一种基于部分重构的宽带频谱感知方法.pdf

摘要
申请专利号：	CN201410127331.1	申请日：	2014.03.31
公开号：	CN103974284A	公开日：	2014.08.06
当前法律状态：	授权	有效性：	有权
法律详情：	授权\|\|\|实质审查的生效IPC(主分类):H04W 24/00申请日:20140331\|\|\|公开
IPC分类号：	H04W24/00(2009.01)I; H04B17/00; H04W16/14(2009.01)I	主分类号：	H04W24/00
申请人：	南京航空航天大学
发明人：	涂思怡; 宋晓勤; 朱勇刚; 张恒龙; 彭亚
地址：	210016 江苏省南京市秦淮区御道街29号
优先权：
专利代理机构：	江苏圣典律师事务所 32237	代理人：	贺翔
PDF下载：	PDF下载

内容摘要

本发明提供了一种基于部分重构的宽带频谱感知方法，将部分重构的思想应用于基于最小范数求解的内点法。本发明根据采样值，经过多次迭代运算，逐步调整，区别于传统的不进行调整的重构方法。使用的迭代次数不是固定的，随着重构后子信道的能量而改变。如果能量大，则降低迭代次数；能量小则增加迭代次数。本发明可以运用在稀疏度未知，甚至是稀疏度变化的宽带频谱场景中，而且在保证检测精度的情况下降低了运算时间，提高了检测的实时性。

权利要求书

权利要求书
1.  一种基于部分重构的宽带频谱感知方法，其特征在于包括以下步骤：
1)认知用户对频谱进行采样并将低速采样序列传输给融合中心；
2)融合中心运用内点法对原信号进行完全重构，记录迭代次数为T，更新迭代次数为T＝T-1；
3)计算各个子信道的能量，最大值记为Jmax，最小的记为Jmin，定义门限值Gmma＝0.5(Jmax-Jmin)；
4)运用内点法进行部分重构；
5)计算重构后各个信道的能量值，记录大于门限值Gmma的信道个数及子信号的编号，回馈给认知用户；
6)根据子信道的能量情况更新迭代次数，若存在子信道的能量大于2Gmma，或存在两个子信道能量值之差小于1.5Gmma，则在下一个检测周期，T＝T+1，否则T＝T-1；
7)重复步骤4)至步骤6)。

2.  根据权利要求1所述的基于部分重构的宽带频谱感知方法，其特征在于所述的运用内点法对原信号进行完全重构包括以下步骤：
1）输入误差容忍度ε和最大迭代次数Tmax；
2）根据目标频段频谱压缩检测模型y＝Φx，初始化数据，设当前迭代次数T＝0，x＝0，定义一个比较大的数，记为λ，要求λ≥||2ΦTy||∞，其中Φ为M×N维观测矩阵，y是观测得到的序列，u为收敛误差；
3）令T＝T+1，通过计算搜索方向(Δx,Δu)，其中H是海森矩阵，g是当前(x,u)的梯度；
4）计算步长s，s为向量{λ/|2ΦT(Φx-y)|}中的最小元素；
5）更新(x,u)＝(x,u)+s(Δx,Δu)；
6）计算收敛误差u；
7）重复步骤3）至步骤6）直到满足误差容忍度ε，即min||x||1s.t.||y-Φx||＜ε或达到最大迭代数Tmax时停止。

3.  根据权利要求1所述的基于部分重构的宽带频谱感知方法，其特征在于：所述的运用内点法进行部分重构包括以下步骤：
1）令T＝T+1，通过计算搜索方向(Δx,Δu)，其中H是海森矩阵，g是当前(x,u)的梯度；
2）计算步长s，s为向量{λ/|2ΦT(Φx-y)|}中的最小元素；
3）更新(x,u)＝(x,u)+s(Δx,Δu)；
4）计算收敛误差u；
5）重复步骤1）至步骤4），迭代运行到更新后的迭代次数T时强制停止。

