CN117792542A - 面向不完整数据的协作式电磁信号检测方法以及装置 - Google Patents
面向不完整数据的协作式电磁信号检测方法以及装置 Download PDFInfo
- Publication number
- CN117792542A CN117792542A CN202311868026.3A CN202311868026A CN117792542A CN 117792542 A CN117792542 A CN 117792542A CN 202311868026 A CN202311868026 A CN 202311868026A CN 117792542 A CN117792542 A CN 117792542A
- Authority
- CN
- China
- Prior art keywords
- target
- detected
- signal
- covariance matrix
- probability density
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 63
- 239000011159 matrix material Substances 0.000 claims abstract description 132
- 238000012360 testing method Methods 0.000 claims abstract description 55
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000007476 Maximum Likelihood Methods 0.000 claims description 16
- 238000013101 initial test Methods 0.000 claims description 16
- 230000005540 biological transmission Effects 0.000 claims description 9
- 230000006870 function Effects 0.000 description 72
- 230000004927 fusion Effects 0.000 description 17
- 238000001228 spectrum Methods 0.000 description 6
- 230000005855 radiation Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000001149 cognitive effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种面向不完整数据的协作式电磁信号检测方法以及、装置其方法实现,包括:获取多个接收节点采集的初始射频信号,将初始射频信号进行合并;当合并后的初始射频信号中存在缺失信号时,将合并后的初始射频信号作为可观测部分的待检测信号,并确定待检测信号对应的子协方差矩阵以及接收节点数量;以得到待检测信号的目标概率密度函数;然后分别得到待检测信号存在状态下对应的第一目标协方差矩阵,以及待检测信号不存在状态下对应的第二目标协方差矩阵;进而分别确定待检测信号的第一目标概率密度函数以及第二目标概率密度函数;最后计算待检测信号的目标检验统计量,以确定待检测信号是否存在。可有效提高对不完整信号检测的性能。
Description
技术领域
本发明涉及频谱感知技术领域,尤其涉及一种面向不完整数据的协作式电磁信号检测方法以及装置。
背景技术
现有协作感知方法中,通常要求原始数据能够在分布式接收节点正确传输到融合中心。例如,在各个节点可持续对周围环境中的无线电射频数据进行感知和采集,然而,在各个节点向融合中心传输采集到的数据时,容易出现传输错误,导致传输过程出现部分数据丢失,而导致融合中心得不到完整的检测数据。
虽然,目前可通过缺失数据补全或者相关样本删除的方法得到完整的数据,再接着进行信号的检测任务的方式实现数据补全,但是,由于采用缺失数据补全,需要引入额外的错误数据,可能与原数据统计特性不同。而采用相关数据删除的方式,则需要删除掉了一部分有用的数据,使可用的数据量变少。导致检测结果准确性差,且预期性能会有比较明显的下降,无法准确检测出无线电频谱的使用情况。
发明内容
基于此,有必要针对上述技术问题,提供一种面向不完整数据的协作式电磁信号检测方法以及装置方法、装置、计算机设备及存储介质,以解决上述现有技术中存在的至少一个问题。
第一方面,本申请是这样实现,提供了一种面向不完整数据的协作式电磁信号检测方法,包括如下步骤:
获取多个接收节点采集的初始射频信号,将所述初始射频信号进行合并;
当所述合并后的初始射频信号中存在缺失信号时,将所述合并后的初始射频信号作为可观测部分的待检测信号,并确定所述待检测信号对应的子协方差矩阵以及接收节点数量;
基于所述子协方差矩阵以及接收节点数量,得到所述待检测信号的目标概率密度函数;
