CN102025427A - 频谱检测的方法及用户设备与融合设备 - Google Patents
频谱检测的方法及用户设备与融合设备 Download PDFInfo
- Publication number
- CN102025427A CN102025427A CN2009101777882A CN200910177788A CN102025427A CN 102025427 A CN102025427 A CN 102025427A CN 2009101777882 A CN2009101777882 A CN 2009101777882A CN 200910177788 A CN200910177788 A CN 200910177788A CN 102025427 A CN102025427 A CN 102025427A
- Authority
- CN
- China
- Prior art keywords
- compression sampling
- frequency spectrum
- user equipment
- digital signal
- unauthorized user
- 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
本发明公开了一种频谱检测的方法与***及用户设备与融合设备,能够在动态宽带稀疏频谱模式下,快速准确的获取频谱状态信息。一种频谱检测的方法,包括:将时域模拟信号转换为离散数字信号;对所述离散数字信号进行压缩采样;将所述压缩采样的结果发送给融合设备以进行频域信号重构。一种频谱检测的方法,包括:接收来自参与频谱检测的各个非授权用户设备的压缩采样结果;根据各个所述压缩采样结果,进行频域信号重构。本发明实施例能够在动态宽带稀疏频谱模式下,快速准确的获取频谱状态信息。
Description
技术领域
本发明涉及移动通信领域,尤其涉及一种频谱检测的方法及用户设备与融合设备。
背景技术
目前,已授权用户设备(主用户设备)的频谱没有得到充分利用,如从数百MHz-3GHz的传播特性较好的低频段中,频谱利用率仅为5.2%。所以,非授权用户设备(认知用户设备、次用户设备)以伺机方式与授权用户设备进行频谱共享,是现行频谱政策下提高频谱效率的重要途径,其关键涉及两个方面:一是非授权用户设备如何在带噪带扰环境下提高感知准确率;二是非授权用户设备如何快速地对空闲频谱进行有效跟踪或对未来空闲频谱进行有效预测。这在认知无线电技术中归结为频谱状态感知(检测)问题。
现有的一种频谱检测方法是在如下两个假设之间做出判决:
其中,x(t)为次用户设备接收到的信号,s(t)为主用户设备发射的信号,n(t)为加性白高斯噪声,h为链路增益,若以γ表示信噪比,则通过能量检测器后关于H0或H1的判决统计Y的分布可表示为:
非衰落环境中,h为一确定性量,故可得到如下检测概率Pd及虚警概率Pf:
其中,Γ(.)和Γ(.,.)为完全和非完全的伽玛函数,Qm(.,.)为广义的Marcum Q-函数,定义如下:
其中,Im-1(.)为(m-1)阶修正的Bessel函数。基于同样计算,可以得到在阴影衰落及瑞利衰落信道下的Pd和Pf的表示式。
获取所有次用户设备的Pd和Pf后,可根据最优判决融合的Chair-Varshney规则,即“或”和“与”规则,得到最后的检测判决。采用“或”规则时,有:
该方法假定存在检测融合中心,各非授权用户设备完全独立,只采取“或”和“与”规则,检测性能有限。
发明内容
本发明实施例提供一种频谱检测的方法,能够在动态宽带稀疏频谱模式下,快速准确的获取频谱状态信息。
一种频谱检测的方法,包括:
将时域模拟信号转换为离散数字信号;
对所述离散数字信号进行压缩采样;
将所述压缩采样的结果发送给融合设备以进行频域信号重构。
本发明实施例还提供另一种频谱检测的方法,能够在动态宽带稀疏频谱模式下,快速准确的获取频谱状态信息。
一种频谱检测的方法,包括:
接收来自参与频谱检测的各个非授权用户设备的压缩采样结果,所述压缩采样结果由所述非授权用户设备将时域模拟信号转换为离散数字信号,并对所述离散数字信号进行压缩采样获得;
根据各个所述压缩采样结果,进行频域信号重构。
本发明实施例还提供另一种频谱检测的方法,能够在动态宽带稀疏频谱模式下,快速准确的获取频谱状态信息。
一种频谱检测的方法,包括:
确定具有互补性的其它非授权用户设备;
将时域模拟信号转换为离散数字信号;
对所述离散数字信号进行压缩采样;
接收所述具有互补性的其它非授权用户设备发送的压缩采样结果,与自身的压缩采样结果进行迭代。
本发明实施例还提供一种用户设备,能够在动态宽带稀疏频谱模式下,快速准确的获取频谱状态信息。
一种用户设备,包括:
第一模数转换器,用于将时域模拟信号转换为离散数字信号;
第一压缩采样单元,用于对所述离散数字信号进行压缩采样;
第一接口单元,用于将所述第一压缩采样单元的压缩采样结果发送给融合设备以进行频域信号重构。
本发明实施例还提供一种融合设备,能够在动态宽带稀疏频谱模式下,快速准确的获取频谱状态信息。
一种融合设备,包括:
第二接口单元,用于接收来自参与频谱检测的各个非授权用户设备的压缩采样结果,其中,所述压缩采样结果由所述非授权用户设备将时域模拟信号转换为离散数字信号,并对所述离散数字信号进行压缩采样获得;
融合单元,用于根据各个所述压缩采样结果,进行频域信号重构。
本发明实施例还提供另一种用户设备,能够在动态宽带稀疏频谱模式下,快速准确的获取频谱状态信息。
一种用户设备,包括:
第二模数转换器,用于将时域模拟信号转换为离散数字信号;
判断单元,用于确定具有互补性的其它用户设备,并将所述具有互补性的其它用户设备的信息发送给迭代单元;
第二压缩采样单元,用于对所述离散数字信号进行压缩采样;
迭代单元,用于基于所述第二压缩采样单元压缩采样的结果以及所述具有互补性的其它用户设备发送的压缩采样结果进行迭代。
根据本发明实施例所述的检测方法及用户设备和融合设备,由于能够将时域模拟信号转换为离散数字信号,并基于压缩采样算法对得到的离散数字信号进行处理,进而基于压缩采样结果进行频域信号重构,所以大大降低了信号获取、信号处理的复杂度,并能够在动态宽带稀疏频谱模式下,快速准确的获取频谱状态信息。
