[发明专利]基于MWC相关支撑集恢复的高效频谱检测方法在审

专利信息
申请号: 201810190857.2 申请日: 2018-03-08
公开(公告)号: CN108494508A 公开(公告)日: 2018-09-04
发明(设计)人: 李智;朱嘉微;李健 申请(专利权)人: 四川大学
主分类号: H04B17/382 分类号: H04B17/382
代理公司: 暂无信息 代理人: 暂无信息
地址: 610064 四*** 国省代码: 四川;51
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 支撑 索引 迭代 频谱检测 矩阵 多频带信号 矩阵列向量 最小二乘法 低信噪比 迭代更新 噪声功率 噪声环境 恢复率 采样 算法 匹配 噪声 恢复 测量 筛选 追踪 检测
【说明书】:

发明提出一种基于MWC相关支撑集恢复的高效频谱检测方法。首先通过最小二乘法得到初始的最优支撑集索引,然后通过计算相邻两个索引对应的测量矩阵列向量与采样值矩阵的相关系数,选择相关程度较大所对应的索引加入支撑集中,使用匹配追踪的迭代思想迭代更新,得到所有的支撑集。由于每次迭代可以得到四个有效的支撑集索引,因此这里迭代的次数最多为2/N。该算法主要利用噪声和信号的不相关性,在噪声功率较大时,仍可以通过相关性筛选出有效的支撑集,可以提高有效支撑集在较低信噪比下的恢复率,从而实现在噪声环境较差的条件下多频带信号检测的目的。

技术领域

本发明属于信号处理领域,用于欠采样系统对多带稀疏信号的恢复。

背景技术

随着通信信号所占带宽越来越宽,采用传统 Nyquist 采样定理会在一定程度上限制相应的模数转换器以及数字信号处理等硬件处理技术的发展,因此,在宽带范围内实现频谱感知较为困难,将使得宽带通信接收技术远远达不到要求,这是宽带通信发展的最大障碍。压缩感知技术可有效地打破了传统Nyquist采样的限制,利用少量采样值恢复原始信号。因此,模拟域的直接压缩采样技术是后续研究工作的重点。调制宽带转换器(MWC)则真正在模拟域欠采样实现了重大突破,MWC 针对盲多频带稀疏信号也能做到有效的欠采样,并且结合压缩感知思想对采样信号进行有效的恢复,因此 MWC 能够有效降低非合作宽带稀疏信号的采样频率,使得在全频带信号监听与侦察上具有得天独厚的优势。载频未知使得传统的相干解调方法和周期非均匀采样方法在这些应用场景中无能为力。

调制宽带转化器是针对多子带调制稀疏信号的欠采样盲检测,以远低于奈奎斯特带宽的采样速率进行采样,可以获取宽带信号的完整频域支撑,从而实现高效频谱检测。模拟欠采样数据保留了采样信号的特征信息,但是由于得到的采样值数据具有离散性,因此需要通过处理离散采样值实现重构恢复,从而实现原始信号的恢复。MWC对于稀疏信号的恢复过程包括求解正确支撑集和信号求逆重现俩部分,其中求解支撑集在整个信号恢复过程中起到举足轻重的作用。通过支撑集可以得到宽带信号的有效频段,但由于实际频谱检测中噪声的影响,提高在噪声环境中目标支撑集的恢复,提高载波频段的识别率显得较为重要。

发明内容

本发明为了提高MWC恢复系统的抗噪性能,提出了基于MWC相关支撑集恢复的高效频谱检测方法。信号每个载频带至多占用两个连续的频谱切片,并且某一部分往往占用更多的频带能量,由于实际频谱检测中噪声的存在,(当实际频谱检测中噪声功率较大时)使得能量较小的频带所在的切片位置容易被忽略,而原始OMP方法及其改进方法恢复宽带稀疏信号没有考虑到随机搬移频段之间的相关性,使得正确支撑集的恢复率对随机噪声较为敏感。本文提出基于MWC相关支撑集恢复的高效频谱检测方法,通过最小二乘得到一个最优支撑集索引,然后分别计算其两个相邻索引对应的测量矩阵列向量与采样矩阵的相关性,将相关性较大的相邻索引加入支撑集,使用匹配追踪的思想迭代更新得到全部支撑集,从而实现在噪声环境较差的条件下多频带信号检测的目的。

本发明是通过以下技术方案实现的:基于MWC相关支撑集恢复的高效频谱检测方法,其主要有以下几个大步骤:1)利用最小二乘法计算测量矩阵每列和残差矩阵的值,记录最大值对应的测量矩阵列下标;2)计算该列下标的相邻两个下标对应的测量矩阵列向量和采样值矩阵的相关性,并将相关性较大的列索引下标加入支撑集;3)更新残差矩阵;4)判断是否需要迭代更新,确保得到全部的有效支撑集实现频谱感知。

该方法可以提高有效支撑集在较低信噪比下的恢复率,提高频谱感知的抗噪性能,同时减少一半的迭代次数。

附图说明

图1是MWC系统框架图

图2是宽带稀疏信号模型示意图

图3是本发明中提出的相关支撑集恢复方法流程图

图4-图6是本发明中各个信噪比下支撑集相关性分布图

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于四川大学,未经四川大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810190857.2/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top