说明书

说明书一种基于部分重构的宽带频谱感知方法
技术领域
本发明涉及无线通信领域，具体是一种基于部分重构的宽带频谱感知方法。
背景技术
认知无线电（CR,Cognitive Radio）中，提供可靠通信和高效利用无线电频谱这两个目标决定了快速而准确地进行频谱感知的重要性。但在对宽带频谱进行感知时，所需的高采样速率及海量采样数据处理能力都对频谱感知的硬件提出了严峻的挑战。在现实中，宽带频谱上主用户占用的子频带数量远远小于总数，满足稀疏性。于是人们自然地联想到了压缩采样技术(CS,Compressed Sampling，也称作压缩感知，Compressive Sensing)。它表明只要信号是可压缩的或在某个变换域是稀疏的，就可用一个与变换基不相关的观测矩阵将变换所得到的高维信号投影到一个低维空间上，然后通过优化算法就可以从这些少量的投影中以高概率重构出原信号，最后根据重构后的信号进行处理，做出检测判决。压缩采样技术可以大大降低设备对采样率的要求，其中重构是压缩采样研究中关键的一步，如果无法快速而有效地根据采样值重构出原信号的话，那么压缩采样理论对于奈奎斯特采样定律的优越性也凸显不出来了。
目前，压缩采样的研究重点在于低速观测序列的获得和信号波形的高概率、高精度重构。其中常用重构算法主要分成三大类：基于l1范数最小的凸优化算法、基于l0范数最小贪婪算法以及组合算法。这些方法有的重构精度高，有的适用于数据量大的场合，但是共同的缺点有二：计算量巨大并且压缩比受原信号稀疏度的影响。此外，现有基于压缩采样的认知无线电宽带频谱感知技术均假设宽带频谱稀疏度是已知的。但是在CR场景中，由于主用户（PU,Primary User）与认知用户（或次级用户，SU,Second User）之间无法直接通信或信息交互，且主用户的频谱占用情况是动态变化的，所以宽带频谱的稀疏性这一先验信息并不容易得到。已有文献提出了稀疏度估计算法：先用小部分采样值快速估计实际稀疏度，根据估计值调整总的采样数后再进行运算。该方法不需要稀疏度的先验知识，但要进行额外采样。另一种保守的方法是根据认知用户长时间的统计观测来获得稀疏度的上界，以此确定压缩比。然而，这往往会造成采样数目过多，进一步增大之后信号重构的计算量。
另一方面，完全重构原信号在许多处理应用中并不是必须的。很多时候，我们只是希望从观测序列里提取有用信息或滤除后续处理中不感兴趣的信息。此时，试图通过观测序列重构出所有信号之后再来解决信号提取和滤波问题显然不是最好的选择。例如，在认知无线电系统中，认知用户只关心信道占用与否，而不关心信道的具体情况，因此，并不总是需要精确重构出原始信号。无论是最小化l1范数的重构算法或是贪婪算法，它们均经过多次迭代，逐步调整，最终得到最优解，是一个逼近的过程。基追踪降噪法(BPDN,Basis Pursuit De-noising)是经典的基于l1范数最小的重构受噪声污染信号的算法。已有学者对该方法进行改进，但是着重于提高BPDN算法的精度或者是拓展其在其它稀疏噪声（如脉冲噪声）坏境下的性能。如何在满足精度要求的前提下减少计算量，还需要进一步研究。
发明内容
本发明为了解决现有宽带频谱感知技术中计算量巨大并且压缩比受原信号稀疏度影响的问题，提供了一种基于部分重构的宽带频谱感知方法，可以运用在稀疏度未知，甚至是稀疏度变化的宽带频谱场景中，而且在保证检测精度的情况下降低了运算时间，提高了检测的实时性。
本发明包括以下步骤：
1）认知用户对频谱进行采样并将低速采样序列传输给融合中心；
2)融合中心运用内点法对原信号进行完全重构，记录迭代次数为T，更新迭代次数为T＝T-1；
3）计算各个子信道的能量，最大值记为Jmax，最小的记为Jmin，定义门限值
Gmma＝0.5(Jmax-Jmin)；
4）运用内点法进行部分重构；
5）计算重构后各个信道的能量值，记录大于门限值Gmma的信道个数及子信号的编号，回馈给认知用户；
6）根据子信道的能量情况更新迭代次数，若存在子信道的能量大于2Gmma，或存在两个子信道能量值之差小于1.5Gmma，则在下一个检测周期，T＝T+1，否则T＝T-1；
7）重复步骤4）至步骤6）；
所述的运用内点法对原信号进行完全重构包括以下步骤：
1）输入误差容忍度ε和最大迭代次数Tmax；