附图说明
显而易见地,下面描述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为本发明实施例频谱检测方法的流程图;
图2为本发明实施例频谱检测方法的再一流程图;
图3为本发明实施例频谱检测方法的又一流程图;
图4为本发明实施例频谱检测方法的又一流程图;
图5为本发明实施例压缩采样点M=55时原始稀疏性信号频谱的恢复情况(L=1);
图6为本发明实施例压缩采样点M=77时原始稀疏性信号频谱的恢复情况(L=1);
图7为本发明实施例压缩采样点M=588时、α=0.5,β=1.5时原始稀疏性信号频谱的恢复情况;
图8为本发明实施例压缩采样点M=588时、α=0,β=2时原始稀疏性信号频谱的恢复情况;
图9为本发明实施例压缩采样点M=588时、α=1.5,β=0.5时原始稀疏性信号频谱的恢复情况;
图10为本发明实施例压缩采样点M=588时、α=1,β=1时原始稀疏性信号频谱的恢复情况;
图11为本发明实施例压缩采样点M=588时、α=2,β=0时原始稀疏性信号频谱的恢复情况;
图12为本发明实施例压缩采样点M=493时、β=0时原始稀疏性信号频谱的恢复情况;
图13为本发明实施例压缩采样点M=588时、α=0时原始稀疏性信号频谱的恢复情况;
图14为本发明实施例频谱检测方法的又一流程图;
图15为本发明实施例频谱检测方法的又一流程图;
图16为本发明实施例非授权用户设备的迭代示意图;
图17为本发明实施例用户设备的结构图;
图18为本发明实施例用户设备的再一结构图;
图19为本发明实施例融合设备的结构图;
图20为本发明实施例融合设备的又一结构图;
图21为本发明实施例融合设备的又一结构图;
图22为本发明实施例频谱检测***的结构图;
图23为本发明实施例用户设备的又一结构图;
图24为本发明实施例用户设备的又一结构图;
图25为本发明实施例频谱检测***的另一结构图。
具体实施方式
本发明实施例提供一种频谱检测方法及用户设备和融合设备,能够在动态宽带稀疏频谱模式下,快速准确的获取频谱状态信息。
下面结合附图对本发明进行详细描述。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。
压缩采样(Compressive Sampling,CS)是若目标信号本身具有稀疏性或通过一定的变换域可转化为稀疏性,则可将该信号进行降维的一种信号处理技术。下面首先对CS原理作简要分析。
其中,Ψ=[ψ1|ψ2|…|ψN]为离散傅立叶正交基,si=<x,ψi>=ψi Tx为离散傅立叶系数,是相应无线信号在离散频点的幅度。若:
T={i:si≠0}, |T|=K, K<<N (7)
即信号x的离散傅立叶展开系数向量s中,只有K个元素为非0值,其余的N-K个元素均为0,并且K<<N,则称s满足K-稀疏性。这样,就可以用感知矩阵Φ对信号x随机抽样M个值,即:
yi=<x,φi>, i∈M 即 y=Φx (8)
其中,Φ=[φ1|φ2|…|φN]。若M≥C·μ2(Φ,Ψ)·S·log N,其中,
令A=ΦΨ,则矩阵A需满足约束等容特性。
由于目前在从数百MHz-3GHz的传播特性较好的低频段中,频谱利用率仅为5.2%,所以可将频谱状态视为变量S,分别用“0”和“1”表示空闲和忙状态,当S由少部分“1”和大部分“0”构成时,则S具有稀疏性,进而可在CS框架下,构造基于CS的频谱检测方案,这样既可以不用实施N点(为了获取准确的结果,通常N取值较大,例如取值8962)快速傅里叶运算,又能够快速准确的获取频谱状态信息。
如图1所示,本发明实施例提供的一种频谱检测方法,包括:
S11、非授权用户设备将时域模拟信号转换为离散数字信号;
例如,可以采用模拟至信息转换算法,将时域模拟信号转换为离散数字信号,模拟至信息转换算法能够在保证信息不损失的情况下,用远低于奈奎斯特采样定理所要求的速率来采样模拟信号。当然,其它任何可以将时域模拟信号转换为离散数字信号的模数转换算法也都是可取的,只要能够满足本发明的目的即可。
S12、非授权用户设备对所述离散数字信号进行压缩采样;
S13、非授权用户设备将所述压缩采样的结果发送给融合设备以进行频域信号重构。
采用所述的频谱检测方法,由于非授权用户设备能够将时域模拟信号转换为离散数字信号,并基于压缩采样算法对得到的离散数字信号进行处理,进而将压缩采样结果发送给融合设备以便融合设备进行频域信号重构,所以大大降低了信号获取、信号处理的复杂度,并能够在动态宽带稀疏频谱模式下,快速准确的获取频谱状态信息。
如图2所示,本发明实施例提供的另一种频谱检测方法包括:
S21、融合设备接收来自参与频谱检测的各个非授权用户设备的压缩采样结果,所述压缩采样结果由所述非授权用户设备将时域模拟信号转换为离散数字信号,并对所述离散数字信号进行压缩采样获得;
S22、融合设备根据各个所述压缩采样结果,进行频域信号重构。
采用所述的频谱检测方法,由于融合设备能够根据各个非授权用户设备的压缩采样结果进行频域信号重构,所以大大降低了信号获取、信号处理的复杂度,并能够在动态宽带稀疏频谱模式下,快速准确的获取频谱状态信息。
从上述对CS理论的分析可知,CS的实施需要对x作M次长度为N的内积运算以得到M个压缩采样样本,这涉及到大规模矩阵乘法运算,具有较高的时间复杂度。考虑到非授权用户设备的实时探测要求,若采用M个并行运算装置来完成M次采样,则会导致信号处理前端的复杂度,并且频谱检测对感知时延较为敏感,所以M次采样的序列处理可能会引入较大的采样误差。综上分析,基于单个非授权用户设备的CS频谱检测具有复杂度高、感知准确率低及感知鲁棒性弱等问题。由于非授权用户设备分布的随机性及感知目标信号的同一性,因此,本发明实施例提供了又一种通过给定区域内所有非授权用户设备的联合来完成频谱检测的方法,如图3所示,包括:
S31、参与频谱检测的各个非授权用户设备分别将时域模拟信号转换为离散数字信号;
例如,可以采用模拟至信息转换算法,将时域模拟信号转换为离散数字信号,模拟至信息转换算法能够在保证信息不损失的情况下,用远低于奈奎斯特采样定理所要求的速率来采样模拟信号。也可以采用其他任何能将时域模拟信号转换为离散数字信号的算法,只要能够满足本发明的目的即可。
