效工作条件」可知λn(qk=7)>1/Q且 可知SNR=5dB不符合「有效工作条件」,故广播通知所有讯源端,要求调高信号的功率并且重新传送。接着,当所有讯源端收到通知后,调高信号功率至SNR=10dB操作并重送,待基地台接收新的信号序列后,再重新依程序执行,如图4e,可看出差分绝对比Rd中的最大值在qk=2(即「讯源数目候选值」qk=2),此为误判,查验「有效工作条件」时可知,C1:λn(qk=2)=0.244>1/Q以及 可知条件C1与C2都不符合「有效工作条件」,故广播通知所有讯源端,要求调高信号的功率并且重新传送。再来,当所有讯源端收到通知后,调高信号功率至SNR=20dB操作并重送,待基地台接收新的信号序列后,再重新依程序执行,如图4f,可看出差分绝对比Rd中的最大值在qk=5(即「讯源数目候选值」qk=5),是正确判断,进而查验是否符合「有效工作条件」,查验数值得知C1:λn(qk=3)=0.122<1/Q以及 可知条件C1与条件C2符合「有效工作条件」,从而,讯源数目K=qk=5,完成估测。
图5g、5h、5i显示(满载)估测讯源数目K=7与移动速度253公里/小时(即fdT=0.03),随着不同SNR的特征值向量λ,正规化特征值向量λn,差分绝对比Rd的数值变化。如图5g,在SNR=5dB时,可看出差分绝对比Rd中的最大值在qk=3(即「讯源数目候选值」qk=3)显然是误判,此时查验「有效工作条件」可知λn(qk=3)>1/Q且 可知SNR=5dB不符合「有效工作条件」,故广播通知所有讯源端,要求调高信号的功率并且重新传送。接着,当所有讯源端收到通知后,调高信号功率至SNR=10dB操作并重送,待基地台接收新的信号序列后,再重新依程序执行,如图5h,可看出差分绝对比Rd中的最大值在qk=7(即「讯源数目候选值」qk=7),已是正确值,经查验「有效工作条件」,可知,C1:λn(qk=7)=0.080<1/Q以及 可知条件C1与C2都符合「有效工作条件」,确定讯源数目K=qk=7,完成估测。若在图5g SNR=5dB时,因不符合「有效工作条件」,故广播通知所有讯源端,要求所有讯源端调高信号的功率至SNR=15B,并且重新传送,待基地台接收新的信号序列后,再重新依程序执行,则如图5i,可看出差分绝对比Rd中的最大值在qk=7(即「讯源数目候选值」qk=7),是正确判断,进而查验是否符合「有效工作条件」,查验数值得知条件C1:λn(qk=7)=0.054<1/Q以及条件 可知条件C1与条件C2符合「有效工作条件」,从而,确认讯源数目K=qk=7,完成估测。
图6a、6b、6c分别显示不同的讯源数目(K∈{3,5,7})在步骤6的估测错误机率表现,其中,图6a为K=3,图6b为K=5,图6c为K=7;在此,考虑不同的讯源数目以各种移动速度(包括{42,84,169,253}Km/h,分别对应fdT∈{0.005,0.01,0.02,0.03})的估测错误机率;由结果得知,即使是满载讯源数目(K=7)与在高等移动速度的恶劣信道条件下,使用SNR=25dB就足以让估测完全正确,当讯源数目K=5时也有接近的效果;当讯源数目K=3时,代表讯源数目约占子通数目一半的情况下时,无论是低速或是高速移动时,只需SNR=20dB时就足以全部正确估测。
总言之,图6a、6b、6c的结果让我们了解,维持SNR≥25dB时,就不会启动广播通知所有讯源端增高信号功率与重传、重估测,又,根据表一分析得知本发明的运算复杂度很低,因此,满足SNR≥25dB时,即可达成低延迟快速估测的目标,操作在低延迟(Lowlatency)的模式中。
第二方面,一种讯源数估测系统,包括:
第一计算模块,用于计算样本协方差矩阵;
获取模块,用于计算样本协方差矩阵的特征值,取得降序排序的特征值向量;
执行模块,用于执行特征值向量的规范化,获得-范正规化特征值向量;
第二计算模块,计算差分绝对比;
搜寻模块,用于搜寻差分绝对比中的最大值,找出其对应的序列位置索引值,将该序列位置索引值视为「讯源数目候选值」;
验证模块,用于验证是否符合有效工作条件,若不符合条件,则发出广播,通知所有讯源端在应用系统中调高信号功率进行操作并重新传送,待收到新的信息时,再重新估测讯源数目;若符合条件,则所述的「讯源数目候选值」即为所求讯源数目。
第三方面,如图7所示,一种讯源数估测设备,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如所述讯源数估测方法的步骤。
其中,处理器用于控制该测量设备的整体操作,以完成上述的讯源数估测方法中的全部或部分步骤。存储器用于存储各种类型的数据以支持在该测量设备的操作,这些数据例如可以包括用于在该测量设备上操作的任何应用程序或方法的指令,以及应用程序相关的数据,例如联系人数据、收发的消息、图片、音频、视频等等。该存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(StaticRandomAccessMemory,简称SRAM),电可擦除可编程只读存储器(ElectricallyErasableProgrammableRead-OnlyMemory,简称EEPROM),可擦除可编程只读存储器(ErasableProgrammableRead-OnlyMemory,简称EPROM),可编程只读存储器(ProgrammableRead-OnlyMemory,简称PROM),只读存储器(Read-OnlyMemory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。多媒体组件可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器或通过通信组件发送。音频组件还包括至少一个扬声器,用于输出音频信号。I/O接口为处理器和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件用于该测量设备与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(NearFieldCommunication,简称NFC),2G、3G、4G或5G,或它们中的一种或几种的组合,因此相应的该通信组件可以包括:Wi-Fi模块,蓝牙模块,NFC模块。
