[發(fā)明專利]一種協(xié)作頻譜感知方法及相關(guān)裝置在審
| 申請?zhí)枺?/td> | 201810474358.6 | 申請日: | 2018-05-17 |
| 公開(公告)號: | CN108768563A | 公開(公告)日: | 2018-11-06 |
| 發(fā)明(設(shè)計)人: | 孫晨皓;王永華;萬頻;袁漢濤;杜藝期 | 申請(專利權(quán))人: | 廣東工業(yè)大學(xué) |
| 主分類號: | H04B17/382 | 分類號: | H04B17/382 |
| 代理公司: | 北京集佳知識產(chǎn)權(quán)代理有限公司 11227 | 代理人: | 羅滿 |
| 地址: | 510060 廣東*** | 國省代碼: | 廣東;44 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 矩陣 已知信號 協(xié)作頻譜感知 協(xié)方差矩陣 分類模型 成分信號 頻譜感知 維數(shù) 計算機可讀存儲介質(zhì) 主成分分析處理 主成分分析 降低噪聲 特征判斷 特征提取 相關(guān)裝置 向量表示 申請 | ||
1.一種協(xié)作頻譜感知方法,其特征在于,包括:
對已知信號矩陣進行協(xié)方差矩陣計算得到對應(yīng)的協(xié)方差矩陣,根據(jù)所述協(xié)方差矩陣進行主成分分析處理,得到最大主成分信號矩陣;
對所述最大主成分信號矩陣進行協(xié)方差矩陣計算得到所述最大主成分信號矩陣的協(xié)方差矩陣,對所述最大主成分信號矩陣的協(xié)方差矩陣進行特征提取處理,得到主成分矩陣特征;
根據(jù)聚類算法對所述主成分矩陣特征進行分類,根據(jù)分類結(jié)果進行模型訓(xùn)練,得到分類模型;
當(dāng)接收到未知信號時,根據(jù)所述分類模型對未知信號進行分類。
2.根據(jù)權(quán)利要求1所述的協(xié)作頻譜感知方法,其特征在于,對已知信號矩陣進行協(xié)方差矩陣計算得到對應(yīng)的協(xié)方差矩陣,根據(jù)所述協(xié)方差矩陣進行主成分分析處理,得到最大主成分信號矩陣,包括:
對已知信號矩陣進行協(xié)方差矩陣計算得到所述已知信號矩陣的協(xié)方差矩陣;
根據(jù)所述已知信號矩陣的協(xié)方差矩陣進行主成分分析處理,得到多個主成分對應(yīng)的特征向量;
采用主成分最大的特征向量對所述已知信號矩陣進行映射處理,得到所述最大主成分信號矩陣。
3.根據(jù)權(quán)利要求2所述的協(xié)作頻譜感知方法,其特征在于,對所述最大主成分信號矩陣進行協(xié)方差矩陣計算得到所述最大主成分信號矩陣的協(xié)方差矩陣,對所述最大主成分信號矩陣的協(xié)方差矩陣進行特征提取處理,得到主成分矩陣特征,包括:
對所述最大主成分信號矩陣進行協(xié)方差矩陣計算得到所述最大主成分信號矩陣的協(xié)方差矩陣;
對所述最大主成分信號矩陣的協(xié)方差矩陣進行特征提取計算,得到最大特征值與平均特征值的差值和比值;
將所述最大特征值與所述平均特征值的差值和比值作為所述主成分矩陣特征。
4.根據(jù)權(quán)利要求3所述的協(xié)作頻譜感知方法,其特征在于,根據(jù)聚類算法對所述主成分矩陣特征進行分類,根據(jù)分類結(jié)果進行模型訓(xùn)練,得到分類模型,包括:
根據(jù)K-medoids聚類算法對所述主成分矩陣特征進行分類,得到分類結(jié)果;
根據(jù)所述分類結(jié)果進行模型訓(xùn)練處理,得到分類模型。
5.一種協(xié)作頻譜感知系統(tǒng),其特征在于,包括:
主成分信號處理模塊,用于對已知信號矩陣進行協(xié)方差矩陣計算得到對應(yīng)的協(xié)方差矩陣,根據(jù)所述協(xié)方差矩陣進行主成分分析處理,得到最大主成分信號矩陣;
主成分特征提取模塊,用于對所述最大主成分信號矩陣進行協(xié)方差矩陣計算得到所述最大主成分信號矩陣的協(xié)方差矩陣,對所述最大主成分信號矩陣的協(xié)方差矩陣進行特征提取處理,得到主成分矩陣特征;