S32、参与频谱检测的每个非授权用户设备分别生成感知矩阵其中一行的行元素,并完成对所述离散数字信号进行感知的一次内积运算。
示例性地,式(10)中的感知矩阵Φ的不同行获取任务由参与频谱检测的不同的非授权用户设备来分担,即:非授权用户设备1生成感知矩阵Φ的第一行ψ′1=[ψ11 ψ12 … ψ1N],完成对信号x的一次感知只需要一次内积运算,即:y1=<x,ψ′1>。同样,非授权用户设备2生成感知矩阵Φ的第二行ψ′2=[ψ21 ψ22 … ψ2N]并完成对信号x感知的一次内积运算。以此类推,M个非授权用户设备可以得到M个压缩采样(若非授权用户设备数大于M,则可从中随机选取M个非授权用户设备)。
S33、各个参与频谱检测的非授权用户设备将各自内积运算的结果发送给融合设备;
S34、融合设备根据各个所述内积运算的结果,进行频域信号重构。
示例性地,融合设备可以根据下式进行频域信号的重构:
其中,Ψ为傅立叶正交基,对非授权用户设备和融合设备而言是已知且固定的。而感知矩阵Φ,可在非授权用户设备和融合设备之间按照相同的规则产生。因此,该感知矩阵对于所有非授权用户设备和融合设备而言是已知的,非授权用户设备只需取其中相应的一行与被感知的信号做一次内积运算(见步骤S32)即可。
根据计算复杂度,融合设备可采用多种不同的重构方案,如组合优化方法、非凸优化、凸优化、贪婪算法等。在式(11)框架下的任何重构方法都可以采纳。
本实施例中,参与频谱检测的每个非授权用户设备只需做一次内积运算,而将复杂的信号重构运算放在融合设备实施,这极大的减少了非授权用户设备的计算复杂度,从而提高了非授权用户设备实时探测信道的能力,所以能够在动态宽带稀疏频谱模式下,快速准确的获取频谱状态信息。
然而,实际频谱检测过程中,不同空间的链路衰落特性不同,这使得离散数字信号“x”对不同的非授权用户设备而言不再是相同的,基于此,本发明实施例提出又一种频谱检测方法,如图4所示,包括:
S41、参与频谱检测的各个非授权用户设备将时域模拟信号转换为离散数字信号;
例如,可以采用模拟至信息转换算法,将时域模拟信号转换为离散数字信号,模拟至信息转换算法能够在保证信息不损失的情况下,用远低于奈奎斯特采样定理所要求的速率来采样模拟信号。当然,其它任何可以将时域模拟信号转换为离散数字信号的模数转换算法也都是可取的,只要能够满足本发明的目的即可。
S42、根据参与频谱检测的各个非授权用户设备感知授权用户设备信号的信噪比的相对大小,融合设备为参与频谱检测的每个非授权用户设备分配采样样本数;
例如,考虑参与频谱检测的L个非授权用户设备感知授权用户设备信号的信噪比满足若每个非授权用户设备具有独立均匀的频选衰落分布,且最小压缩采样数Z满足Z≥C·μ2(Φ,Ψ)·S·log N,则融合设备可以根据下式为参与频谱检测的非授权用户设备分配采样样本数:
其中,L为参与频谱检测的非授权用户设备的个数,SNRi(i=1,2...L)为参与频谱检测的第i个非授权用户设备的信噪比,Mi(i=1,2...L)为参与频谱检测的第i个非授权用户设备的采样样本数,Z为总的采样样本数。
式(12)表明:若参与频谱检测的所有非授权用户设备服从相同的频选衰落特性,则非授权用户设备按照信噪比大小进行采样分担,即在给定总压缩样本数条件下,信噪比越大的用户分担的采样样本数越多,从而在采样复杂度和***性能之间取得折中。进一步地,若参与频谱检测的非授权用户设备的频选衰落子带数目J已知,则融合设备需要在信号路径衰落与频选衰落之间进行折中,以确定各个非授权用户设备的采样样本数(Φ的行数)的大小。令α、β分别表示路径衰落与频选衰落的权重因子,则融合设备还可以根据下式确定参与频谱检测的各个非授权用户设备的采样样本数:
其中,L为参与频谱检测的非授权用户设备的个数,SNRi(i=1,2...L)为参与频谱检测的第i个非授权用户设备的信噪比,Mi(i=1,2...L)为参与频谱检测的第i个非授权用户设备的采样样本数,Z为总的采样样本数,Ji(i=1,2...L)为参与频谱检测的第i个非授权用户设备的频选衰落子带数目,α为路径衰落权重因子,β为频选衰落权重因子。
该步骤中,若所有的非授权用户设备数大于L,则融合设备可从中随机选择L个非授权用户设备来参与频谱检测。
S43、参与频谱检测的各个非授权用户设备分别基于各自的采样样本数,生成感知矩阵中相应行的行元素,并完成对所述离散数字信号进行感知的内积运算,其中所述相应行的行数等于各自的采样样本数。
S44、参与频谱检测的各个非授权用户设备将各自内积运算的结果发送给融合设备;
S45、融合设备根据各个所述内积运算的结果,进行频域信号重构。该步骤可参考步骤S34,此处不再赘述。
本发明实施例综合考虑了链路衰落特性、噪声、测量计算复杂度以及状态重构误差等因素,所以能够在降低信号获取、信号处理复杂度的同时,在动态宽带稀疏频谱模式下,快速准确的获取频谱状态信息。
下面对本发明实施例的性能进行仿真分析。仿真条件如下:信号长度分别为N=512和1024,稀疏度K=15,参与频谱检测的总非授权用户设备数L=10。信道噪声服从高斯分布n~N(0,1),链路衰落分别为路径衰落和多径瑞利衰落,α、β∈[0,2]。
定义满足频域K-稀疏性的信号表示如下:
令T={i,si≠0},则|T|=K=15。
正交基矩阵Ψ为:
即:x=Ψs。
图5和图6为单非授权用户设备、压缩采样点分别为44和77时的仿真结果,该结果表明,采样点数增多,信号重构误差越小。图7~图11为参与频谱检测的非授权用户设备数L=10,路径衰落及频率选择性衰落都存在时,根据不同的α、β组合,在频域重构信号和原始信号分别在幅度和位置上的比较;图12~图13分别表示仅有路径衰落和仅有频率选择性衰落时原始频谱与恢复后的状态比较。从整体重构情况看,当原始信号仅存在特定的衰落(链路衰落或频选衰落)时,重构效果较好,且链路衰落较之频选衰落具有更好的重构性能。较之现有的频谱检测方案,通过检测前端的压缩采样,有效降低了目标信号采样的规模,提高了检测效率,降低了方案实施的复杂度;而且通过分布采样的集中重构和部分检测状态的融合,提高了检测的准确率。仿真结果表明:通过压缩抽样的M点并且M大于某个临界值时(M<<N),仍然可以精确地恢复出信号的频谱状态信息。
