基于加权一致优化的宽带分布式协作压缩频谱感知方法
专利汇可以提供基于加权一致优化的宽带分布式协作压缩频谱感知方法专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种基于加权一致优化的宽带分布式协作压缩 频谱 感知 方法，其根据当前 迭代 重构出的频谱 信号 直接设定下一次迭代重构时频谱信号上的子频段对应的权值，因此有效地降低了频谱重构阶段的时间花销，增强了频谱感知的实时性；根据频谱信号上的各个子频段的不同特点设定各个子频段对应的权值，促使频谱信号上存在授权用户的子频段产生信号值，以降低频谱重构出错的可能性，增大频谱重构的准确性，从而提高频谱感知性能；在达到同等检测概率的条件下，本方法所需要压缩 采样 数据较少，对应的通信花销和感知时间降低，因而感知用户可以快速遍历整个频段，获取各个子频段的占用状态信息，这样能更有效的利用空闲子频段。，下面是基于加权一致优化的宽带分布式协作压缩频谱感知方法专利的具体信息内容。
1.一种基于加权一致优化的宽带分布式协作压缩频谱感知方法，其特征在于包括以下步骤：
①在一个认知无线电宽带网络中，同时存在J个感知用户和M个授权用户，并存在P个正在通信的授权用户；将认知无线电宽带网络中可利用的总带宽频谱均匀分为M个子频段，且每个子频段仅被单个授权用户或单个感知用户占用通信，每个子频段经历频率选择性衰落，并在每次感知间隔内每个子频段的增益服从瑞利分布且保持不变；其中，J≥1，M≥1，1≤P≤M；
②利用模拟信息转换器对每个感知用户接收到的由所有正在通信的授权用户发送的模拟信号形成的叠加模拟信号进行处理，获得每个感知用户接收到的叠加模拟信号对应的压缩采样数据，将第j个感知用户接收到的叠加模拟信号yj(t)对应的压缩采样数据以向量形式表示为zj，zj＝Φjyj；同时，获取每个感知用户接收到的叠加模拟信号在频域表示的频域离散信号，将第j个感知用户接收到的叠加模拟信号yj(t)在频域表示的频域离散信号记为yf,j，yf,j＝Hf,jxf,j+nf,j；其中，1≤j≤J，zj的维数为K×1， 符号 为
向上取整符号，Φj表示在第j个感知用户的用户端的维数为K×M的高斯随机测量矩阵，Φj中的每个元素的值服从均值为零、方差为 的正态分布，yj表示第j个感知用户接收到的叠加模拟 信号y j (t) 在时 域表示 的时域 离散 信号 ，y j的维 数为 M×1 ，t为连续时间变量，1≤p≤P，hp,j(t)表示第j个感知用户与
正在通信的第p个授权用户之间的信道增益信号，符号“*”为卷积运算符号，xp,j(t)表示正在通信的第p个授权用户发送给第j个感知用户的模拟信号，nj(t)表示在第j个感知用户的用户端的高斯噪声信号，模拟信息转换器等效为先通过奈奎斯特采样、再通过压缩采样，yf,j的维数为M×1，Hf,j表示在第j个感知用户的用户端的信道增益矩阵，Hf,j的维数为M×M，hf,p,j表示hp,j(t)在频域表示的频域离散信号，hf,p,j的维数为M×1，
diag(hf,p,j)表示以hf,p,j中的元素为对角元素构成的对角矩阵，diag(hf,p,j)的维数为M×M，xf,j表示所有正在通信的授权用户发送给第j个感知用户的频域离散信号，xf,j的维数为M×
1， xf,p,j表示xp,j(t)在频域表示的频域离散信号，xf,p,j的维数为M×1，nf,j表示nj(t)在频域表示的频域离散信号，nf,j的维数为M×1；
③根据离散傅里叶变换关系，建立每个感知用户接收到的叠加模拟信号对应的压缩采样数据与每个感知用户接收到的叠加模拟信号在频域表示的频域离散信号之间的关系，将zj与yf,j之间的关系描述为：