基于所述目标概率密度函数,分别得到所述待检测信号存在状态下对应的第一目标协方差矩阵,以及所述待检测信号不存在状态下对应的第二目标协方差矩阵;
基于所述第一目标协方差矩阵,以及所述第二目标协方差矩阵,分别确定所述待检测信号的第一目标概率密度函数以及第二目标概率密度函数;
基于所述第一目标概率密度函数以及所述第二目标概率密度函数,计算所述待检测信号的目标检验统计量,并基于所述目标检验统计量,确定所述待检测信号是否存在。
在一实施例中,所述确定所述待检测信号对应的子协方差矩阵以及接收节点数量,包括:
基于所有的所述接收节点所接收到的全部射频信号,得到目标协方差矩阵;
基于所述待检测信号,确定可观测的所述接收节点以及接收节点数量;
基于可观测的所述接收节点,从所述目标协方差矩阵中提取所述观测部分的待检测信号对应的所述子协方差矩阵。
在一实施例中,所述目标概率密度函数表示为:
其中,Xt,o是Xt中可观测部分的待检测信号,∑t,oo是从∑中提取的对应该Xt,o的子协方差矩阵,Pt表示Xt中可观测部分的接收节点的个数,exp(·)表示自然指数函数,det(·)表示矩阵的行阵列,H表示共轭转置,t表示时间索引(t=1,2,3,…,T)。
在一实施例中,所述基于所述目标检验统计量,确定所述待检测信号是否存在包括:
获取目标门限值;
当所述目标检验统计量大于所述目标门限值,则所述待检测信号存在;
当所述目标检验统计量小于等于所述目标门限值时,则所述待检测信号不存在。
在一实施例中,所述获取目标门限值,包括:
生成预设数量的随机噪声样本;
基于所述随机噪声样本,得到初始检验统计量;
按照预设规则确定虚警率,并基于所述虚警率以及所述初始检验统计量,得到所述目标门限值。
在一实施例中,所述基于所述虚警率以及所述初始检验统计量,得到所述目标门限值,包括:
基于所述虚警率,在所述初始检验统计量中预设比例的最小值,以作为所述目标门限值。
在一实施例中,所述基于所述第一目标概率密度以及所述第二目标概率密度,计算目标检验统计量,包括:
计算所述第一目标概率密度以及所述第二目标概率密度之间的商值,以作为所述目标检验统计量。
在一实施例中,所述基于所述目标概率密度函数,分别得到所述待检测信号存在状态下对应的第一目标协方差矩阵,以及所述待检测信号不存在状态下对应的第二目标协方差矩阵,包括:
通过二元假设检验问题对所述待检测信号进行表示,所述假设检验问题包括所述待检测信号存在以及所述待检测信号不存在;
通过广义似然估计算法对所述目标始概率密度函数进行求解,分别得到在所述待检测信号不存在时的第一最大似然估计以及所述待检测信号存在时的第二最大似然估计,将所述第一最大似然估计作为所述第一目标协方差矩阵,将所述第二最大似然估计作为所述第二目标协方差矩阵。
在一实施例中,所述第一目标协方差矩阵为对角矩阵,其第i个对角元素表示为:
所述第二目标协方差矩阵通过如下公式计算得到:
其中,∑o表示所述第一协方差矩阵,∑1表示所述第二协方差矩阵,Ti表示Xo中第i个接收节点可观测数据的时间索引集合,|Ti|表示集合Ti中元素的数量,H表示共轭转置,xi,t表示第i个接收节点在t时刻采集到的初始射频数据,S1表示所述第二协方差矩阵的结构集合,f(Xo|∑)表示所述目标密度概率函数。
o第二方面,提供了一种面向不完整数据的协作式电磁信号检测装置,包括:
待检测信号获取单元,用于获取多个接收节点采集的初始射频信号,将所述初始射频信号进行合并;
信号缺失确定单元,用于当所述合并后的初始射频信号中存在缺失信号时,将所述合并后的初始射频信号作为可观测部分的待检测信号,并确定所述待检测信号对应的子协方差矩阵以及接收节点数量;
目标概率密度函数获取单元,用于基于所述子协方差矩阵以及接收节点数量,得到所述待检测信号的目标概率密度函数;
协方差矩阵确定单元,用于基于所述目标概率密度函数,分别得到所述待检测信号存在状态下对应的第一目标协方差矩阵,以及所述待检测信号不存在状态下对应的第二目标协方差矩阵;
目标概率密度函数确定单元,用于基于所述第一目标协方差矩阵,以及所述第二目标协方差矩阵,分别确定所述待检测信号的第一目标概率密度函数以及第二目标概率密度函数;
信号检测单元,用于基于所述第一目标概率密度函数以及所述第二目标概率密度函数,计算所述待检测信号的目标检验统计量,并基于所述目标检验统计量,确定所述待检测信号是否存在。
第三方面,提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如上述所述的面向不完整数据的协作式电磁信号检测方法。
第四方面,提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如上述所述的面向不完整数据的协作式电磁信号检测方法。