分布式CR***中,考虑空间链路传播特性的差异、用户设备移动的随机性、以及主次用户设备在空间分布的随机性,使得不同非授权用户设备对同一观测目标存在一定的观测误差。所以,若以检测的互补性为基础选择非授权用户设备以进行频谱检测,将提高检测的准确率和效率。基于此,本发明实施例提供又一种频谱检测的方法,如图14所示,包括:
S141、融合设备根据频选衰落特性,对所有非授权用户设备进行分类,并从所述各个分类中分别至少选择一个非授权用户设备来参与频谱检测;
例如,若非授权用户设备对频选衰落具有一定的选择性,如部分非授权用户设备对频点f1、f3衰落,部分非授权用户设备对频点f2、f4衰落,则可将具有同一衰落特性的非授权用户设备进行归类,再以为基础,由大至小,进行非授权用户设备的选择,若从每种衰落类别只选择一个非授权用户设备,则总的协作非授权用户设备个数仅取决于衰落特性类别。
S142、融合设备为所选择的参与频谱检测的每个非授权用户设备分配采样样本数。其中,分配的方式可参考步骤S42,此处不再赘述。
S143、参与频谱检测的各个非授权用户设备将时域模拟信号转换为离散数字信号;
S144、参与频谱检测的各个非授权用户设备分别基于各自的采样样本数,生成感知矩阵相应行的行元素,并完成对所述离散数字信号进行感知的内积运算,其中所述相应行的行数等于各自的采样样本数。
S145、参与频谱检测的各个非授权用户设备分别根据各自内积运算的结果,进行频域信号重构得到重构后的频谱状态并发送给融合设备;
S146、融合设备根据各个所述频谱状态,通过信息融合得到全局频谱状态。
采用本实施例所述的方法,由于融合设备能够从不同衰落分类中至少选择一个非授权用户设备来参与频谱检测,并且所选择的每个非授权用户设备独立实施频域信号重构,所以重构后的频谱状态是互补的,从而可通过融合设备的融合得到***内所有频谱的状态情况。这样,虽然少部分非授权用户设备终端的计算量增大,但大部分信道条件差的非授权用户设备保持不活动状态,一旦信道条件变好,即可实施采样和协作重构,从***角度看,降低了不必要的能量消耗,提高了检测效率与准确率。
前述各实施例都采用融合设备以得到最终的频域信号,若融合设备出现故障,则整个检测***将停止工作。基于此,可将融合设备的功能全部由非授权用户设备来承担,如图15所示,本发明实施例提供又一种频谱检测方法,包括:
S151、确定具有互补性的其它非授权用户设备;
例如,基于各个非授权用户设备接收信号的特征,依据一定的判定准则(如互信息准则)来判断与其它非授权用户设备的互补性,例如根据交互的互信息所确定的阈值来确定与其它非授权用户设备是否具有观测互补性。
S152、将时域模拟信号转换为离散数字信号;
例如,可以采用模拟至信息转换算法,将时域模拟信号转换为离散数字信号,模拟至信息转换算法能够在保证信息不损失的情况下,用远低于奈奎斯特采样定理所要求的速率来采样模拟信号。当然,其它任何可以将时域模拟信号转换为离散数字信号的模数转换算法也都是可取的,只要能够满足本发明的目的即可。
S153、对所述离散数字信号进行压缩采样;
S154、接收所述具有互补性的其它非授权用户设备发送的压缩采样结果,与自身的压缩采样结果进行迭代。
采用所述的频谱检测方法,由于能够确定具有互补性的其它非授权用户设备,并通过迭代的方式将自身压缩采样结果与具有互补性的其他非授权用户设备的压缩采样结果进行融合,以便得到最终的频域信号,所以确保了频谱检测的准确性;而该频谱检测方法未采用融合设备,避免了融合设备出现故障导致整个检测***停止工作情况的发生,所以鲁棒性增强,即部分非授权用户设备感知功能损坏不会影响整个***的性能。所以,本发明实施例能够在动态宽带稀疏频谱模式下,快速准确的获取频谱状态信息。
进一步地,步骤S153的实现方式可参考步骤S32。
当然,在步骤S151中,确定具有互补性的其它非授权用户设备的同时还可以包括:与所述具有互补性的其它非授权用户设备交互信息,以确定所要分担的采样样本数,其中,采样样本数的确定可参考式(12)或式(13)所述的方法。此时,步骤S153具体为:基于所要分担的采样样本数,生成感知矩阵中相应行的行元素,并完成对所述离散数字信号进行感知的内积运算,其中所述相应行的行数等于所述采样样本数。这样就能够综合考虑链路衰落特性、噪声、测量计算复杂度以及状态重构误差等因素,从而提高了检测的准确性。
进一步地,步骤S154可以包括:根据自身压缩采样的结果,重构频域信号得到重构后的频谱状态;接收所述具有互补性的其它非授权用户设备发送的根据压缩采样结果重构的频谱状态,并与自身所重构的频谱状态进行迭代。
下面,以图16为例,对步骤S151至S154的流程进行简要说明。假设有7个非授权用户设备CR1至CR7,每个非授权用户设备满足如下感知方程:
Y=HTX+ω (16)
通过如下公式计算每两个非授权用户设备之间的互信息:
M(i,j)=|I(X;Yi)-I(X;Yj)| (17)
其中0≤i,j≤K,K为非授权用户设备的数量
当A(i,j)=1时,表明非授权用户设备i和非授权用户设备j是相连接的,因而可以得到图16所示的示例性连接关系,而相互连接的非授权用户设备之间就可以进行信息共享,得到新的感知方程:
Ynew=HnewTnewX+ωnew
根据贝叶斯推理的稀疏性估计、隐马尔科夫估计方法等,以任一非授权用户设备为基点,综合其邻居节点的信息,再将融合结果传播至与其连接的下一个非授权用户设备,直至具有观测互补性的所有非授权用户设备都参与了融合。这样,通过迭代就可以得到最终的频域信号。
若某个非授权用户设备的信道特性发生变化,则需要重新计算I(X;Yi)以及矩阵M,得到更新的各个非授权用户设备之间的连接关系,进而通过具有连接关系的非授权用户设备之间的信息共享重新获得最终频域信号。