zj＝Φjyj＝ΦjF-1yf,j＝ΦjF-1(Hf,jxf,j+nf,j)＝ΦjF-1Hf,jxf,j+ΦjF-1nf,j；然后根据每个感知用户接收到的叠加模拟信号对应的压缩采样数据与每个感知用户接收到的叠加模拟信号在频域表示的频域离散信号之间的关系，构建每个感知用户接收到的叠加模拟信号对应的重构问题，将第j个感知用户接收到的叠加模拟信号对应的重构问题描述为：zj＝Ajxf,j+ΦjF-1nf,j；接着根据压缩感知理论，将每个感知用户接收到的叠加模拟信号对应的重构问题转变为优化问题，将第j个感知用户接收到的叠加模拟信号对应的优化问题描述为：
再根据受噪声的影响，将每个感知用户接收到的叠加模拟信号对应的
优化问题转变为受噪声影响的问题，将第j个感知用户接收到的叠加模拟信号对应的受噪声影响的问题描述为： 其中，F-1表示维数为M×M的离散傅里叶逆变换
矩阵，Aj表示维数为K×M的传感矩阵，Aj＝ΦjF-1Hf,j， 表示第j个感知用户重构出的频谱信号， 的维数为M×1，||xf,j||1表示求取xf,j的1-范数， 表示取使得||xf,j||1的值最小时的xf,j，“s.t.”表示“受约束于……”，||zj-Ajxf,j||2表示求取zj-Ajxf,j的2-范数，ε为噪声误差上界；
④根据每个感知用户接收到的叠加模拟信号对应的受噪声影响的问题，获取每个感知用户重构出的频谱信号，获取 的具体过程为：
④_1、令v表示迭代的次数，令vmax表示设定的最大迭代次数，令 表示第j个感知用户经第v次迭代后重构出的频谱信号，则有 其中，v的初始值为1，1≤v≤
vmax；
④_2、结合加权策略将 转变为 其中，1
≤k≤M， 表示在第v次迭代时第k个子频段的权值， 当v≠1时
ρ为一个小常数，0≤ρ<γ，γ为判决门限，
符号“||”为取绝对值符号， 表示第j个感知用户经第v-1次迭代
后重构出的频谱信号 上的第k个子频段的幅值，当v＝1时令 表示xf,j
上的第k个子频段的幅值， 表示取使得 的值最小时的
xf,j；
④_3、将 转变为可通过求解正则化l1范数最小二乘方式来
获取 的问题，描述为： 其中， 为由
作为对角元素构成的对角加权矩阵， 对应表示在第v次迭
代时第1个子频段的权值、第2个子频段的权值、……、第M个子频段的权值， 的维数为M×M， 表示求取 的1-范数，λj表示在第j个感知用户的用户端的正则化常
数， 表示取使得 的值最小时
的xf,j；
④_4、将 转化为分布式协作频谱感知问题，
描述为： 其中，当v≠1时 表示以第j个感知
用户为中心的一跳通信范围内与第j个感知用户相邻的第i个感知用户经第v-1次迭代后重构出的频谱信号，当v＝1时 的值为零向量， 表示以第j个感知用户为中心的一跳通信范围内与第j个感知用户相邻的感知用户的总个数；
④_5、将 转化为计算量少的分布式协作频谱
感知问题，描述为： 其中，θji表示第j个感知用
户和以第j个感知用户为中心的一跳通信范围内与第j个感知用户相邻的第i个感知用户之间的连接系数，
④_6、将 转化为可通过交替方向乘子法来获
取 的问题，描述为：
其中，当v
≠1时 表示第v-1次迭代时的拉格朗日乘子向量，
当v＝1时 的值为零向量， 的维数为1×M，当v>2时 表示第v-2次迭代时的拉格
朗日乘子向量，当v＝2时 的值为零向量，c为增强拉格朗日乘子系数，
表示求取 的2-范数，
表示取使得
的值最小时的xf,j；
④_7、如果 则结束迭代过程，令 如果 则
判断v
⑤在获取每个感知用户重构出的频谱信号后，判定每个感知用户重构出的频谱信号上的各个子频段的占用状态， 上的第k个子频段的占用状态的判定过程为：
⑤_1、令 表示 上的第k个子频段的占用状态， 表示 上的第k个子频段
被授权用户占用， 表示 上的第k个子频段未被授权用户占用；
⑤_2、计算 上的第k个子频段的能量，记为ej,k， 其中， 表示
上的第k个子频段的幅值；
⑤_3、令 其中，τ表示能量门限，
2.根据权利要求1所述的基于加权一致优化的宽带分布式协作压缩频谱感知方法，其特征在于所述的步骤③中取 其中，σn为ΦjF-1nf,j的标准差。
3.根据权利要求1所述的基于加权一致优化的宽带分布式协作压缩频谱感知方法，其特征在于所述的步骤④_2中取ρ＝10-8；所述的步骤④_3中取λj＝10；所述的步骤④_6中取c＝100；所述的步骤④_7中取α＝0.01。
