[發(fā)明專利]基于支持向量機的寬帶頻譜壓縮感知方法

有效

• 申請?zhí)枺?/td>: 201410010588.9
• 申請日: 2014-01-09
• 公開（公告）號: CN103795477A
• 公開（公告）日: 2014-05-14
• 發(fā)明（設計）人: 呂斌;楊震
• 申請（專利權(quán)）人: 南京郵電大學
• 主分類號: H04B17/00
• 分類號: H04B17/00;H04W16/14
• 代理公司: 南京知識律師事務所 32207
• 代理人: 汪旭東

技術(shù)領(lǐng)域

本發(fā)明涉及計算機通信技術(shù)領(lǐng)域，特別涉及一種基于支持向量機的寬帶頻譜壓縮感知方法。

背景技術(shù)

目前，隨著我國無線通信業(yè)務領(lǐng)域的廣泛發(fā)展，頻譜資源日趨匱乏，其主要原因是現(xiàn)有無線通信系統(tǒng)均采用低效率的固定信道分配策略。認知無線電的提出可以有效解決該問題，它允許認知用戶在不影響授權(quán)用戶正常通信的前提下共享該頻段。

頻譜感知技術(shù)是認知無線網(wǎng)絡設計的重要基礎(chǔ)環(huán)節(jié)，只有實時快捷的了解主用戶對頻譜使用的情況，才能在不對其造成額外干擾的情況下實現(xiàn)無線頻譜的二次利用、提高無線頻譜利用率。

壓縮感知是一門新興技術(shù)，它利用了稀疏信號的自相關(guān)特性，使用少量的投影來還原信號。這些投影的地位是等價的，因而在傳輸中丟失若干不會造成嚴重后果。與傳統(tǒng)思路的高采樣速率相比，壓縮感知只簡單采集一部分數(shù)據(jù)（而非全部數(shù)據(jù)），將復雜的處理部分交給數(shù)據(jù)還原端來做，在盡量少的數(shù)據(jù)中提取盡量多的信息，大大降低了需要的采樣速率。

壓縮感知技術(shù)是傳統(tǒng)信息論的一個延伸，卻又為信號采集技術(shù)帶來了革命性的突破，它采用非自適應線性投影來保持信號的原始結(jié)構(gòu)，以遠低于奈奎斯特頻率采樣信號，通過數(shù)值最優(yōu)化問題準確重構(gòu)。

但是壓縮感知重建算法是NP-hard問題，計算復雜度高，需要考慮個子空間的聯(lián)合窮舉。用l₁-最小算法來替代l₀-最小算法，可以在一定程度上降低復雜度，但是其算法復雜度也接近O(N²)（N表示信號長度）。特別對于寬帶信號重建過程耗時過長，不利于實時性應用。而本發(fā)明能很好地解決上面的問題。

發(fā)明內(nèi)容

本發(fā)明目的在于提供基于支持向量機（SVM,Support?Vector?Machine）的寬帶頻譜壓縮感知方法，該方法引入壓縮感知理論以降低對模/數(shù)轉(zhuǎn)換器的要求，利用支持向量機代替信號重構(gòu)過程，直接進行分類識別。壓縮采樣大量的已知頻譜占用情況的信號樣本，利用支持向量機進行訓練，得到分類器參數(shù)，而后利用訓練好的分類器對壓縮后的觀測序列進行頻譜占用情況判決。

本發(fā)明解決其技術(shù)問題所采取的技術(shù)方案是：本發(fā)明提供基于支持向量機（SVM,Support?Vector?Machine）的寬帶頻譜壓縮感知方法。該方法利用支持向量機代替壓縮感知中的重構(gòu)過程，通過壓縮采集大量已知頻譜占用情況的樣本，對于樣本進行數(shù)據(jù)預處理并訓練，得到分類器，利用分類器對未知頻譜段進行頻譜感知。該方法將計算復雜度從重構(gòu)過程轉(zhuǎn)移到之前分類器的訓練上來，降低了頻譜感知時間，實現(xiàn)實時頻譜感知。

本發(fā)明提供了一種基于支持向量機的寬帶頻譜壓縮感知方法，該方法包括如下步驟：

步驟1：對于已知頻譜占用情況的寬帶頻譜段利用壓縮感知進行壓縮采樣，得到大量的訓練樣本。

步驟2：對于訓練樣本進行數(shù)據(jù)預處理，即數(shù)據(jù)取絕對值，同時進行一定比例的尺度縮放。

步驟3：利用支持向量機對縮放后的訓練樣本進行訓練。該訓練既包括二元分類器訓練，即對于一整段頻段進行有無被主用戶占用的二元分類器訓練，又包括對于寬頻段多信道多個主用戶不同占用情況的多元分類器訓練，得到分類器。

步驟4：對于未知寬帶頻譜段利用壓縮感知進行壓縮采樣，使用與步驟2中相同的觀測矩陣得到測試樣本。

步驟5：將測試樣本進行數(shù)據(jù)預處理，采用同步驟2相同的方式進行數(shù)據(jù)處理。

步驟6：利用訓練好的分類器進行頻譜判決，得到頻譜占用情況。

有益效果：

1、本發(fā)明引入壓縮感知理論使系統(tǒng)能以遠低于奈奎斯特采樣速率的速率無損采樣，降低對硬件的要求。

2、本發(fā)明降低了系統(tǒng)復雜度，實現(xiàn)了實時頻譜感知，同時提高了頻譜感知的精度。

附圖說明

圖1為本發(fā)明的系統(tǒng)流程圖。

圖2為本發(fā)明的線性可分情況下的最佳分類線。

具體實施方式

下面結(jié)合說明書附圖對本發(fā)明作進一步的詳細說明。

如圖1所示，本發(fā)明的系統(tǒng)流程圖主要包括頻段信號采集、采樣信號數(shù)據(jù)預處理、分類器訓練、頻譜占用情況分類判決等四部。頻段信號采集部分，利用壓縮感知技術(shù)對已知先驗情況的寬帶信號進行采樣，得到大量的訓練數(shù)據(jù)，同樣對未知的寬帶信號進行采樣，得到測試數(shù)據(jù)。數(shù)據(jù)預處理部分，為了降低系統(tǒng)計算復雜度，同時提高訓練得到的分類器的準確性，對采樣的信號取絕對值并且進行同比例縮放。分類器訓練部分，根據(jù)具體需求進行二元、多元分類器訓練，得到判決分類器。頻譜占用情況分類判決，利用訓練好的分類器，對測試數(shù)據(jù)進行分類判決，實現(xiàn)頻譜感知的目的。