如图17所示,本发明实施例提供一种用户设备1700,包括第一模数转换器1701、第一压缩采样单元1702和第一接口单元1703。其中:第一模数转换器1701,用于将时域模拟信号转换为离散数字信号;第一压缩采样单元1702,用于对所述离散数字信号进行压缩采样;第一接口单元1703,用于将所述第一压缩采样单元1702的压缩采样结果发送给融合设备以进行频域信号重构。由于模拟至信息转换算法能够在保证信息不损失的情况下,用远低于奈奎斯特采样定理所要求的速率来采样模拟信号,所以第一模数转换器1701优选采用模拟至信息转换算法,将时域模拟信号转换为离散数字信号。当然,其他能够实现本发明目的的模数转换算法也是可取的。
采用所述的用户设备1700,由于用户设备1700能够将时域模拟信号转换为离散数字信号,并基于压缩采样算法对得到的离散数字信号进行处理,进而将压缩采样结果发送给融合设备以便融合设备进行频域信号重构,所以大大降低了信号获取、信号处理的复杂度,并能够在动态宽带稀疏频谱模式下,快速准确的获取频谱状态信息。
进一步地,第一压缩采样单元1702对所述离散数字信号进行压缩采样的方式可以为:生成感知矩阵其中一行的行元素,并完成对所述离散数字信号进行感知的一次内积运算。这样,就能够大大降低每个用户设备1700的计算复杂度,提高其实时探测信道的能力。
进一步地,第一接口单元1703还用于接收融合设备所分配的采样样本数,则第一压缩采样单元1702,具体用于基于所述采样样本数,生成感知矩阵中相应行的行元素,并完成对所述离散数字信号进行感知的内积运算,其中所述相应行的行数等于所述采样样本数。其中,融合设备在分配采样样本数时,可以综合考虑链路衰落特性、噪声、测量计算复杂度以及状态重构误差等因素,例如,使信噪比越大的用户设备1700承担的采样样本数越多,以便提高频谱检测的准确性。
进一步地,如图18所示,用户设备1700还可以包括:处理单元1801,用于根据第一压缩采样单元1702的压缩采样结果进行频域信号重构得到频谱状态,并将所述频谱状态通过第一接口单元1703发送给融合设备以进行所述频谱状态的融合。
如图19所示,本发明实施例还提供一种融合设备1900,包括:第二接口单元1901,用于接收来自参与频谱检测的各个非授权用户设备的压缩采样结果,其中,所述压缩采样结果由所述非授权用户设备将时域模拟信号转换为离散数字信号,并对所述离散数字信号进行压缩采样获得;融合单元1902,用于根据各个所述压缩采样结果,进行频域信号重构。
采用所述的融合设备1900,由于能够根据各个非授权用户设备的压缩采样结果进行频域信号重构,所以大大降低了信号获取、信号处理的复杂度,并能够在动态宽带稀疏频谱模式下,快速准确的获取频谱状态信息。
进一步地,如图20所示,融合设备1900还包括:分配单元2001,用于为参与频谱检测的各个非授权用户设备分配采样样本数,并将所述采样样本数通过第二接口单元1901发送给相应的非授权用户设备。其中,分配单元2001可以根据式(12)或式(13)来分配采样样本数,这样就综合考虑了链路衰落特性、噪声、测量计算复杂度以及状态重构误差等因素,能够提高频谱检测的准确性。
进一步地,如图21所示,融合设备1900还可以包括:选择单元2101,用于基于频选衰落特性,选择参与频谱检测的各个非授权用户设备。例如,选择单元2101根据频选衰落特性,对所有非授权用户设备进行分类,并从所述各个分类中分别至少选择一个非授权用户设备来参与频谱检测,其中,选择单元2101对所有非授权用户设备进行分类与选择的方式可参考步骤S141,此处不再赘述。通过对所有非授权用户设备进行分类与选择以使特性互补的非授权用户设备来参与频谱检测,这样,虽然少部分非授权用户设备的计算量增大,但大部分信道条件差的非授权用户设备保持不活动状态,从而降低了不必要的能量消耗,提高了检测效率与准确率。
如图22所示,本发明实施例还提供一种频谱检测***2200,包括:
多个用户设备2201,各个用户设备2201分别用于将时域模拟信号转换为离散数字信号,对所述离散数字信号进行压缩采样,将所述压缩采样的结果发送给融合设备2202;
融合设备2202,用于根据各个所述压缩采样的结果,进行频域信号重构。
进一步地,用户设备2201的结构可以为图17或18所示的用户设备;融合设备2202可以为图19、20或21所示的融合设备。
通过采用所述的检测***2200,由于能够将时域模拟信号转换为离散数字信号,并基于压缩采样算法对得到的离散数字信号进行处理,进而基于压缩采样结果进行频域信号重构,这样就大大降低信号获取、信号处理的复杂度,所以能够在动态宽带稀疏频谱模式下,快速准确的获取频谱状态信息。
如图23所示,本发明实施例还提供一种用户设备2300包括:第二模数转换器2301,用于将时域模拟信号转换为离散数字信号;判断单元2302,用于判断与其它各个用户设备2300的互补性,并将具有互补性的其它各个用户设备2300的信息发送给迭代单元2304;第二压缩采样单元2303,用于对所述离散数字信号进行压缩采样,根据所述压缩采样的结果进行频域信号重构得到重构后的频谱状态并发送给迭代单元2304;迭代单元2304,用于基于第二压缩采样单元2303所重构的频谱状态以及来自其他具有互补性的用户设备2300所重构的频谱状态,进行信息融合,并将融合的结果发送给另一个具有互补性的用户设备2300以进行进一步的信息融合。
由于模拟至信息转换算法能够在保证信息不损失的情况下,用远低于奈奎斯特采样定理所要求的速率来采样模拟信号,所以第二模数转换器2301优选采用模拟至信息转换算法,将时域模拟信号转换为离散数字信号。当然,其它能够实现本发明目的的模数转换算法也是可取的。此外,例如,判断单元2302可以基于各个用户设备2300接收信号的特征,通过信息交互来确定与其它用户设备2300的观测互补性,例如根据交互的互信息所确定的阈值来确定是否与其它用户设备2300具有观测互补性。
采用所述的用户设备2300,由于能够与其它用户设备2300相互交互以确定是否具有观测互补性,从而使得参与频谱检测的各个用户设备2300的压缩采样结果具有互补性;而且,各个用户设备2300之间能够通过迭代根据具有互补性的压缩采样结果得到最终的频域信号,所以,本发明实施例能够实现在动态宽带稀疏频谱模式下,快速准确的获取频谱状态信息。
进一步地,如图24所示,所述用户设备2300还可以包括:
交互单元2401,用于与其它具有互补性的用户设备2300交互信息,以获取所要分担的采样样本数,并将所述采样样本数发送给第二压缩采样单元2303。其中,交互单元2401可基于式(12)或式(13)来获取采样样本数。这样就能够综合考虑链路衰落特性、噪声、测量计算复杂度以及状态重构误差等因素,例如,信噪比越大的用户设备2300分担的采样样本数越多,从而能够提高频谱检测的准确性。此时,第二压缩采样单元2303,具体用于基于所接收到的采样样本数,生成感知矩阵相应行的行元素,并完成对所述离散数字信号进行感知的内积运算,根据所述内积运算的结果进行频域信号重构得到重构后的频谱状态并发送给所述迭代单元2304。
如图25所示,本发明实施例还提供一种频谱检测***2500,包括多个用户设备2501,其中,每个用户设备2501分别用于基于互信息准则,判断与其它各个用户设备2501的互补性,将时域模拟信号转换为离散数字信号,对所述离散数字信号进行压缩采样,根据所述压缩采样的结果进行频域信号重构得到重构后的频谱状态,并通过具有互补性的各个用户设备2501相互之间的频谱状态的迭代,得到全局频谱状态。其中,频谱状态迭代流程的一个示例如图16所示。
其中,用户设备2501的结构可以是图23或24所示的用户设备。
采用所述的检测***2500,由于未采用融合设备,避免了融合设备出现故障导致整个检测***停止工作的情况的发生。此外,由于稀疏信号的重构是迭代完成的,所以鲁棒性增强,即部分用户设备2501感知功能损坏不会影响整个***的性能。所以检测***2500能够在动态宽带稀疏频谱模式下,快速准确的获取频谱状态信息。
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,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
应当理解,任何公开的过程中各个步骤的具体顺序或层次是示例性方法的实例。应当理解,基于设计偏好,可以在保持落入本发明的范围的同时重新排列这些过程中步骤的具体顺序或层次。此外,方法权利要求以示例顺序介绍了各种步骤的元素,但是并不意味着限制到所介绍的具体顺序或层次。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求所述的保护范围为准。
Claims (15)
1.一种频谱检测的方法,其特征在于,包括:
将时域模拟信号转换为离散数字信号;
对所述离散数字信号进行压缩采样;
将所述压缩采样的结果发送给融合设备以进行频域信号重构。
2.根据权利要求1所述的方法,其特征在于,所述对所述离散数字信号进行压缩采样包括:
生成感知矩阵其中一行的行元素,并完成对所述离散数字信号进行感知的一次内积运算;
或者所述对所述离散数字信号进行压缩采样包括:
接收所述融合设备分配的采样样本数;
基于所述采样样本数,生成感知矩阵中相应行的行元素,并完成对所述离散数字信号进行感知的内积运算,其中所述相应行的行数等于所述采样样本数。
3.根据权利要求1或2所述的方法,其特征在于,所述将所述压缩采样的结果发送给融合设备以进行频域信号重构包括:
根据所述压缩采样的结果进行频域信号重构得到重构后的频谱状态;
将所述重构后的频谱状态发送给所述融合设备以进行频域信号重构与融合。
4.一种频谱检测的方法,其特征在于,包括:
接收来自参与频谱检测的各个非授权用户设备的压缩采样结果,所述压缩采样结果由所述非授权用户设备将时域模拟信号转换为离散数字信号,并对所述离散数字信号进行压缩采样获得;
根据各个所述压缩采样结果,进行频域信号重构。
5.根据权利要求4所述的方法,其特征在于,在所述接收来自参与频谱检测的各个非授权用户设备的压缩采样结果之前还包括:
基于频选衰落特性,选择所述参与频谱检测的各个非授权用户设备。
6.一种频谱检测的方法,其特征在于,包括:
确定具有互补性的其它非授权用户设备;
将时域模拟信号转换为离散数字信号;
对所述离散数字信号进行压缩采样;
接收所述具有互补性的其它非授权用户设备发送的压缩采样结果,与自身的压缩采样结果进行迭代。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
与所述具有互补性的其它非授权用户设备交互信息,确定要分担的采样样本数;
所述对所述离散数字信号进行压缩采样包括:基于所要分担的采样样本数,生成感知矩阵中相应行的行元素,并完成对所述离散数字信号进行感知的内积运算,其中所述相应行的行数等于所述采样样本数。
8.根据权利要求6或7所述的方法,其特征在于,所述接收所述具有互补性的其它非授权用户设备发送的压缩采样结果,与自身的压缩采样结果进行迭代包括:
根据自身的压缩采样结果,重构频域信号得到重构后的频谱状态;
接收所述具有互补性的其它非授权用户设备发送的根据压缩采样结果重构的频谱状态,并与自身重构的频谱状态进行迭代。
9.一种用户设备,其特征在于,包括:
第一模数转换器,用于将时域模拟信号转换为离散数字信号;
第一压缩采样单元,用于对所述离散数字信号进行压缩采样;
第一接口单元,用于将所述第一压缩采样单元的压缩采样结果发送给融合设备以进行频域信号重构。
10.根据权利要求9所述的用户设备,其特征在于,所述第一接口单元还用于接收所述融合设备分配的采样样本数;
所述第一压缩采样单元,具体用于基于所述采样样本数,生成感知矩阵中相应行的行元素,并完成对所述离散数字信号进行感知的内积运算,其中所述相应行的行数等于所述采样样本数。
11.根据权利要求9或10所述的用户设备,其特征在于,所述用户设备还包括:
处理单元,用于根据所述第一压缩采样单元的压缩采样结果进行频域信号重构得到频谱状态,并将所述频谱状态通过所述第一接口单元发送给所述融合设备以进行所述频谱状态的融合。
12.一种融合设备,其特征在于,包括:
第二接口单元,用于接收来自参与频谱检测的各个非授权用户设备的压缩采样结果,其中,所述压缩采样结果由所述非授权用户设备将时域模拟信号转换为离散数字信号,并对所述离散数字信号进行压缩采样获得;
融合单元,用于根据各个所述压缩采样结果,进行频域信号重构。
13.根据权利要求12所述的融合设备,其特征在于,所述融合设备还包括:
