[发明专利]一种结合变分贝叶斯学习的快速宽带频谱感知方法

权利要求书

1.一种结合变分贝叶斯学习的快速宽带频谱感知方法，其特征在于，包括以下步骤：

1)建立字典学习模型，基于变分贝叶斯推断利用所述字典学习模型对原始信号及其噪声进行自适应学习，得稀疏信号的解析解；

2)根据步骤1)得到的稀疏信号及字典构建信号重构模型，其中，在构建过程中，通过快速傅里叶变换对信号重构模型进行简化，再根据简化后的信号重构模型估计原始信号的功率谱，完成结合变分贝叶斯学习的快速宽带频谱感知。

2.根据权利要求1所述的结合变分贝叶斯学习的快速宽带频谱感知方法，其特征在于，步骤1)建立的字典学习模型为：

其中，σ_n及σ_w分别代表噪声E及权重矩阵W的方差，为字典候选集。

3.根据权利要求1所述的结合变分贝叶斯学习的快速宽带频谱感知方法，其特征在于，步骤1)中利用所述字典学习模型对原始信号及其噪声进行贝叶斯自适应学习的过程为：

121)更新二值矩阵Z；

122)更新π；

123)更新权重矩阵W；

124)更新字典矩阵Φ；

125)更新噪声E的方差σ_n；

126)更新权重矩阵W的方差σ_w。

4.根据权利要求1所述的结合变分贝叶斯学习的快速宽带频谱感知方法，其特征在于，步骤2)的具体过程为：

21)为在原始信号和稀疏信号之间建立联系，设两个数据序列为：

其中，x(l)为l时刻获得的稀疏样本；

22)根据自相关函数特性设无偏估计器模型为：

23)根据无偏估计器模型计算估计器，最后根据估计器进行估计计算，然后在估计结果上进行离散傅里叶变换，得原始信号的功率谱。

5.根据权利要求4所述的结合变分贝叶斯学习的快速宽带频谱感知方法，其特征在于，无偏估计器模型r_y[k]的右半部分定义为：

6.根据权利要求4所述的结合变分贝叶斯学习的快速宽带频谱感知方法，其特征在于，无偏估计器模型r_y[k]的左半部分为：