2）根据目标频段频谱压缩检测模型y＝Φx，初始化数据，设当前迭代次数T＝0，x＝0，定义一个比较大的数，记为λ，要求λ≥||2ΦTy||∞，其中Φ为M×N 维观测矩阵，y是观测得到的序列，u为收敛误差；
3）令T＝T+1，通过HΔxΔu=-g,]]>计算搜索方向(Δx,Δu)，其中H是海森矩阵，g是当前(x,u)的梯度；
4）计算步长s，s为向量{λ/|2ΦT(Φx-y)|}中的最小元素；
5）更新(x,u)＝(x,u)+s(Δx,Δu)；
6）计算收敛误差u；
7）重复步骤3）至步骤6）直到满足误差容忍度ε，即min||x||1s.t.||y-Φx||＜ε或达到最大迭代数Tmax时停止。
所述的运用内点法进行部分重构包括以下步骤：
1）令T＝T+1，通过HΔxΔu=-g,]]>计算搜索方向(Δx,Δu)，其中H是海森矩阵，g是当前(x,u)的梯度；
2）计算步长s，s为向量{λ/|2ΦT(Φx-y)|}中的最小元素；
3）更新(x,u)＝(x,u)+s(Δx,Δu)；
4）计算收敛误差u；
5）重复步骤1）至步骤4），迭代运行到更新后的迭代次数T时强制停止。
本发明有益效果在于：将部分重构的思想应用于基于最小l1范数求解的内点法，提出了一种基于部分重构的频谱感知方法。本发明根据采样值，经过多次迭代运算，逐步调整，区别于传统的不进行调整的重构方法。使用的迭代次数不是固定的，随着重构后子信道的能量而改变。如果能量大，则降低迭代次数；能量小则增加迭代次数。本发明可以运用在稀疏度未知，甚至是稀疏度变化的宽带频谱场景中，而且在保证检测精度的情况下降低了运算时间，提高了检测的实时性。
附图说明
图1（a）为一个CR宽带频谱感知场景原始观测序列图形。
图1（b）为一个CR宽带频谱感知场景运用内点法迭代25次完全重构后的序列图形。
图1（c）为一个CR宽带频谱感知场景迭代12次部分重构图形。
图1（d）为一个CR宽带频谱感知场景迭代6次部分重构图形。
图2为本发明运用于图1场景中迭代次数随检测周期的变化。
图3为在100个检测周期中本发明同完全重构再检测所用时间的比较。
具体实施方式
下面结合附图对本发明作进一步说明。
本发明的核心思想在于：将压缩采样技术与认知无线电中针对宽带频谱的感知相结合。采用部分重构的方法对基于最小l1范数求解的内点法进行改进。令其迭代次数随着重构后子信道的能量而改变。本发明不仅可以应用于稀疏度恒定的宽带频谱环境中，在稀疏度时变的情况下也可以取得良好的检测效果。在保证精度的前提下，本发明可以降低运算时间，提高检测实时性。
在认知无线网络中，频谱感知的任务是在保护主用户的前提下实现动态频谱接入，认知用户需要在每个采样周期内进行检测来判断该频段内是否存在主用户。为了减少感知节点的数据采集和存储，每个认知用户都采用模拟/信息转换器对宽带模拟信号直接进行信息获取。本发明讨论在不完全重构原信号的情况下，用部分重构后子信道的能量与门限值比较，由此对两种假设进行检验，做出判决。目标频段频谱压缩检测模型可以表示为：y＝Φx。
对应于主用户不存在和存在两种情况，两种假设分别如下：
H0:x＝ω
H1:x＝ω+s
其中s＝[s(0),...,s(N-1)]T与ω＝[ω(0),...,ω(N-1)]T分别是某个信道内随机稀疏信号与噪声的抽样值序列，且s与ω之间相互独立。M为抽样点数，Φ为M×N维观测矩阵。
当Φ满足有限等距约束限制时，s可以被重构。其求解的模型为：
min||x||1s.t.||y-Φx||＜ε
或写作无约束问题：
min||y-Φx||+λ||x||1
对上述两个表达式求解的方法统称为基追踪降噪法（BPDN）。参数ε或λ的作用是用来控制稀疏性与允许误差之间的平衡，力求保证信号误差最小的同时尽可能使得信号的表示最稀疏。同其它的重构算法相比，BPDN算法对高斯白噪声的去噪效果比较好。但是，BPDN法的复杂度非常高。其要求采样个数M满足M＞cK，c≈log2(N/K+1)，时间复杂度为O(N3)。本发明应用于稀疏度未知的场景，M取上界。
由上述描述可知BPDN其实质是一个最优化原理。注意到同样是带约束的最优化问题，线性规划（LP，Linear Program）的标准形式为：
mincTxs.t.Ax=b