上述面向不完整数据的协作式电磁信号检测方法、装置、计算机设备及存储介质,其方法实现,包括:获取多个接收节点采集的初始射频信号,将所述初始射频信号进行合并;当所述合并后的初始射频信号中存在缺失信号时,将所述合并后的初始射频信号作为可观测部分的待检测信号,并确定所述待检测信号对应的子协方差矩阵以及接收节点数量;基于所述子协方差矩阵以及接收节点数量,得到所述待检测信号的目标概率密度函数;基于所述目标概率密度函数,分别得到所述待检测信号存在状态下对应的第一目标协方差矩阵,以及所述待检测信号不存在状态下对应的第二目标协方差矩阵;基于所述第一目标协方差矩阵,以及所述第二目标协方差矩阵,分别确定所述待检测信号的第一目标概率密度函数以及第二目标概率密度函数;基于所述第一目标概率密度函数以及所述第二目标概率密度函数,计算所述待检测信号的目标检验统计量,并基于所述目标检验统计量,确定所述待检测信号是否存在。本申请实施例中,通过部分观测到的数据在二元假设情况下的广义似然函数比,构建出一种可直接处理不完整观测数据的检测器,可以实现在观测数据部分缺失的情况下,对待检测信号的存在性进行检测。可以有效提高信号检测性能,降低信号缺失带来的检测影响,提高检测准确性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例中面向不完整数据的协作式电磁信号检测方法的一应用环境示意图;
图2是本发明一实施例中面向不完整数据的协作式电磁信号检测方法的一流程示意图;
图3是本申请一实施例中不同信号检测方法的检测概率比较图;
图4是本发明一实施例中面向不完整数据的协作式电磁信号检测装置的一结构示意图;
图5是本发明一实施例中计算机设备的一示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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作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。
本实施例提供的面向不完整数据的协作式电磁信号检测方法,可应用在如图1的应用环境中,通过多个接收节点,例如1,2,......,P,P为大于2的正数,可以理解多个用户通过用户终端不断感知周围环境中的电磁信号,并将采集到的电磁信号发送给融合中心,可以理解为基站,该融合中心可以对该电磁信号进行融合和检测,从而实现可以感知当前网络环境状况,用户以及周围环境信息,从而充分利用获取的频谱资源,以提高无线通信的频谱资源利用率。
其中,用户终端与该融合中心可通过网络进行通信。其中,客户端包括但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。
在一实施例中,如图2所示,提供一种面向不完整数据的协作式电磁信号检测方法,以该方法应用在图1中的融合中心为例进行说明,包括如下步骤:
在步骤S110中,获取多个接收节点采集的初始射频信号,将所述初始射频信号进行合并;
在本申请实施例中,该接收节点可为用户的用户终端,其可具备认知无线电功能,每个该用户终端均可对不断感知周围环境中的无线电频谱使用情况,并采集射频信号,发送至融合中心,该融合中心可通过中心处理器将各个用户终端设备传输过来的初始射频信号,进行合并。
在本申请实施例中,可对该初始射频信号进行预处理,例如降噪、过滤等,以降低噪声影响,提高后续检测准确性。
在步骤S120中,当合并后的初始射频信号中存在缺失信号时,将所述合并后的初始射频信号作为可观测部分的待检测信号,并确定所述待检测信号对应的子协方差矩阵以及接收节点数量;
在本申请一实施场景中,假设在一个城市A中,有大量的用户,例如100个,每个用户的用户终端都配备了认知无线电功能。这些智能设备在移动过程中可以持续地感知周围环境的无线电频谱使用情况,并收集原始的射频数据。每个智能设备都会将收集到的原始射频数据发送到融合中心,例如基站,在数据的传输过程中,可能在受到其他干扰等问题下,导致数据存在部分丢失,即没有获取到全部的接收节点采集到的所有的初始射频信号,则此时通过融合中心合并后的部分观测到的初始射频信号可作为观测部分的待检测信号,即不完整信号。此时,对于可观测部分的待检测信号进行检测时,可先确定可观测部分的待检测信号对应的子协方差矩阵以及接收节点数量。
其中,接收节点数量是指未缺失的待检测数据,即完整的检测数据对应的接收节点的数量。
其中,该子协方差矩阵可为可观测部分的待检测数据对应的矩阵,可从完整的检测数据对应的协方差矩阵∑中提取得到。
在本申请实施例中,该传输数据是否存在丢失,可通过融合中心进行判断,例如,当存在10个接收节点进行数据采集,但是融合中心仅接收到了8个接收节点传输的数据,则表示数据存在缺失,或者某个接收节点发送的数据不连贯,也可认为该数据存在缺失。
在步骤S130中,基于所述子协方差矩阵以及接收节点数量,得到所述待检测信号的目标概率密度函数;
在本申请实施例中,假设有P个接收节点采集信号,则通过P个接收节点均采集信号,则其采集到的所有的信号表示Xt,其对应的的协方差矩阵可为表示为∑,此时,如果Xt中仅有部分信号被观测到,例如1,3,4,则该子协方差矩阵可表示为∑中第1、3、4行以及第1、3、4列的交叉项所组成的新的矩阵。该接收节点的数量Pt则为1、3、4共3个数值被观测到。然后则可在给定的协方差矩阵∑的条件下获取待检测信号Xo的目标概率密度函数。
其中,该目标概率密度函数的数据表达形式为:
其中,Xt,o是Xt中可观测部分的待检测信号,∑t,oo是从∑中提取的对应该Xt,o的子协方差矩阵,Pt表示Xt中可观测部分的接收节点的个数,exp(·)表示自然指数函数,det(·)表示矩阵的行阵列,H表示共轭转置,t表示时间索引(t=1,2,3,…,T)。
可以理解的,上述目标概率密度函数f(Xo|∑)可直接调用非凸优化问题求解器,例如MATLAB中的fmincon进行求解。
在步骤S140中,基于所述目标概率密度函数,分别得到所述待检测信号存在状态下对应的第一目标协方差矩阵,以及所述待检测信号不存在状态下对应的第二目标协方差矩阵;
在本申请一实施例中,所述基于所述目标概率密度函数,分别得到所述待检测信号存在状态下对应的第一目标协方差矩阵,以及所述待检测信号不存在状态下对应的第二目标协方差矩阵,包括:
通过二元假设检验问题对所述待检测信号进行表示,所述假设检验问题包括所述待检测信号存在以及所述待检测信号不存在;
通过广义似然估计算法对所述目标始概率密度函数进行求解,分别得到在所述待检测信号不存在时的第一最大似然估计以及所述待检测信号存在时的第二最大似然估计,将所述第一最大似然估计作为所述第一目标协方差矩阵,将所述第二最大似然估计作为所述第二目标协方差矩阵。
具体地,可将通过融合中心接收到P个接收节点观测到的待检测数据表示为Xt,通过融合中心检测后确定该待检测数据存在缺失,则最终待检测信号为Xo,通过二元假设检验问题对该待检测数据设置假设检验问题,该二元假设问题具体可表示为:
H0:∑∈S0
H1∶∑∈S1;
其中,Ho表示待检测数据存在,该H1表示待检测数据不存在So,S1表示为对应假设问题下协方差矩阵的结构集合,具体可表示为:
S0={Diag(ψ)ψ>0}
其中,ψ>0表示一个长度为P且所有元素均为正数的向量,Diag(ψ)表示一个对角元素为ψ的对角矩阵,表示一个P行r列的复数矩阵。
进一步,对观测到的待检测数据X通过广义似然估计算法估计出Ho以及H1这2种假设检验问题下的第一目标协方差矩阵表示∑O,以及第二目标协方差矩阵∑1,其中,第一目标协方差矩阵第一协方差矩阵为对角矩阵,其第i个对角元素表示为:
所述第二目标协方差矩阵通过如下公式计算得到:
其中,∑o表示所述第一协方差矩阵,∑1表示所述第二协方差矩阵,Ti表示Xo中第i个接收节点可观测数据的时间索引集合,|Ti|表示集合Ti中元素的数量,H表示共轭转置,xi,t表示第i个接收节点在t时刻采集到的初始射频数据,S1表示所述第二协方差矩阵的结构集合,f(Xo|∑)表示所述目标密度概率函数。
通过对上述公式进行最大值求解,得到的估计结果,即为假设的该第一目标协方差矩阵以及第二目标协方差矩阵,其可以理解为真实协方差矩阵的估计。
在步骤S150中,基于所述第一目标协方差矩阵,以及所述第二目标协方差矩阵,分别确定所述待检测信号的第一目标概率密度函数以及第二目标概率密度函数;
在本申请实施例中,在获取到第一目标协方差矩阵以及第二目标协方差矩阵后,可将其分别带入至目标概率密度函数中,从而得到该第一目标概率密度函数以及第二目标概率密度函数。其中,该第一目标概率密度函数可表示为:
其中,该第二目标概率密度函数可表示为:
通过调用非凸优化问题求解器,例如MATLAB中的fmincon进行求解,从而得到该第一目标概率密度以及第二目标概率密度。
在步骤S160中,基于所述第一目标概率密度函数以及所述第二目标概率密度函数,计算所述待检测信号的目标检验统计量,并基于所述目标检验统计量,确定所述待检测信号是否存在。
在本申请实施例中,在获取到该第一目标概率密度函数以及第二目标概率密度函数后,可以按照预设算法,计算该错误待检测信号的目标检验统计量,然后基于该错误待检测信号的目标检验统计量,确定所述待检测信号是否存在。可以理解的,通过分布式接收节点采集射频信号,并汇总到融合中心,该融合中心可以检测该信号是否存在,即,辐射源是否在辐射信号,但是无论待检测信号是否存在,接收节点都可以采集到空间中的电磁数据,因此,通过该融合中心可以进一步确定该辐射源是否有发射信号,即采集到的数据是否真实存在。
在本申请一实施例中,所述基于所述第一目标概率密度以及所述第二目标概率密度,计算目标检验统计量,包括:
计算所述目标第一概率密度以及所述第二目标概率密度之间的商值,以作为所述检验统计量。
具体地,该检验统计量可通过如下公式计算得到:
通过计算得到该第一目标概率密度以及第二目标概率密度后,基于两者的商值作为该目标检验统计量。
在本申请一实施例中,所述基于所待检测信号的目标检验统计量,确定所述待检测信号是否存在,包括:
获取目标门限值;
当所述目标检验统计量大于所述目标门限值,则所述待检测信号存在;
当所述目标检验统计量小于等于所述目标门限值时,则所述待检测信号不存在。
具体地,可以预先生成目标门限值γ,并根据假设得到的目标检验统计量ξ与该目标门限值γ之间的关系判断该待检测信号是否存在,例如,当该目标检验统计量ξ大于所述目标门限值γ,则表示待检测信号存在,即辐射源发送了射频信号,若,目标检验统计量ξ小于等于该目标门限值γ时,则表示该待检测信号不存在,即辐射源没有发射该射频信号。
进一步,所述获取目标门限值,包括:
生成预设数量的随机噪声样本;
基于所述随机噪声样本,得到初始检验统计量;
按照预设规则确定虚警率,并基于所述虚警率以及所述初始检验统计量,得到所述目标门限值。