在一示例性实施例中,测量设备可以被一个或多个应用专用集成电路(ApplicationSpecificIntegratedCircuit,简称ASIC)、数字信号处理器(DigitalSignalProcessor,简称DSP)、数字信号处理设备(DigitalSignalProcessingDevice,简称DSPD)、可编程逻辑器件(ProgrammableLogicDevice,简称PLD)、现场可编程门阵列(FieldProgrammableGateArray,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的讯源数估测方法。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的讯源数估测方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器,上述程序指令可由测量设备的处理器执行以完成上述的讯源数估测方法。
相应于上面的方法实施例,本公开实施例还提供了一种可读存储介质,下文描述的一种可读存储介质与上文描述的一种讯源数估测方法可相互对应参照。
第四方面,一种可读存储介质,可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述方法实施例的讯源数估测方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(RandomAccessMemory,RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中组件分或者全组件技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (10)
1.一种讯源数估测方法,其特征在于,所述方法包括以下步骤:
计算样本协方差矩阵;
计算样本协方差矩阵的特征值,取得降序排序的特征值向量;
执行特征值向量的规范化,获得n-范正规化特征值向量;
计算差分绝对比;
搜寻差分绝对比中的最大值,找出其对应的序列位置索引值,将该序列位置索引值视为「讯源数目候选值」;
验证是否符合有效工作条件,若不符合条件,则发出广播,通知所有讯源端在应用系统中调高信号功率进行操作并重新传送,待收到新的信息时,再重新估测讯源数目;若符合条件,则所述的「讯源数目候选值」即为所求讯源数目。
4.根据权利要求3所述的讯源数估测方法,其特征在于,所述接收信号矩阵对策计算方式还包括以下步骤:
B=Br+Bz
其中,噪声矩阵且其中每个 p=1,2,…,P,噪声矩阵Bz中的每个元素是均值为零并且与方差为当均匀线性数组依时间序接收到含噪声的接收信号序列为y=[y(1) y(2) ... y(N)]T且N=QP,则重新排列接收信号序列y塑型成一个接收矩阵
6.根据权利要求5所述的讯源数估测方法,其特征在于,所述计算差分绝对比包括以下步骤:
差分绝对比Rd=[Rd(1) Rd(2) … Rd(Q-1)],其中每个元素为:
Rd(q)=|λp(q)-λp(q+1)|/λp(q),其中q=1,2,…,Q-1,搜寻差分绝对比Rd中的最大值,找出其对应序列位置索引qk值,将qk值视为「讯源数目候选值」。
8.一种讯源数估测系统,其特征在于,包括:
第一计算模块,用于计算样本协方差矩阵;
获取模块,用于计算样本协方差矩阵的特征值,取得降序排序的特征值向量;
执行模块,用于执行特征值向量的规范化,获得-范正规化特征值向量;
第二计算模块,计算差分绝对比;
搜寻模块,用于搜寻差分绝对比中的最大值,找出其对应的序列位置索引值,将该序列位置索引值视为「讯源数目候选值」;
验证模块,用于验证是否符合有效工作条件,若不符合条件,则发出广播,通知所有讯源端在应用系统中调高信号功率进行操作并重新传送,待收到新的信息时,再重新估测讯源数目;若符合条件,则所述的「讯源数目候选值」即为所求讯源数目。
9.一种讯源数估测设备,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7中任一项所述的讯源数估测方法的步骤。
10.一种存储介质,其特征在于,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1至7中任一项所述的讯源数估测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111563218.4A CN114329934A (zh) | 2021-12-20 | 2021-12-20 | 一种讯源数估测方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111563218.4A CN114329934A (zh) | 2021-12-20 | 2021-12-20 | 一种讯源数估测方法、系统、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114329934A true CN114329934A (zh) | 2022-04-12 |
Family
ID=81051999