其中，变量cTx是目标函数，Ax=b是等式约束。显然，表达式min||x||1s.t.||y-Φx||＜ε和表达式mincTxs.t.Ax=b可以相互转换。因此解线性规划的方法可以用来解决BPDN问题。
单纯形法是解决线性规划的通用方法。其理论依据是，若线性规划问题的可行域存在（约束条件之间不存在矛盾），则可行域是向量空间RN中的凸集。顶点所对应的可行解成为基本可行解。线性规划问题的最优值如果存在，则最优解必在该凸集的某顶点处达到。单纯形法的思路是：先找出一个基本可行解，计算该顶点处的目标函数值，看是否是最优解；若不是，比较周围相邻顶点的目标函数值，转到更小的那个顶点上，并重复这一过程。在单纯形法中，仅搜索相邻顶点，每步迭代的计算量很小，但是需要访问很多顶点才能找到最优解。在最坏情况下可能需要访问所有非最优的顶点。为了减少迭代步数，众学者提出了内点法，其替代的方法是在可行域内部沿着“最短路”移动，即下一次迭代时沿着使目标函数值取得最小值的最快方向。
根据本发明的方法，首先运用内点法，根据采样序列对原信道的信号进行完全重构，具体实施步骤有：
输入：误差容忍度ε，最大迭代次数Tmax；
初始化：当前迭代次数T＝0，x＝0，定义一个比较大的数，记为λ，要求λ≥||2ΦTy||∞；
重构运算：
令T＝T+1；
通过
HΔxΔu=-g,]]>
计算搜索方向(Δx,Δu)，其中H是海森矩阵，g是当前(x,u)的梯度；
计算步长s，s为向量{λ/|2ΦT(Φx-y)|}中的最小元素；
更新(x,u)＝(x,u)+s(Δx,Δu)；
计算收敛误差u，
重复重构运算直到满足误差要求或达到最大迭代数则停止并输出结果，同时记录下所用迭代次数T。
内点法在每步迭代中为了找到最好的移动方向通常需要考虑所有的可行方向。换言之，相较于单纯形法，内点法以每次迭代中较大的计算量换取迭代次数的减少。而实际在频谱感知中，通过在迭代过程中得到的可行解就能正确检测出主用户是否存。说明书附图1简单假设了一个CR宽带频谱感知场景，包含50个互不交叠的子信道，每个信道用10个数表示，选择3个子信道被占用且频谱幅值衡为1。信噪比为10dB。图1a是原始观测序列，即y，图1b是运用内点法完全重构后的序列，迭代次数为25，图1c和图1d都是部分重构的结果。其中图1c图迭代次数为12，图1d为6。显然，完全迭代后得到的重构信号比较准确，随着迭代次数的减少，重构的效果也越来越差。但这并不意味着会影响检测结果的准确性。实际上，在后两张图，通过肉眼仍可以辨别出哪些信道被占用。即使是部分重构，被主用户占用的子信道其能量也远远大于空信道的能量。
更新T＝T-1，并计算各个子信道的能量，选择最大的记为Jmax，最小的记为Jmin。定义门限值Gmma＝0.5(Jmax-Jmin)，该门限值将在之后的检测中被运用。录大于门限值Gmma的信道个数及子信号的编号，回馈给认知用户；认为这些信道中存在主用户，认知用户不能占用；
在第二个检测周期内，认知用户再次对频谱进行检测并将投影后的结果传输给融合中心。中心运用内点法进行部分重构但是当迭代次数到达更新后的T时强制停止。计算重构后各个信道的能量值，与Gmma比较并作出判断；
依然是在该周期，分析子信道的能量。若存在子信道的能量大于2Gmma，则更新T＝T+1；若存在两个子信道能量值之差小于1.5Gmma，同样T＝T+1；否则T＝T-1。
之后的检测周期操作与第二个检测周期一样，总结来说依照下述步骤进行。
1、根据上一个检测周期更新的迭代次数进行部分重构；
2、根据部分重构后的结果计算各个子信道能量；
3、与门限值比较并作出判决；
4、更新迭代次数。
根据对本发明的说明，和说明书附图2、3，本领域的技术人员应该不难看出，本发明可以被应用于认知无线电的宽带频谱检测中。根据信道环境和精度要求，自适应调整迭代次数。本发明不仅可以运用在稀疏度未知，甚至是稀疏度变化的宽带频谱场景中，而且在保证检测精度的情况下降低运算时间，提高检测的实时性。具有广泛的适用范围。
本发明具体应用途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进，这些改进也应视为本发明的保护范围。本发明申请书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