具体地,可通过蒙特卡洛实验的方式获取该目标门限值γ,例如,可生成大量的随机噪声样本数据作为待检测信号的样本数据,并通过上述方式计算得到样本数据的初始检验统计量的经验分布情况,然后基于预设的虚警率(PFA),计算该门限值,该虚警率(PFA)可为用户指定的。
进一步,所述基于所述虚警率以及所述初始检验统计量,得到所述目标门限值,包括:
基于所述虚警率,在所述初始检验统计量中预设比例的最小值,以作为所述目标门限值。
基于所述虚警率,在所述目标检验统计量中前预设比例的最小值,以作为所述目标门限值。
具体地,例如,当该虚警率(PFA)为1%时,则目标门限值γ可取该目标检验统计量中前1%的最小值。
参见图3,在本申请实施例中,提供了数据仿真实验,其具体是针对QPSK调制信号,采用本方法以及其他检测方法所得到的性能比较结果。其中,横坐标表示接收信号的信噪比(分贝),纵坐标为检测概率,从上述仿真结果中可以看出,在采集到的信号的缺失率在50%的情况下,采用随机填补的方式将不完整数据进行补全,所得到的检测效果相对于数据无缺失的情况的检测结果大信噪比有所下降,而采用本方案所得到的检测结果介于两者之间,即,在数据缺失率在50%的情况下,采用本方案所得到的检测结果相比于采用数据补全方法所得到的检测结果的性能更好。
上述面向不完整数据的协作式电磁信号检测方法、装置、计算机设备及存储介质,其方法实现,包括:获取多个接收节点采集的初始射频信号,将所述初始射频信号进行合并;当所述合并后的初始射频信号中存在缺失信号时,将所述合并后的初始射频信号作为可观测部分的待检测信号,并确定所述待检测信号对应的子协方差矩阵以及接收节点数量;基于所述子协方差矩阵以及接收节点数量,得到所述待检测信号的目标概率密度函数;基于所述目标概率密度函数,分别得到所述待检测信号存在状态下对应的第一目标协方差矩阵,以及所述待检测信号不存在状态下对应的第二目标协方差矩阵;基于所述第一目标协方差矩阵,以及所述第二目标协方差矩阵,分别确定所述待检测信号的第一目标概率密度函数以及第二目标概率密度函数;基于所述第一目标概率密度函数以及所述第二目标概率密度函数,计算所述待检测信号的目标检验统计量,并基于所述目标检验统计量,确定所述待检测信号是否存在。本申请实施例中,通过部分观测到数据在二元假设情况下的广义似然函数比,构建出一种可直接处理不完整观测数据的检测器,可以实现在观测数据部分缺失的情况下,对待检测信号的存在性进行检测。可以有效提高信号检测性能,降低信号缺失带来的检测影响,提高检测准确性。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在一实施例中,提供一种面向不完整数据的协作式电磁信号检测方法装置,该面向不完整数据的协作式电磁信号检测方法装置与上述实施例中面向不完整数据的协作式电磁信号检测方法方法一一对应。如图4所示,该面向不完整数据的协作式电磁信号检测方法装置包括待检测信号获取单元10、信号缺失确定单元20、目标概率密度函数获取单元30、协方差矩阵确定单元40目标概率密度函数确定单元50以及信号检测单元60。各功能模块详细说明如下:
待检测信号获取单元10,用于获取多个接收节点采集的初始射频信号,将所述初始射频信号进行合并;
信号缺失确定单元20,用于当所述合并后的初始射频信号中存在缺失信号时,将所述合并后的初始射频信号作为可观测部分的待检测信号,并确定所述待检测信号对应的子协方差矩阵以及接收节点数量;
目标概率密度函数获取单元30,用于基于所述子协方差矩阵以及接收节点数量,得到所述待检测信号的目标概率密度函数;
协方差矩阵确定单元40,用于基于所述目标概率密度函数,分别得到所述待检测信号存在状态下对应的第一目标协方差矩阵,以及所述待检测信号不存在状态下对应的第二目标协方差矩阵;
目标概率密度函数确定单元50,用于基于所述第一目标协方差矩阵,以及所述第二目标协方差矩阵,分别确定所述待检测信号的第一目标概率密度函数以及第二目标概率密度函数;
信号检测单元60,用于基于所述第一目标概率密度函数以及所述第二目标概率密度函数,计算所述待检测信号的目标检验统计量,并基于所述目标检验统计量,确定所述待检测信号是否存在。
在本申请一实施例中,信号缺失确定单元20,还用于:
基于所有的所述接收节点所接收到的全部射频信号,得到目标协方差矩阵;
基于所述待检测信号,确定可观测的所述接收节点以及接收节点数量;
基于可观测的所述接收节点,从所述目标协方差矩阵中提取所述待检测信号对应的所述子协方差矩阵。
在本申请一实施例中,所述目标概率密度函数表示为:
其中,Xt,o是Xt中可观测部分的待检测信号,∑t,oo是从∑中提取的对应该Xt,o的子协方差矩阵,Pt表示Xt中可观测部分的接收节点的个数,exp(·)表示自然指数函数,det(·)表示矩阵的行阵列,H表示共轭转置,t表示时间索引(t=1,2,3,…,T)。
在本申请一实施例中,信号检测单元30,还用于:
获取目标门限值;
当所述目标检验统计量大于所述目标门限值,则所述待检测信号存在;
当所述目标检验统计量小于等于所述目标门限值时,则所述待检测信号不存在。
在本申请一实施例中,信号检测单元30,还用于:
