[发明专利]一种认知网络中基于非重构序贯压缩的随机信号检测方法

权利要求书

1.一种认知网络中基于非重构序贯压缩的随机信号检测方法，其特征在于包括步骤如 下：

(1)根据性能要求设计检测门限；

所述步骤(1)为检测门限的计算，包括：

设定判决门限值分别为lnA和lnB，在给定的检测概率P_d和虚警概率P_f下，门限值如 下：

A=1-Pd1-Pf]]>表达式4

B=PdPf;]]>

(2)在信号接收端，完成对宽带模拟信号的低速采样；

所述步骤(2)包括：

(2a)单个认知用户进行检测时，用户收集固定数目的数据，从原单位观测矩阵中依次选 择一行单位随机向量Φ_i对数据进行投影，得到低维观测值y_i；

(2b)多个认知用户进行分布式协作检测时，数据汇聚中心接收并融合多个认知用户的采 样序列，同时利用单位随机向量Φ_i进行投影变换后得到低维观测序列y_i；

(3)根据低速采样观测序列，计算检测统计量和似然比；

所述步骤(3)包括：

(3a)单个认知用户进行检测时，由低维观测值y_i计算基于非重构压缩采样的随机信号检 测统计量t_i；

t_i＝y_i^T(Φ_iΦ_i^T)^-1y_i表达式1

所述步骤(3a)包括：

由信号检测统计量t_i计算似然比，表达式如下：表达式2，其中H₀表示 主用户不存在，H₁表示主用户存在，p()表示概率密度函数；

(3b)多个认知用户进行分布式协作检测时，根据低维观测序列y_i计算检测统计量 t_i＝[t_1i，...，t_Ni]^T，其中元素t_ki(k＝1，...，N)为第k个用户数据的检测统计量；

所述步骤(3b)包括：根据检测统计量t_i计算似然比，表达式如下：

Li=lnp(t1i,...,tNi|H1)p(t1i,...,tNi|H0)=Σn=1Nlnp(tni|H1)p(tni|H0)]]>表达式3；

(4)将似然比与判决门限比较，确定是否完成检测；

所述步骤(4)包括：

(4a)若检测精度满足设计要求，则输出检测结果，完成检测；

(4b)若检测精度无法满足设计要求，则采用新的观测向量对原始信号进行压缩感知，将 新的观测信号与之前的低速观测向量共同构成新的低速观测向量，并回到步骤(3)，直到感 知精度满足用户要求为止。