资源描述

《一种基于部分重构的宽带频谱感知方法.pdf》由会员分享，可在线阅读，更多相关《一种基于部分重构的宽带频谱感知方法.pdf（10页珍藏版）》请在专利查询网上搜索。

1、(10)申请公布号 CN 103974284 A (43)申请公布日 2014.08.06 CN 103974284 A (21)申请号 201410127331.1 (22)申请日 2014.03.31 H04W 24/00(2009.01) H04B 17/00(2006.01) H04W 16/14(2009.01) (71)申请人南京航空航天大学地址 210016 江苏省南京市秦淮区御道街 29 号 (72)发明人涂思怡宋晓勤朱勇刚张恒龙彭亚 (74)专利代理机构江苏圣典律师事务所 32237 代理人贺翔 (54) 发明名称一种基于部分重构的宽带频谱感知方法 (57。

2、) 摘要本发明提供了一种基于部分重构的宽带频谱感知方法，将部分重构的思想应用于基于最小范数求解的内点法。本发明根据采样值，经过多次迭代运算，逐步调整，区别于传统的不进行调整的重构方法。使用的迭代次数不是固定的，随着重构后子信道的能量而改变。如果能量大，则降低迭代次数；能量小则增加迭代次数。本发明可以运用在稀疏度未知，甚至是稀疏度变化的宽带频谱场景中，而且在保证检测精度的情况下降低了运算时间，提高了检测的实时性。 (51)Int.Cl. 权利要求书 1 页说明书 5 页附图 3 页 (19)中华人民共和国国家知识产权局 (12)发明专利申请。

3、权利要求书1页说明书5页附图3页 (10)申请公布号 CN 103974284 A CN 103974284 A 1/1 页 2 1. 一种基于部分重构的宽带频谱感知方法，其特征在于包括以下步骤： 1) 认知用户对频谱进行采样并将低速采样序列传输给融合中心； 2) 融合中心运用内点法对原信号进行完全重构，记录迭代次数为 T，更新迭代次数为 T T-1 ； 3) 计算各个子信道的能量，最大值记为 Jmax，最小的记为 Jmin，定义门限值 Gmma 0.5(Jmax-Jmin) ； 4) 运用内点法进行部分重构； 5) 计算重构后各个信道的能量值，记录大于门限值 Gmma。

4、的信道个数及子信号的编号，回馈给认知用户； 6) 根据子信道的能量情况更新迭代次数，若存在子信道的能量大于 2Gmma，或存在两个子信道能量值之差小于 1.5Gmma，则在下一个检测周期， T T+1，否则 T T-1 ； 7) 重复步骤 4) 至步骤 6)。 2. 根据权利要求 1 所述的基于部分重构的宽带频谱感知方法，其特征在于所述的运用内点法对原信号进行完全重构包括以下步骤： 1）输入误差容忍度和最大迭代次数 Tmax； 2）根据目标频段频谱压缩检测模型 y x，初始化数据，设当前迭代次数 T 0， x 0，定义一个比较大的数，记为，要求 |2Ty|。

5、，其中为 MN 维观测矩阵， y 是观测得到的序列， u 为收敛误差； 3）令 T T+1，通过计算搜索方向 (x,u)，其中 H 是海森矩阵， g 是当前 (x,u) 的梯度； 4）计算步长 s， s 为向量 /|2T(x-y)| 中的最小元素； 5）更新 (x,u) (x,u)+s(x,u) ； 6）计算收敛误差 u ； 7）重复步骤 3）至步骤 6）直到满足误差容忍度，即 min|x|1s.t.|y-x| 或达到最大迭代数 Tmax时停止。 3. 根据权利要求 1 所述的基于部分重构的宽带频谱感知方法，其特征在于：所述的运用内点法进行部分重构包。

6、括以下步骤： 1）令 T T+1，通过计算搜索方向 (x,u)，其中 H 是海森矩阵， g 是当前 (x,u) 的梯度； 2）计算步长 s， s 为向量 /|2T(x-y)| 中的最小元素； 3）更新 (x,u) (x,u)+s(x,u) ； 4）计算收敛误差 u ； 5）重复步骤 1）至步骤 4），迭代运行到更新后的迭代次数 T 时强制停止。权利要求书 CN 103974284 A 2 1/5 页 3 一种基于部分重构的宽带频谱感知方法技术领域 0001 本发明涉及无线通信领域，具体是一种基于部分重构的宽带频谱感知方法。背景技术 0002 认知无线。

7、电（CR,Cognitive Radio）中，提供可靠通信和高效利用无线电频谱这两个目标决定了快速而准确地进行频谱感知的重要性。但在对宽带频谱进行感知时，所需的高采样速率及海量采样数据处理能力都对频谱感知的硬件提出了严峻的挑战。在现实中，宽带频谱上主用户占用的子频带数量远远小于总数，满足稀疏性。于是人们自然地联想到了压缩采样技术 (CS,Compressed Sampling，也称作压缩感知， Compressive Sensing)。它表明只要信号是可压缩的或在某个变换域是稀疏的，就可用一个与变换基不相关的观测矩阵将变换所得到的高维信号投影到一个低维空间上，然后通。