生成预设数量的随机噪声样本;
基于所述随机噪声样本,得到初始检验统计量;
按照预设规则确定虚警率,并基于所述虚警率以及所述初始检验统计量,得到所述目标门限值。
在本申请一实施例中,信号检测单元30,还用于:
基于所述虚警率,在所述目标检验统计量中预设比例的最小值,以作为所述预设门限值。
在本申请一实施例中,信号检测单元30,还用于:
基于所述虚警率,在所述初始检验统计量中预设比例的最小值,以作为所述目标门限值。
在本申请一实施例中,协方差矩阵确定单元40,还用于:
通过二元假设检验问题对所述待检测信号进行表示,所述假设检验问题包括所述待检测信号存在以及所述待检测信号不存在;
通过广义似然估计算法对所述目标始概率密度函数进行求解,分别得到在所述待检测信号不存在时的第一最大似然估计以及所述待检测信号存在时的第二最大似然估计,将所述第一最大似然估计作为所述第一目标协方差矩阵,将所述第二最大似然估计作为所述第二目标协方差矩阵。
在本申请一实施例中,所述第一目标协方差矩阵为对角矩阵,其第i个对角元素表示为:
所述第二目标协方差矩阵通过如下公式计算得到:
其中,∑o表示所述第一协方差矩阵,∑1表示所述第二协方差矩阵,Ti表示Xo中第i个接收节点可观测数据的时间索引集合,|Ti|表示集合Ti中元素的数量,H表示共轭转置,xi,t表示第i个接收节点在t时刻采集到的初始射频数据,S1表示所述第二协方差矩阵的结构集合,f(Xo|∑)表示所述目标密度概率函数。
本申请实施例中,通过部分观测到数据在二元假设情况下的广义似然函数比,构建出一种可直接处理不完整观测数据的检测器,可以实现在观测数据部分缺失的情况下,对待检测信号的存在性进行检测。可以有效提高信号检测性能,降低信号缺失带来的检测影响,提高检测准确性。
关于面向不完整数据的协作式电磁信号检测装置的具体限定可以参见上文中对于面向不完整数据的协作式电磁信号检测方法的限定,在此不再赘述。上述面向不完整数据的协作式电磁信号检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端设备,其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括可读存储介质。该可读存储介质存储有计算机可读指令。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机可读指令被处理器执行时以实现一种面向不完整数据的协作式电磁信号检测方法。本实施例所提供的可读存储介质包括非易失性可读存储介质和易失性可读存储介质。
在本申请实施例中,提供了一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令,所述处理器执行所述计算机可读指令时实现如上述所述面向不完整数据的协作式电磁信号检测方法的步骤。
在申请实施例中,提供了一种可读存储介质,所述可读存储介质存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如上述所述面向不完整数据的协作式电磁信号检测方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机可读指令来指令相关的硬件来完成,所述的计算机可读指令可存储于一非易失性可读取存储介质或易失性可读存储介质中,该计算机可读指令在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,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,或者对其中部分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发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种面向不完整数据的协作式电磁信号检测方法,其特征在于,所述方法,包括:
获取多个接收节点采集的初始射频信号,将所述初始射频信号进行合并;
当合并后的初始射频信号中存在缺失信号时,将所述合并后的初始射频信号作为可观测部分的待检测信号,并确定所述待检测信号对应的子协方差矩阵以及接收节点数量;
基于所述子协方差矩阵以及接收节点数量,得到所述待检测信号的目标概率密度函数;
基于所述目标概率密度函数,分别得到所述待检测信号存在状态下对应的第一目标协方差矩阵,以及所述待检测信号不存在状态下对应的第二目标协方差矩阵;
基于所述第一目标协方差矩阵,以及所述第二目标协方差矩阵,分别确定所述待检测信号的第一目标概率密度函数以及第二目标概率密度函数;
基于所述第一目标概率密度函数以及所述第二目标概率密度函数,计算所述待检测信号的目标检验统计量,并基于所述目标检验统计量,确定所述待检测信号是否存在。
2.如权利要求1所述的面向不完整数据的协作式电磁信号检测方法,其特征在于,所述确定所述待检测信号对应的子协方差矩阵以及接收节点数量,包括:
基于所有的所述接收节点所接收到的全部射频信号,得到目标协方差矩阵;
基于所述待检测信号,确定可观测的所述接收节点以及接收节点数量;