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111563218.4A Pending CN114329934A (zh) | 2021-12-20 | 2021-12-20 | 一种讯源数估测方法、系统、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114329934A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115514389A (zh) * | 2022-09-16 | 2022-12-23 | 西北工业大学 | 一种同步直扩信号的源数估计方法 |
-
2021
- 2021-12-20 CN CN202111563218.4A patent/CN114329934A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115514389A (zh) * | 2022-09-16 | 2022-12-23 | 西北工业大学 | 一种同步直扩信号的源数估计方法 |
CN115514389B (zh) * | 2022-09-16 | 2024-03-15 | 西北工业大学 | 一种同步直扩信号的源数估计方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9077567B2 (en) | Cooperative spectrum sensing apparatus and cooperative spectrum sensing method | |
US8923771B2 (en) | Method, apparatus and computer program product for identifying frequency bands, and a method, apparatus and computer program product for evaluating performance | |
Ramadan et al. | NLOS identification for indoor localization using random forest algorithm | |
KR20160126868A (ko) | 미모 채널에서의 고차 직교 진폭 변조 심볼들의 소프트 탐지를 위한 방법 및 장치 | |
US9071473B2 (en) | Method and system for wireless communication channel estimation | |
Barik et al. | Sparsity-aware sphere decoding: Algorithms and complexity analysis | |
Al-Jarrah et al. | Decision fusion in mobile wireless sensor networks using cooperative multiple symbol differential space time coding | |
CN114329934A (zh) | 一种讯源数估测方法、系统、设备及存储介质 | |
US20130177114A1 (en) | Method of detection of signal in communication systems with mimo channel | |
WO2022089217A9 (zh) | 密钥生成方法、装置、电子设备及存储介质 | |
US20090086860A1 (en) | Receiver apparatus | |
KR101967684B1 (ko) | 변조 방식 분류기를 포함하는 통신 시스템 및 그 동작을 위한 방법 | |
KR20230133306A (ko) | 셀프리 mimo의 다중 사용자 검출 방법 및 장치 | |
KR20160090101A (ko) | 이동 통신 시스템에서 유효 잡음을 기반으로 채널 복호 동작을 수행하는 장치 및 방법 | |
US20170222835A1 (en) | Method of performing uplink channel estimation and base station using the same | |
CN114866171B (zh) | 信号统计方法、装置、计算机设备和存储介质 | |
CN114884626A (zh) | 一种psfch信号检测方法、装置、存储介质及电子装置 | |
Chiu | Noisy binary search: Practical algorithms and applications | |
JP6587745B2 (ja) | 無線通信装置及び無線通信方法 | |
KR102395858B1 (ko) | 복잡한 건물 구조에서의 효과적인 측위 방법 및 장치 | |
CN113364715B (zh) | 一种基于信用值投票机制的协作式自动调制分类方法 | |
Riviello et al. | Spectrum sensing in the tv white spaces | |
Tiiro et al. | Decision fusion for cooperative source number estimation in cognitive radio networks | |
KR101999776B1 (ko) | 위상 및 주파수 오프셋에 강인한 자동 변조 분류 방법 및 장치 | |
CN107517171B (zh) | 基于压缩感知的双门限信道时延估计方法 |
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 |