选择单元,用于基于频选衰落特性,选择所述参与频谱检测的各个非授权用户设备。
14.一种用户设备,其特征在于,包括:
第二模数转换器,用于将时域模拟信号转换为离散数字信号;
判断单元,用于确定具有互补性的其它用户设备,并将所述具有互补性的其它用户设备的信息发送给迭代单元;
第二压缩采样单元,用于对所述离散数字信号进行压缩采样;
迭代单元,用于基于所述第二压缩采样单元压缩采样的结果以及所述具有互补性的其它用户设备发送的压缩采样结果进行迭代。
15.根据权利要求14所述的用户设备,其特征在于,所述用户设备还包括:
交互单元,用于与所述具有互补性的其它用户设备交互信息,确定要分担的采样样本数,并将所述采样样本数发送给所述第二压缩采样单元;
所述第二压缩采样单元,具体用于基于所接收到的采样样本数,生成感知矩阵相应行的行元素,并完成对所述离散数字信号进行感知的内积运算,根据所述内积运算的结果进行频域信号重构得到重构后的频谱状态并发送给所述迭代单元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009101777882A CN102025427A (zh) | 2009-09-23 | 2009-09-23 | 频谱检测的方法及用户设备与融合设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009101777882A CN102025427A (zh) | 2009-09-23 | 2009-09-23 | 频谱检测的方法及用户设备与融合设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102025427A true CN102025427A (zh) | 2011-04-20 |
Family
ID=43866345
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009101777882A Pending CN102025427A (zh) | 2009-09-23 | 2009-09-23 | 频谱检测的方法及用户设备与融合设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102025427A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102445691A (zh) * | 2011-10-11 | 2012-05-09 | 北京航空航天大学 | 一种多通道星载合成孔径雷达方位频谱稀疏重建方法 |
CN103138847A (zh) * | 2011-11-22 | 2013-06-05 | 富士通株式会社 | 感知无线电的宽带频谱检测装置及方法 |
CN106878997A (zh) * | 2017-01-18 | 2017-06-20 | 北京邮电大学 | 一种分布式网络中的贝叶斯压缩频谱感知方法 |
CN108566256A (zh) * | 2018-03-23 | 2018-09-21 | 中国人民解放军国防科技大学 | 一种频谱地图的构建方法 |
CN109521235A (zh) * | 2018-11-27 | 2019-03-26 | 国网江苏省电力有限公司电力科学研究院 | 一种一二次融合开关设备成套精度检测方法及*** |
CN109841223A (zh) * | 2019-03-06 | 2019-06-04 | 深圳大学 | 一种音频信号处理方法、智能终端及存储介质 |
CN117412448A (zh) * | 2023-11-03 | 2024-01-16 | 瑞森半导体科技(广东)有限公司 | 电源功率的智能调制方法及线路 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008107854A1 (en) * | 2007-03-06 | 2008-09-12 | Koninklijke Philips Electronics, N.V. | Robust sensing for detecting signals using correlation |
CN101359930A (zh) * | 2008-09-12 | 2009-02-04 | 南京邮电大学 | 认知无线电***中基于最大特征值的频谱感知方法 |
CN101572897A (zh) * | 2009-03-24 | 2009-11-04 | 复旦大学 | 分布式认知无线电信道探测方法和*** |
-
2009
- 2009-09-23 CN CN2009101777882A patent/CN102025427A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008107854A1 (en) * | 2007-03-06 | 2008-09-12 | Koninklijke Philips Electronics, N.V. | Robust sensing for detecting signals using correlation |
CN101359930A (zh) * | 2008-09-12 | 2009-02-04 | 南京邮电大学 | 认知无线电***中基于最大特征值的频谱感知方法 |
CN101572897A (zh) * | 2009-03-24 | 2009-11-04 | 复旦大学 | 分布式认知无线电信道探测方法和*** |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102445691A (zh) * | 2011-10-11 | 2012-05-09 | 北京航空航天大学 | 一种多通道星载合成孔径雷达方位频谱稀疏重建方法 |
CN102445691B (zh) * | 2011-10-11 | 2013-07-24 | 北京航空航天大学 | 一种多通道星载合成孔径雷达方位频谱稀疏重建方法 |
