[发明专利]一种宽带协作频谱感知方法

说明书

技术领域

本发明涉及通信技术领域，具体涉及一种宽带协作频谱感知方法。

背景技术

当今，无线通信技术飞速发展，信息技术已经渗透到人们生活的各个角落。信息时代来临之后，人们对通信业务的需求量不断增长，使得支撑通信技术正常实施的频谱资源变得日益匮乏。与此同时，由于当前的频谱资源分配方案以静态分配为主，导致频谱资源使用不平衡的问题日趋凸显，具体表现为：许多授权频段经常处于闲置状态，而非授权频段却常常被过度使用而造成拥塞。认知无线电技术的出现使得动态频谱分配成为可能，从而改变了传统的静态频谱分配方式，有效地提高了空闲频谱的使用率。

频谱感知是认知无线电技术的基础环节。传统的频谱感知技术往往需要以较高的采样频率对原始信号进行采样(实际应用中需要的采样频率一般为信号最高频率的5-10倍)。在宽带频谱感知系统中，要实现如此高的采样频率是非常困难的。压缩感知技术的出现，使得系统能够以较低的采样频率(通常远低于奈奎斯特采样速率)对信号进行采样，并通过高效的重构算法进行准确重构。

然而现有的宽带压缩频谱感知算法往往是针对单节点的，这类算法往往存在检测准确性低、实时性差的缺点。因此，研究一种新型的宽带压缩频谱感知算法，对于进一步提高频谱感知算法的准确性，使得感知用户与授权用户能够更好的共存具有重要的现实意义。

发明内容

本发明针对现有的宽带压缩频谱感知算法检测准确性低、实时性差的不足，提供一种宽带协作频谱感知方法。

为解决上述问题，本发明是通过以下技术方案实现的：

一种宽带协作频谱感知方法，包括如下步骤：

步骤1、对宽带信号进行压缩采样得到观测矩阵Y；并生成一个由子矩阵Θ_p组合而成的压缩感知矩阵Θ，即

步骤2、计算压缩感知矩阵Θ中每一个子矩阵Θ_p与观测矩阵Y的内积，并选出内积最大的子矩阵作为已被选中的子矩阵；

步骤3、根据式①初始化宽带信号的频谱集合F的每个块的稀疏性参数γ_p，

①

其中，Θ_p为压缩感知矩阵Θ的第p个子矩阵；Y为观测矩阵；β＝1/(0.01||Y||²)为观测噪声的方差的倒数；

步骤4、根据多测量向量块稀疏贝叶斯学习框架的稀疏模型即式②和③计算宽带信号的频谱集合F后验概率分布的方差∑和均值μ，

∑＝(Γ^-1+Θ^TβΘ)^-1 ②

μ＝∑Θ^TβY ③

步骤5、根据式④和⑤初始化稀疏因子s_p和质量因子q_p，

④

⑤

其中，Θ_p为压缩感知矩阵Θ的第p个子矩阵，β＝1/(0.01||Y||²)为观测噪声的方差的倒数；Y为观测矩阵；

步骤6、利用边缘似然函数优化法，估计得到宽带信号的频谱集合F的每个块的稀疏性参数γ_p，即根据式⑥将稀疏性参数γ_p更新为：

⑥

其中，q_p为稀疏因子，s_p为质量因子，S为输入宽带信号的子信道的频谱长度；

步骤7、根据下式计算稀疏因子s_p和质量因子q_p，即根据式⑦和⑧将稀疏因子s_p和质量因子q_p更新为：

⑦

⑧

其中，β＝1/(0.01||Y||²)为观测噪声的方差的倒数，I为单位矩阵，Θ为压缩感知矩阵，Γ＝diag(γ₁I_S,γ₂I_S,...,γ_KI_S)为对角元素为γ_pI_S的对角矩阵，I_S表示S维单位矩阵，S为输入宽带信号的子信道的频谱长度，γ_p为更新后的稀疏性参数，Θ_p为压缩感知矩阵Θ的第p个子矩阵，Y为观测矩阵；

步骤8、利用式⑨计算更新前和更新后的代价函数