基于可观测的所述接收节点,从所述目标协方差矩阵中提取所述观测部分的待检测信号对应的所述子协方差矩阵。
3.如权利要求1所述面向不完整数据的协作式电磁信号检测方法,其特征在于,所述目标概率密度函数表示为:
其中,Xt,o是Xt中可观测部分的待检测信号,∑t,oo是从∑中提取的对应该Xt,o的子协方差矩阵,Pt表示Xt中可观测部分的接收节点的个数,exp(·)表示自然指数函数,det(·)表示矩阵的行阵列,H表示共轭转置,t表示时间索引(t=1,2,3,…,T)。
4.如权利要求1所述的面向传输错误数据的协作式电磁信号检测方法,其特征在于,所述基于所述目标检验统计量,确定所述待检测信号是否存在包括:
获取目标门限值;
当所述目标检验统计量大于所述目标门限值,则所述待检测信号存在;
当所述目标检验统计量小于等于所述目标门限值时,则所述待检测信号不存在。
5.如权利要求4所述的面向传输错误数据的协作式电磁信号检测方法,其特征在于,所述获取目标门限值,包括:
生成预设数量的随机噪声样本;
基于所述随机噪声样本,得到初始检验统计量;
按照预设规则确定虚警率,并基于所述虚警率以及所述初始检验统计量,得到所述目标门限值。
6.如权利要求5所述的面向传输错误数据的协作式电磁信号检测方法,其特征在于,所述基于所述虚警率以及所述初始检验统计量,得到所述目标门限值,包括:
基于所述虚警率,在所述初始检验统计量中预设比例的最小值,以作为所述目标门限值。
7.如权利要求1所述的面向传输错误的协作式电磁信号检测方法,其特征在于,所述基于所述第一目标概率密度以及所述第二目标概率密度,计算目标检验统计量,包括:
计算所述第一目标概率密度以及所述第二目标概率密度之间的商值,以作为所述目标检验统计量。
8.如权利要求1所述的面向传输错误数据的协作式电磁信号检测方法,其特征在于,所述基于所述目标概率密度函数,分别得到所述待检测信号存在状态下对应的第一目标协方差矩阵,以及所述待检测信号不存在状态下对应的第二目标协方差矩阵,包括:
通过二元假设检验问题对所述待检测信号进行表示,所述假设检验问题包括所述待检测信号存在以及所述待检测信号不存在;
通过广义似然估计算法对所述目标始概率密度函数进行求解,分别得到在所述待检测信号不存在时的第一最大似然估计以及所述待检测信号存在时的第二最大似然估计,将所述第一最大似然估计作为所述第一目标协方差矩阵,将所述第二最大似然估计作为所述第二目标协方差矩阵。
9.如权利要求1所述的面向传输错误的协作式电磁信号检测方法,其特征在于,所述第一目标协方差矩阵为对角矩阵,其第i个对角元素表示为:
所述第二目标协方差矩阵通过如下公式计算得到:
其中,∑o表示所述第一协方差矩阵,∑1表示所述第二协方差矩阵,Ti表示Xo中第i个接收节点可观测数据的时间索引集合,|Ti|表示集合Ti中元素的数量,H表示共轭转置,xi,t表示第i个接收节点在t时刻采集到的初始射频数据,S1表示所述第二协方差矩阵的结构集合,f(Xo|∑)表示所述目标密度概率函数。
10.一种面向不完整数据的协作式电磁信号检测装置,其特征在于,所述装置,包括:
待检测信号获取单元,用于获取多个接收节点采集的初始射频信号,将所述初始射频信号进行合并;
信号缺失确定单元,用于当所述合并后的初始射频信号中存在缺失信号时,将所述合并后的初始射频信号作为可观测部分的待检测信号,并确定所述待检测信号对应的子协方差矩阵以及接收节点数量;
目标概率密度函数获取单元,用于基于所述子协方差矩阵以及接收节点数量,得到所述待检测信号的目标概率密度函数;
协方差矩阵确定单元,用于基于所述目标概率密度函数,分别得到所述待检测信号存在状态下对应的第一目标协方差矩阵,以及所述待检测信号不存在状态下对应的第二目标协方差矩阵;
目标概率密度函数确定单元,用于基于所述第一目标协方差矩阵,以及
所述第二目标协方差矩阵,分别确定所述待检测信号的第一目标概率密度函数以及第二目标概率密度函数;
信号检测单元,用于基于所述第一目标概率密度函数以及所述第二目标概率密度函数,计算所述待检测信号的目标检验统计量,并基于所述目标检验统计量,确定所述待检测信号是否存在。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311868026.3A CN117792542A (zh) | 2023-12-29 | 2023-12-29 | 面向不完整数据的协作式电磁信号检测方法以及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311868026.3A CN117792542A (zh) | 2023-12-29 | 2023-12-29 | 面向不完整数据的协作式电磁信号检测方法以及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117792542A true CN117792542A (zh) | 2024-03-29 |
Family
ID=90381685