基于加权一致优化的宽带分布式协作压缩频谱感知方法
技术领域
背景技术
发明内容
t为连续时间变量，1≤p≤P，hp,j(t)表示第j个感知用户与
正在通信的第p个授权用户之间的信道增益信号，符号“*”为卷积运算符号，xp,j(t)表示正在通信的第p个授权用户发送给第j个感知用户的模拟信号，nj(t)表示在第j个感知用户的用户端的高斯噪声信号，模拟信息转换器等效为先通过奈奎斯特采样、再通过压缩采样，yf,j的维数为M×1，Hf,j表示在第j个感知用户的用户端的信道增益矩阵，Hf,j的维数为M×M，hf,p,j表示hp,j(t)在频域表示的频域离散信号，hf,p,j的维数为M×1，
diag(hf,p,j)表示以hf,p,j中的元素为对角元素构成的对角矩阵，diag(hf,p,j)的维数为M×M，xf,j表示所有正在通信的授权用户发送给第j个感知用户的频域离散信号，xf,j的维数为M×
1， xf,p,j表示xp,j(t)在频域表示的频域离散信号，xf,p,j的维数为M×1，nf,j表示nj(t)在频域表示的频域离散信号，nf,j的维数为M×1；
逆变换矩阵，Aj表示维数为K×M的传感矩阵，Aj＝ΦjF-1Hf,j， 表示第j个感知用户重构出的频谱信号， 的维数为M×1，||xf,j||1表示求取xf,j的1-范数， 表示取使得
||xf,j||1的值最小时的xf,j，“s.t.”表示“受约束于……”，||zj-Ajxf,j||2表示求取zj-Ajxf,j的2-范数，ε为噪声误差上界；
ρ为一个小常数，0≤ρ<γ，γ为判决门限，
符号“||”为取绝对值符号， 表示第j个感知用户经第v-1次迭代
后重构出的频谱信号 上的第k个子频段的幅值，当v＝1时令 xf,j(k)表示xf,j上的第k个子频段的幅值， 表示取使得 的值最小时的xf,j；
作为对角元素构成的对角加权矩阵， 对应表示在第v次迭
代时第1个子频段的权值、第2个子频段的权值、……、第M个子频段的权值， 的维数为M×M， 表示求取 的1-范数，λj表示在第j个感知用户的用户端的正则化常
数， 表示取使得 的值最小
时的xf,j；
感知用户为中心的一跳通信范围内与第j个感知用户相邻的第i个感知用户经第v-1次迭代后重构出的频谱信号，当v＝1时 的值为零向量， 表示以第j个感知用户为中心的一跳通信范围内与第j个感知用户相邻的感知用户的总个数；
知用户和以第j个感知用户为中心的一跳通信范围内与第j个感知用户相邻的第i个感知用户之间的连接系数，
当v＝1时 的值为零向量， 的维数为1×M，当v>2时 表示第v-2次迭代时的拉
格朗日乘子向量，当v＝2时 的值为零向量，c为增强拉格朗日乘子系数，
表示求取 的2-范数，
表示取使得
的值最小时的xf,j；
具体实施方式
t为连续时间变量，1≤p≤P，hp,j(t)表示第j个感知用户与
正在通信的第p个授权用户之间的信道增益信号，符号“*”为卷积运算符号，xp,j(t)表示正在通信的第p个授权用户发送给第j个感知用户的模拟信号，nj(t)表示在第j个感知用户的用户端的高斯噪声信号，模拟信息转换器等效为先通过奈奎斯特采样、再通过压缩采样，yf,j的维数为M×1，Hf,j表示在第j个感知用户的用户端的信道增益矩阵，Hf,j的维数为M×M，hf,p,j表示hp,j(t)在频域表示的频域离散信号，hf,p,j的维数为M×1，
diag(hf,p,j)表示以hf,p,j中的元素为对角元素构成的对角矩阵，diag(hf,p,j)的维数为M×M，xf,j表示所有正在通信的授权用户发送给第j个感知用户的频域离散信号，xf,j的维数为M×
1， xf,p,j表示xp,j(t)在频域表示的频域离散信号，xf,p,j的维数为M×1，nf,j表示nj(t)在频域表示的频域离散信号，nf,j的维数为M×1。
变换矩阵，Aj表示维数为K×M的传感矩阵，Aj＝ΦjF-1Hf,j， 表示第j个感知用户重构出的频谱信号， 的维数为M×1，||xf,j||1表示求取xf,j的1-范数， 表示取使得||