CN103138847A (zh) * | 2011-11-22 | 2013-06-05 | 富士通株式会社 | 感知无线电的宽带频谱检测装置及方法 |
CN106878997A (zh) * | 2017-01-18 | 2017-06-20 | 北京邮电大学 | 一种分布式网络中的贝叶斯压缩频谱感知方法 |
CN106878997B (zh) * | 2017-01-18 | 2020-08-14 | 北京邮电大学 | 一种基于分布式网络的节点采样速率自适应调整方法 |
CN108566256A (zh) * | 2018-03-23 | 2018-09-21 | 中国人民解放军国防科技大学 | 一种频谱地图的构建方法 |
CN109521235A (zh) * | 2018-11-27 | 2019-03-26 | 国网江苏省电力有限公司电力科学研究院 | 一种一二次融合开关设备成套精度检测方法及*** |
CN109841223A (zh) * | 2019-03-06 | 2019-06-04 | 深圳大学 | 一种音频信号处理方法、智能终端及存储介质 |
CN109841223B (zh) * | 2019-03-06 | 2020-11-24 | 深圳大学 | 一种音频信号处理方法、智能终端及存储介质 |
CN117412448A (zh) * | 2023-11-03 | 2024-01-16 | 瑞森半导体科技(广东)有限公司 | 电源功率的智能调制方法及线路 |
CN117412448B (zh) * | 2023-11-03 | 2024-04-16 | 瑞森半导体科技(广东)有限公司 | 电源功率的智能调制方法及线路 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102025427A (zh) | 频谱检测的方法及用户设备与融合设备 | |
Olofsson et al. | Modeling of the fading statistics of wireless sensor network channels in industrial environments | |
Xu et al. | Estimating wind speed probability distribution by diffusion-based kernel density method | |
Cameletti et al. | Comparing spatio‐temporal models for particulate matter in Piemonte | |
CN101610516B (zh) | 自组织网络中的入侵检测方法与设备 | |
Meng et al. | Collaborative spectrum sensing from sparse observations using matrix completion for cognitive radio networks | |
CN112906898B (zh) | 一种量子噪音确定和量子态估计方法 | |
CN104506378A (zh) | 一种预测数据流量的装置及方法 | |
Sivakumar et al. | Dynamics of monthly rainfall-runoff process at the Gota basin: A search for chaos | |
Chen et al. | Mapping topological characteristics of dynamical systems into neural networks: A reservoir computing approach | |
CN114362851B (zh) | 一种基于机器学习的无线信道数据去噪方法 | |
Hu et al. | Two‐stage constant false alarm rate detection for distributed multiple‐input–multiple‐output radar | |
Livezey | Field intercomparison | |
CN103346984B (zh) | 基于bsl0的局部聚类稀疏信道估计方法 | |
Wang et al. | Collaborative event-region and boundary-region detections in wireless sensor networks | |
CN105425222B (zh) | 一种数据传输率约束下的雷达目标检测方法 | |
Peng et al. | Stochastic simulation of velocity pulses of near-fault ground motions based on multivariate copula modeling | |
Gaidai et al. | Generic COVID-19 epidemic forecast for Estonia by Gaidai multivariate reliability method | |
CN117741663A (zh) | 一种星载sar方位多通道量化方法及装置 | |
CN104270210A (zh) | 基于压缩非重构的软判决频谱感知方法 | |
CN111693960A (zh) | 一种变频压缩感知雷达的信号处理方法 | |
CN108303622A (zh) | 时延估计方法及装置 | |
CN112666528A (zh) | 一种基于卷积神经网络的多站雷达***干扰鉴别方法 | |
CN110912843A (zh) | 大规模无线传感器网络中的分布式盲估计方法及*** | |
Wu et al. | Malicious user detection for wide-band cognitive radio networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20110420 |