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311868026.3A Pending CN117792542A (zh) | 2023-12-29 | 2023-12-29 | 面向不完整数据的协作式电磁信号检测方法以及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117792542A (zh) |
-
2023
- 2023-12-29 CN CN202311868026.3A patent/CN117792542A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ciuonzo et al. | Distributed detection of a non-cooperative target via generalized locally-optimum approaches | |
WO2015172657A1 (en) | System and method for anomaly detection | |
US20180324009A1 (en) | Electronic device, method and computer-readable medium for sensing spectrum usage in a cognitive radio communication system | |
CN108931789B (zh) | 攻击检测方法、攻击检测器、计算机可读存储介质和终端 | |
Wei et al. | Multiple primary user spectrum sensing in the low SNR regime | |
CN111125748A (zh) | 越权查询的判断方法、装置、计算机设备和存储介质 | |
Ramírez et al. | The locally most powerful invariant test for detecting a rank-P Gaussian signal in white noise | |
CN117792542A (zh) | 面向不完整数据的协作式电磁信号检测方法以及装置 | |
CN106936527B (zh) | 一种基于双门限的多用户合作频谱感知方法 | |
CN117834062A (zh) | 面向传输错误数据的协作式电磁信号检测方法以及装置 | |
Men et al. | A robust cooperative spectrum sensing method against faulty nodes in CWSNs | |
CN115174237B (zh) | 一种物联网系统恶意流量的检测方法、装置和电子设备 | |
Smith et al. | Novel distributed spectrum sensing techniques for cognitive radio networks | |
Espindola et al. | A deep autoencoder and RNN model for indoor localization with variable propagation loss | |
Liu et al. | Probability‐based fusion rule in cooperative spectrum sensing with impact of geographic location | |
Rusak et al. | Investigating a physically-based signal power model for robust low power wireless link simulation | |
CN111080473A (zh) | 台区识别方法、装置、计算机设备和可读存储介质 | |
WO2020037629A1 (en) | Co-operative sensing | |
Arts et al. | Quickest eigenvalue-based spectrum sensing using random matrix theory | |
Khandakar et al. | Experimental threshold determination for secondary users using USRP and Gnu radio | |
CN114218056B (zh) | 交易系统的性能测试方法、装置、计算机设备及存储介质 | |
CN112506736B (zh) | office文件打开状态监控方法及装置 | |
CN117896040B (zh) | 下行控制信息检测方法、装置、计算机设备和存储介质 | |
CN112202771B (zh) | 网络流量检测方法、系统、电子设备和存储介质 | |
EP4092581A1 (en) | Learning device, learning method, and learning program |
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 |