8、过优化算法就可以从这些少量的投影中以高概率重构出原信号，最后根据重构后的信号进行处理，做出检测判决。压缩采样技术可以大大降低设备对采样率的要求，其中重构是压缩采样研究中关键的一步，如果无法快速而有效地根据采样值重构出原信号的话，那么压缩采样理论对于奈奎斯特采样定律的优越性也凸显不出来了。 0003 目前，压缩采样的研究重点在于低速观测序列的获得和信号波形的高概率、高精度重构。其中常用重构算法主要分成三大类：基于 l1范数最小的凸优化算法、基于 l0范数最小贪婪算法以及组合算法。这些方法有的重构精度高，有的适用于数据量大的场合，但是共同的缺点有二：计。

9、算量巨大并且压缩比受原信号稀疏度的影响。此外，现有基于压缩采样的认知无线电宽带频谱感知技术均假设宽带频谱稀疏度是已知的。但是在 CR 场景中，由于主用户（PU,Primary User）与认知用户（或次级用户， SU,Second User）之间无法直接通信或信息交互，且主用户的频谱占用情况是动态变化的，所以宽带频谱的稀疏性这一先验信息并不容易得到。已有文献提出了稀疏度估计算法：先用小部分采样值快速估计实际稀疏度，根据估计值调整总的采样数后再进行运算。该方法不需要稀疏度的先验知识，但要进行额外采样。另一种保守的方法是根据认知用户长时间的统计观测来获得稀疏。

10、度的上界，以此确定压缩比。然而，这往往会造成采样数目过多，进一步增大之后信号重构的计算量。 0004 另一方面，完全重构原信号在许多处理应用中并不是必须的。很多时候，我们只是希望从观测序列里提取有用信息或滤除后续处理中不感兴趣的信息。此时，试图通过观测序列重构出所有信号之后再来解决信号提取和滤波问题显然不是最好的选择。例如，在认知无线电系统中，认知用户只关心信道占用与否，而不关心信道的具体情况，因此，并不总是需要精确重构出原始信号。无论是最小化 l1范数的重构算法或是贪婪算法，它们均经过多次迭代，逐步调整，最终得到最优解，是一个逼近的过程。基追踪降噪法。

11、 (BPDN,Basis Pursuit De-noising) 是经典的基于 l1范数最小的重构受噪声污染信号的算法。已有学者对该方法进行改进，但是着重于提高 BPDN 算法的精度或者是拓展其在其它稀疏噪声（如脉冲噪声）坏境下的性能。如何在满足精度要求的前提下减少计算量，还需要进一步研究。说明书 CN 103974284 A 3 2/5 页 4 发明内容 0005 本发明为了解决现有宽带频谱感知技术中计算量巨大并且压缩比受原信号稀疏度影响的问题，提供了一种基于部分重构的宽带频谱感知方法，可以运用在稀疏度未知，甚至是稀疏度变化的宽带频谱场景中，而且在保证检测精度的。

12、情况下降低了运算时间，提高了检测的实时性。 0006 本发明包括以下步骤： 0007 1）认知用户对频谱进行采样并将低速采样序列传输给融合中心； 0008 2) 融合中心运用内点法对原信号进行完全重构，记录迭代次数为 T，更新迭代次数为 T T-1 ； 0009 0010 3）计算各个子信道的能量，最大值记为 Jmax，最小的记为 Jmin，定义门限值 0011 Gmma 0.5(Jmax-Jmin) ； 0012 4）运用内点法进行部分重构； 0013 5）计算重构后各个信道的能量值，记录大于门限值 Gmma 的信道个数及子信号的编号，回馈给认知用户；。

13、0014 6）根据子信道的能量情况更新迭代次数，若存在子信道的能量大于 2Gmma，或存在两个子信道能量值之差小于 1.5Gmma，则在下一个检测周期， T T+1，否则 T T-1 ； 0015 7）重复步骤 4）至步骤 6）； 0016 所述的运用内点法对原信号进行完全重构包括以下步骤： 0017 1）输入误差容忍度和最大迭代次数 Tmax； 0018 2）根据目标频段频谱压缩检测模型 y x，初始化数据，设当前迭代次数 T 0， x 0，定义一个比较大的数，记为，要求 |2Ty|，其中为 MN 维观测矩阵， y 是观测得到的序列， u 为收敛误差。

14、； 0019 3）令 T T+1，通过计算搜索方向 (x,u)，其中 H 是海森矩阵， g 是当前 (x,u) 的梯度； 0020 4）计算步长 s， s 为向量 /|2T(x-y)| 中的最小元素； 0021 5）更新 (x,u) (x,u)+s(x,u) ； 0022 6）计算收敛误差 u ； 0023 7）重复步骤 3）至步骤 6）直到满足误差容忍度，即 min|x|1s.t.|y-x| 或达到最大迭代数 Tmax时停止。 0024 所述的运用内点法进行部分重构包括以下步骤： 0025 1）令 T T+1，通过计算搜索方向 (x,u)，其中 H 是海森矩。

