[发明专利]基于跨域推理的频谱地图精确构建方法

说明书

本发明公开了基于跨域推理的频谱地图精确构建方法，包括采集频谱数据并进行预处理；各频段分别根据预处理后的频谱数据构建对应的缺损频谱地图；将各频段的缺损频谱地图和目标频段的空白频谱地图在频率维度堆叠，构成跨域频谱地图样本并将其划分为训练集样本和测试集样本；根据跨域频谱地图样本的三维数据特征改进自编码器网络结构并进行网络结构训练；将测试集样本输入训练完成的网络结构，并对网络输出数据进行后处理，得到频谱地图构建结果。本发明能够解决目标频段无频谱数据导致频谱地图难以精确获取的问题。

技术领域

本发明属于无线通信技术领域，具体涉及基于跨域推理的频谱地图精确构建方法。

背景技术

频谱地图精确构建是认知无线电中的一项重要技术，它通过频谱数据之间的相关性来补全目标区域的频谱数据，并将无线电参数(如接收信号功率、功率谱密度等)在地理位置上的完整分布情况进行可视化，能够表征目标区域内频谱资源的使用情况。频谱地图可以为频谱资源的有序管理和快速决策提供依据，从而辅助通信系统实现对频谱资源的合理利用。

现有的频谱地图构建工作大部分根据已知的不同位置频谱数据，利用“空间插值”方法对当前频点频谱地图中的缺失数据进行空间估计。也就是说，只有在目标频段具有一定频谱数据时才能实现该频段频谱地图的构建。

事实上，随着无线电业务从文本、语音到视频通话，再到在线游戏等各种在线服务的不断发展，无线通信系统对带宽的需求越来越大，通信频段从低频段向高频段开拓，5G和6G移动通信系统呈现超宽带的特征。如果针对宽频段内的所有频点都进行现场勘测并获取足够的频谱数据，这将耗费大量的部署和感知成本。实际情况中往往只能采集其中一部分频段的频谱数据。因此，研究如何从其他频段获取的稀疏数据，来精确构建目标频段的完整频谱地图具有很大的必要性和现实意义。

Koya Sato,Katsuya Suto,Kei Inage等人在其发表的论文“Space-Frequency-Interpolated Radio Map”(IEEE Trans.Veh.Technol.,vol.70,no.1,pp.714-725,Jan.2021)中提及了频空域关联的频谱地图模型这一概念，但其假设信号为窄带信号，根据“相近频率的传播现象是相似的”这一原理，认为窄频段内不同频点的信号传播规律近似相同。该工作使用频率分离，直接将三维频谱地图结构沿频率维拆分成若干张二维频谱地图，并当作独立样本进行补全，因此并没有实际利用跨域结构，本质上仍然只利用了数据的空间相关性。Yves Teganya,Daniel Romero等人在其发表的论文“Data-Driven SpectrumCartography via Deep Completion Autoencoders”(IEEE ICC.,Jul.2020)中基于“接收信号功率在一个广泛的频域内表现出很强的相关性”这一论断，提出了频率空间双插值方法。但该方法简单地将频率相关系数固定为1，即直接将同一位置上其他频段的测量值当作目标频段的测量值，然后利用空间相关性对该频段的缺损频谱地图进行补全。可见并没有有效利用频率相关性，频域补全精度不高。中国人民解放军国防科技大学提出的公开号为CN 112967357 A的专利“一种基于卷积神经网络的频谱地图构建方法”中公开了一种基于卷积神经网络的频谱地图构建方法。这种方法先通过传统分布式簇克里金插值法进行不同空间分辨率频谱地图的初步构建，再通过字典学习和卷积神经网络学习模型进行图像特征的提取。这一定程度上缓解了计算复杂度和频谱地图精度之间的矛盾，但是这种方法同样只关注空间分辨而忽视了频谱地图的跨域研究。

这些方法都忽视了不同频率信号在传播中的频率衰落差异，算法的出发点仍然是数据的空间补全，而没有利用频率相关性，导致这些方法在目标频段无频谱数据的情况下难以精确构建频谱地图。5G及6G通信系统的信号大部分是宽带信号。如何精确获取宽频段频谱地图具有重要意义。因此，亟需开发新的频谱地图构建方法。

发明内容