[发明专利]一种能效优先的分布式压缩感知频谱检测与功率分配方法

权利要求书

1.一种能效优先的分布式压缩感知频谱检测与功率分配方法，其特征在于包括以下步骤：

步骤1、利用分布式压缩感知-子空间追踪或分布式压缩感知-稀疏度自适应匹配追踪进行认知用户感知信号稀疏重构；

步骤2、根据重构的感知信号计算其频域能量，通过用户独立判决门限进行能量检测，并选择最佳的协作用户进行协作频谱检测；

步骤3、在认知用户发送总功率受限的条件下，以最大化认知链路频带利用率为目标进行最佳协作认知用户的功率分配；在重构阶段均方误差、检测阶段检测概率、认知用户总功率、认知链路频带利用率满足一定约束的条件下，以最小化重构阶段和检测阶段的加权总能耗为目标，得到在不同重构能耗权值和不同稀疏度情况下的最小能耗和协作认知用户的最佳功率分配比例。

2.根据权利要求1所述的一种能效优先的分布式压缩感知频谱检测与功率分配方法，其特征在于所述的分布式压缩感知-子空间追踪算法感知信号重构，具体包括如下步骤：

在本发明中，考虑不同的SU节点感知信道多径传播引起的频率选择性衰落，感知信号在傅里叶基上是稀疏的；第j个认知用户的联合稀疏模型可表示为：

Xj＝Ψθj,||θj||0＝K,j∈{1,2,...,J} (1)

其中，J表示认知用户数量；在联合稀疏模型中，每个信号都共享稀疏基Ψ，该模型下的信号都是Ψ下任意K个基向量的不同线性组合；每个信号映射到该基中非零系数的位置都是一样的，稀疏度均为K，只是系数θj的值不同；联合稀疏模型中所有信号共享稀疏基，主要应用于认知无线电系统中多个认知用户接收同一发射信号情况；当联合稀疏模型应用于认知无线电协作压缩频谱感知时，多个认知用户协作检测主用户信号，由于感知信号在感知信道中传输会遇到各种衰落，但信道噪声不会改变信号稀疏度；每个认知用户接收的信号幅值不同，但主用户在频域的位置是相同的；

分布式压缩感知-子空间追踪算法感知信号重构步骤：

1-1.初始化；迭代次数l＝1，第j个认知用户剩余量其中，yj为第j个认知用户的感知信号，索引值集合迭代索引值集合支撑集合表示空集；

1-2.选择原子；假设当前为第l次迭代，

Step1：对多用户进行原子信息融合，其中θj,n表示第j个认知用户稀疏系数矩阵Θj的第n个列向量；

Λ _ tem l = sup p ( M a x n = 1... N ( Σ j = 1 J | < r j l - 1 , θ j , n > | | | θ j , n | | 2 , K ) ) - - - ( 2 ) ]]>

其中，supp(·)表示获取向量的支撑索引集合，Max(a,k)为返回a中k个较大绝对值对应的下标；表示残差；

Step2：更新支撑集合；

Λ j l = Λ _ tem l ∪ Λ _ it j l - 1 - - - ( 3 ) ]]>

Step3：计算频域稀疏向量，其中表示伪逆运算；

Step4：更新各用户迭代索引值集合；

Λ _ it j l = sup p ( M a x ( α j l , K ) ) - - - ( 5 ) ]]>

Step5：更新频域稀疏向量，其中，a|Ω表示a中由Ω内元素指定位置上的元素；式(6)是将对应位置上的稀疏值赋给稀疏向量

a _ est j l | Λ _ it j l = α j l | Λ _ it j l - - - ( 6 ) ]]>

Step6：更新余量；

r j l = y j - Θ j · a _ est j l - - - ( 7 ) ]]>

1-3若停止迭代；其中ε为给定的迭代阈值，否则转到步骤1-2；

1-4输出第j个认知用户的重构稀疏向量