15、阵， g 是当前 (x,u) 的梯度； 0026 2）计算步长 s， s 为向量 /|2T(x-y)| 中的最小元素； 0027 3）更新 (x,u) (x,u)+s(x,u) ； 0028 4）计算收敛误差 u ；说明书 CN 103974284 A 4 3/5 页 5 0029 5）重复步骤 1）至步骤 4），迭代运行到更新后的迭代次数 T 时强制停止。 0030 本发明有益效果在于：将部分重构的思想应用于基于最小 l1范数求解的内点法，提出了一种基于部分重构的频谱感知方法。本发明根据采样值，经过多次迭代运算，逐步调整，区别于传统的不进行调整的重构方。

16、法。使用的迭代次数不是固定的，随着重构后子信道的能量而改变。如果能量大，则降低迭代次数；能量小则增加迭代次数。本发明可以运用在稀疏度未知，甚至是稀疏度变化的宽带频谱场景中，而且在保证检测精度的情况下降低了运算时间，提高了检测的实时性。附图说明 0031 图 1（a）为一个 CR 宽带频谱感知场景原始观测序列图形。 0032 图 1（b）为一个 CR 宽带频谱感知场景运用内点法迭代 25 次完全重构后的序列图形。 0033 图 1（c）为一个 CR 宽带频谱感知场景迭代 12 次部分重构图形。 0034 图 1（d）为一个 CR 宽带频谱感知场景迭代 6 次部分。

17、重构图形。 0035 图 2 为本发明运用于图 1 场景中迭代次数随检测周期的变化。 0036 图 3 为在 100 个检测周期中本发明同完全重构再检测所用时间的比较。具体实施方式 0037 下面结合附图对本发明作进一步说明。 0038 本发明的核心思想在于：将压缩采样技术与认知无线电中针对宽带频谱的感知相结合。采用部分重构的方法对基于最小 l 1范数求解的内点法进行改进。令其迭代次数随着重构后子信道的能量而改变。本发明不仅可以应用于稀疏度恒定的宽带频谱环境中，在稀疏度时变的情况下也可以取得良好的检测效果。在保证精度的前提下，本发明可以降低运算时间，提高检测实时性。 003。

18、9 在认知无线网络中，频谱感知的任务是在保护主用户的前提下实现动态频谱接入，认知用户需要在每个采样周期内进行检测来判断该频段内是否存在主用户。为了减少感知节点的数据采集和存储，每个认知用户都采用模拟 / 信息转换器对宽带模拟信号直接进行信息获取。本发明讨论在不完全重构原信号的情况下，用部分重构后子信道的能量与门限值比较，由此对两种假设进行检验，做出判决。目标频段频谱压缩检测模型可以表示为： y x。 0040 对应于主用户不存在和存在两种情况，两种假设分别如下： 0041 H0:x 0042 H1:x +s 0043 其中 s s(0),.,s(N-1)T与 (0)。

19、,.,(N-1)T分别是某个信道内随机稀疏信号与噪声的抽样值序列，且 s 与之间相互独立。M 为抽样点数，为 MN 维观测矩阵。 0044 当满足有限等距约束限制时， s 可以被重构。其求解的模型为： 0045 min|x|1s.t.|y-x| 0046 或写作无约束问题：说明书 CN 103974284 A 5 4/5 页 6 0047 min|y-x|+|x|1 0048 对上述两个表达式求解的方法统称为基追踪降噪法（BPDN）。参数或的作用是用来控制稀疏性与允许误差之间的平衡，力求保证信号误差最小的同时尽可能使得信号的表示最稀疏。同其它的重构算法相比，。

20、 BPDN 算法对高斯白噪声的去噪效果比较好。但是， BPDN 法的复杂度非常高。其要求采样个数 M 满足 M cK， c log2(N/K+1)，时间复杂度为 O(N3)。本发明应用于稀疏度未知的场景， M 取上界。 0049 由上述描述可知 BPDN 其实质是一个最优化原理。注意到同样是带约束的最优化问题，线性规划（LP， Linear Program）的标准形式为： 0050 mincTxs.t.Ax=b 0051 其中，变量cTx 是目标函数， Ax=b 是等式约束。显然，表达式 min|x|1s. t.|y-x| 和表达式 mincTxs.t.Ax=b 可以相互。