分類模型訓(xùn)練模塊,用于根據(jù)聚類算法對所述主成分矩陣特征進行分類,根據(jù)分類結(jié)果進行模型訓(xùn)練,得到分類模型;
頻譜感知模塊,用于當(dāng)接收到未知信號時,根據(jù)所述分類模型對未知信號進行分類。
6.根據(jù)權(quán)利要求5所述的協(xié)作頻譜感知系統(tǒng),其特征在于,所述主成分信號處理模塊包括:
協(xié)方差矩陣獲取單元,用于對已知信號矩陣進行協(xié)方差矩陣計算得到所述已知信號矩陣的協(xié)方差矩陣;
特征向量獲取單元,用于根據(jù)所述已知信號矩陣的協(xié)方差矩陣進行主成分分析處理,得到多個主成分對應(yīng)的特征向量;
矩陣映射單元,用于采用主成分最大的特征向量對所述已知信號矩陣進行映射處理,得到所述最大主成分信號矩陣。
7.根據(jù)權(quán)利要求6所述的協(xié)作頻譜感知系統(tǒng),其特征在于,所述主成分特征提取模塊包括:
協(xié)方差計算單元,用于對所述最大主成分信號矩陣進行協(xié)方差矩陣計算得到所述最大主成分信號矩陣的協(xié)方差矩陣;
特征值計算單元,用于對所述最大主成分信號矩陣的協(xié)方差矩陣進行特征提取計算,得到最大特征值與平均特征值的差值和比值;
矩陣特征獲取單元,用于將所述最大特征值與所述平均特征值的差值和比值作為所述主成分矩陣特征。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于廣東工業(yè)大學(xué),未經(jīng)廣東工業(yè)大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810474358.6/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 在集成電路器件中求解線性矩陣
- 矩陣計算裝置、矩陣計算方法
- 一種數(shù)據(jù)聚類的方法、裝置及Spark大數(shù)據(jù)平臺
- 適用于黑白圖片的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法以及訓(xùn)練方法
- 適用于灰度圖片的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法以及訓(xùn)練方法
- 矩陣
- 矩陣/密鑰生成裝置、矩陣/密鑰生成系統(tǒng)、矩陣結(jié)合裝置、矩陣/密鑰生成方法、程序
- 矩陣運算電路、矩陣運算裝置及矩陣運算方法
- 矩陣乘法計算方法和裝置
- 數(shù)據(jù)讀取方法、裝置、介質(zhì)和計算設(shè)備
- 與頻譜感知有關(guān)的方法和設(shè)備
- 與頻譜感知有關(guān)的方法和設(shè)備
- 協(xié)作頻譜感知的方法、設(shè)備和系統(tǒng)
- 一種基于認知無線電系統(tǒng)的協(xié)作頻譜感知方法和設(shè)備
- 一種基于瑞利商的加權(quán)協(xié)作頻譜感知方法
- 一種基于迭代篩選的多信道協(xié)作頻譜感知方法
- 一種基于優(yōu)選用戶的協(xié)作頻譜感知方法
- 一種基于無線能量的認知網(wǎng)絡(luò)分簇協(xié)作頻譜感知方法
- 基于多信道同步協(xié)作頻譜感知的寬帶認知網(wǎng)絡(luò)通信方法
- 基于動態(tài)調(diào)整的多頻段協(xié)作頻譜感知方法
- 帶有未知觀測噪聲協(xié)方差矩陣遞推估計的卡爾曼濾波方法
- 帶有未知過程噪聲協(xié)方差陣遞推估計的卡爾曼濾波方法
- 基于干擾加噪聲協(xié)方差矩陣重構(gòu)的自適應(yīng)波束形成方法
- 基于互協(xié)方差的聲矢量傳感器陣列解相干參數(shù)估計方法
- 一種基于空間功率譜匹配的協(xié)方差矩陣重構(gòu)方法
- 導(dǎo)向矢量和協(xié)方差矩陣聯(lián)合迭代的穩(wěn)健波束形成方法
- 一種基于偽數(shù)據(jù)重構(gòu)的超分辨波達角估計算法
- 基于秩一降維模型和矩陣補全的波達方向估計方法
- 一種機載STAP雜波協(xié)方差矩陣的快速重建方法
- 一種GNSS模糊度搜索方法、設(shè)備及介質(zhì)