xf,j||1的值最小时的xf,j，“s.t.”表示“受约束于……”，||zj-Ajxf,j||2表示求取zj-Ajxf,j的
2-范数，ε为噪声误差上界，在本实施例中取 σn为ΦjF-1nf,j的标准差。
判决门限， 符号“||”为取绝对值符号， 表示第j个感知用户经第
v-1次迭代后重构出的频谱信号 上的第k个子频段的幅值，当v＝1时令 xf,j(k)表示xf,j上的第k个子频段的幅值， 表示取使得 的值最小
时的xf,j。
作为对角元素构成的对角加权矩阵， 对应表示在第v次迭
代时第1个子频段的权值、第2个子频段的权值、……、第M个子频段的权值， 的维数为M×M， 表示求取 的1-范数，λj表示在第j个感知用户的用户端的正则化常
数，在本实施例中取λj＝10， 表示取使得
的值最小时的xf,j。
中，当v≠1时 表示以第j个感知用户为中心的一跳通信范围内与第j个感知用户相邻的第i个感知用户经第v-1次迭代后重构出的频谱信号，当v＝1时 的值为零向量， 表示以第j个感知用户为中心的一跳通信范围内与第j个感知用户相邻的感知用户的总个数。
中，θji表示第j个感知用户和以第j个感知用户为中心的一跳通信范围内与第j个感知用户相邻的第i个感知用户之间的连接系数，
当v＝1时 的值为零向量， 的维数为1×M，当v>2时 表示第v-2次迭代时的拉格
朗日乘子向量，当v＝2时 的值为零向量，c为增强拉格朗日乘子系数，在本实施例中取c＝100， 表示求取 的2-范数，
表示取使得
的值最小时的xf,j。
号，可以终止迭代重构过程，即如果 则结束迭代过程，令 然后
执行步骤⑤；如果 则判断v
表示求取 的2-范数，α为一个小的正常数，α用于衡量 和 的
差别程度，在本实施例中取α＝0.01，v＝v+1中的“＝”为赋值符号。
数， 表示求取 的2-范数。同时，可以通过检测概率和虚警概率来分析频谱感知中的性能，检测概率Pd为： 虚警概率Pf为：
其中，E{}表示多次相同条件仿真求均值， 为维数为M×1的列向量， 中的第k个元素 表示感知用户感知到的第k个子频段的占用状态， 表示感知用户感知到的第k个子频段被授权用户占用， 表示感知用户感知到的第k个子频段未被授权用户占用、为空闲频段且该感知用户可以接入使用，d为维数为M×1的列向量，d中的第k个元素dk表示第k个子频段的真实占用状态，dk＝1表示第k个子频段真实被授权用户占用，dk＝0表示第k个子频段真实未被授权用户占用，q表示元素全为1且维数为M×1的列向量，dT为d的转置，qT为q的转置，(q-d)T为q-d的转置。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种多天线物联网信息传输方法 | 2020-05-17 | 75 |
| 基于相关瑞利衰落信道的中继及干扰选择方法 | 2020-05-11 | 840 |
| 一种在瑞利衰落信道中的基于最优阈值传输调度的中继节点选择方法 | 2020-05-13 | 528 |
| 多径瑞利快衰落信道下OFDM调制制式识别方法 | 2020-05-11 | 801 |
| 应用于移动通信网络的无线信道建模与仿真方法 | 2020-05-14 | 430 |
| 一种快速的Nakagami信道模型仿真方法 | 2020-05-16 | 280 |
| 一种基于瑞利衰落信道的联合决策中继选择方法 | 2020-05-12 | 310 |
| 避免偏振衰落的分布式光纤瑞利散射振动传感系统和方法 | 2020-05-12 | 804 |
| 一种基于小样本的精确能量检测方法 | 2020-05-14 | 249 |
| 一种多径瑞利衰落信道下改善高阶累积量信号识别的方法 | 2020-05-12 | 578 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