21、转换。因此解线性规划的方法可以用来解决 BPDN 问题。 0052 单纯形法是解决线性规划的通用方法。其理论依据是，若线性规划问题的可行域存在（约束条件之间不存在矛盾），则可行域是向量空间 RN中的凸集。顶点所对应的可行解成为基本可行解。线性规划问题的最优值如果存在，则最优解必在该凸集的某顶点处达到。单纯形法的思路是：先找出一个基本可行解，计算该顶点处的目标函数值，看是否是最优解；若不是，比较周围相邻顶点的目标函数值，转到更小的那个顶点上，并重复这一过程。在单纯形法中，仅搜索相邻顶点，每步迭代的计算量很小，但是需要访问很多顶点才能找到最优解。在最。

22、坏情况下可能需要访问所有非最优的顶点。为了减少迭代步数，众学者提出了内点法，其替代的方法是在可行域内部沿着 “最短路” 移动，即下一次迭代时沿着使目标函数值取得最小值的最快方向。 0053 根据本发明的方法，首先运用内点法，根据采样序列对原信道的信号进行完全重构，具体实施步骤有： 0054 输入：误差容忍度，最大迭代次数 Tmax； 0055 初始化：当前迭代次数 T 0， x 0，定义一个比较大的数，记为，要求 |2Ty|； 0056 重构运算： 0057 令 T T+1 ； 0058 通过 0059 0060 计算搜索方向 (x,u)，其中 H 是。

23、海森矩阵， g 是当前 (x,u) 的梯度； 0061 计算步长 s， s 为向量 /|2T(x-y)| 中的最小元素； 0062 更新 (x,u) (x,u)+s(x,u) ； 0063 计算收敛误差 u， 0064 重复重构运算直到满足误差要求或达到最大迭代数则停止并输出结果，同时记录下所用迭代次数 T。 0065 内点法在每步迭代中为了找到最好的移动方向通常需要考虑所有的可行方向。换说明书 CN 103974284 A 6 5/5 页 7 言之，相较于单纯形法，内点法以每次迭代中较大的计算量换取迭代次数的减少。而实际在频谱感知中，通过在迭代过程中得到的可行解就能。

24、正确检测出主用户是否存。说明书附图1 简单假设了一个 CR 宽带频谱感知场景，包含 50 个互不交叠的子信道，每个信道用 10 个数表示，选择3个子信道被占用且频谱幅值衡为1。信噪比为10dB。图1a是原始观测序列，即 y，图 1b 是运用内点法完全重构后的序列，迭代次数为 25，图 1c 和图 1d 都是部分重构的结果。其中图 1c 图迭代次数为 12，图 1d 为 6。显然，完全迭代后得到的重构信号比较准确，随着迭代次数的减少，重构的效果也越来越差。但这并不意味着会影响检测结果的准确性。实际上，在后两张图，通过肉眼仍可以辨别出哪些信道被占用。即使是部。

25、分重构，被主用户占用的子信道其能量也远远大于空信道的能量。 0066 更新TT-1，并计算各个子信道的能量，选择最大的记为Jmax，最小的记为Jmin。定义门限值 Gmma 0.5(Jmax-Jmin)，该门限值将在之后的检测中被运用。录大于门限值 Gmma 的信道个数及子信号的编号，回馈给认知用户；认为这些信道中存在主用户，认知用户不能占用； 0067 在第二个检测周期内，认知用户再次对频谱进行检测并将投影后的结果传输给融合中心。中心运用内点法进行部分重构但是当迭代次数到达更新后的 T 时强制停止。计算重构后各个信道的能量值，与 Gmma 比较并作出判断。

26、； 0068 依然是在该周期，分析子信道的能量。若存在子信道的能量大于 2Gmma，则更新 T T+1 ；若存在两个子信道能量值之差小于 1.5Gmma，同样 T T+1 ；否则 T T-1。 0069 之后的检测周期操作与第二个检测周期一样，总结来说依照下述步骤进行。 0070 1、根据上一个检测周期更新的迭代次数进行部分重构； 0071 2、根据部分重构后的结果计算各个子信道能量； 0072 3、与门限值比较并作出判决； 0073 4、更新迭代次数。 0074 根据对本发明的说明，和说明书附图 2、 3，本领域的技术人员应该不难看出，本发明可以被应用于认知。

27、无线电的宽带频谱检测中。根据信道环境和精度要求，自适应调整迭代次数。本发明不仅可以运用在稀疏度未知，甚至是稀疏度变化的宽带频谱场景中，而且在保证检测精度的情况下降低运算时间，提高检测的实时性。具有广泛的适用范围。 0075 本发明具体应用途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进，这些改进也应视为本发明的保护范围。本发明申请书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。说明书 CN 103974284 A 7 1/3 页 8 图 1(a) 图 1(b) 图 1(c) 图 1(d) 说明书附图 CN 103974284 A 8 2/3 页 9 图 2 说明书附图 CN 103974284 A 9 3/3 页 10 图 3 说明书附图 CN 103974284 A 10 。

展开阅读全文