[發(fā)明專利]一種頻譜感知方法、裝置、設(shè)備、系統(tǒng)及存儲介質(zhì)在審
| 申請?zhí)枺?/td> | 201810989697.8 | 申請日: | 2018-08-28 |
| 公開(公告)號: | CN109039500A | 公開(公告)日: | 2018-12-18 |
| 發(fā)明(設(shè)計)人: | 李懿;萬頻;王永華;楊健;黃沛豪 | 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;H04B17/391 |
| 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: | 510006 廣東省*** | 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: | 采樣信號 頻譜感知 矩陣 降噪信號 特征向量 正交矩陣 無線電 可讀存儲介質(zhì) 頻譜感知裝置 特征值計算 協(xié)方差矩陣 存儲介質(zhì) 分類結(jié)果 降噪處理 頻譜檢測 平均能量 特征分類 分解 優(yōu)化 | ||
本發(fā)明公開了一種頻譜感知方法,包括:獲取無線電采樣信號;對采樣信號進行降噪處理,得到降噪信號;對降噪信號進行IQ分解,得到同相矩陣以及正交矩陣;根據(jù)同相矩陣以及正交矩陣的協(xié)方差矩陣的特征值計算最大特征值與平均能量值的差值,得到特征向量;對特征向量進行特征分類劃分,得到無線電采樣信號的分類結(jié)果。該方法可以提升頻譜檢測性能,優(yōu)化頻譜感知效果。本發(fā)明還公開了一種頻譜感知裝置、設(shè)備、系統(tǒng)及一種可讀存儲介質(zhì),具有上述有益效果。
技術(shù)領(lǐng)域
本發(fā)明涉及無線電領(lǐng)域,特別涉及一種頻譜感知方法、裝置、設(shè)備、系統(tǒng)及一種可讀存儲介質(zhì)。
背景技術(shù)
由于無線網(wǎng)絡(luò)和無線設(shè)備的迅猛發(fā)展,原先的固定的頻譜分配政策表現(xiàn)出了明顯的的劣勢。而認知無線電(Cognitive Radio,CR)技術(shù),能在不影響授權(quán)用戶(PrimaryUser,PU)的前提下,充分利用空閑的頻段,緩解了頻譜資源短缺的問題,成為了解決頻譜資源短缺而導(dǎo)致的分配政策問題的有前景的技術(shù)。
認知無線電技術(shù)的關(guān)鍵問題就是頻譜感知。傳統(tǒng)的頻譜感知技術(shù)包括經(jīng)典能量檢測、循環(huán)平穩(wěn)檢測、匹配濾波。其中循環(huán)平穩(wěn)檢測精度高,可以區(qū)分信號調(diào)制方式,但要求主用戶具有循環(huán)平穩(wěn)特征,只適用于特定的場合。匹配濾波精度高,時間短,但計算復(fù)雜度高,而且只適用于CR節(jié)點知道先驗信息的場合。經(jīng)典能量檢測不需要先驗信息,需要預(yù)設(shè)判決門限,門限比較難確定;易受噪聲的影響,在低信噪比環(huán)境和噪聲不確定的環(huán)境下,易產(chǎn)生誤判從而導(dǎo)致檢測性能急劇下降,檢測時間長。
因此,如何提升頻譜檢測性能,優(yōu)化頻譜感知效果,是本領(lǐng)域技術(shù)人員需要解決的技術(shù)問題。
發(fā)明內(nèi)容
本發(fā)明的目的是提供一種頻譜感知方法,該方法可以提升頻譜檢測性能,優(yōu)化頻譜感知效果;本發(fā)明的另一目的是提供一種頻譜感知裝置、設(shè)備、系統(tǒng)及一種可讀存儲介質(zhì),具有上述有益效果。
本發(fā)明提供一種頻譜感知方法,包括:
獲取無線電采樣信號;
對所述采樣信號進行降噪處理,得到降噪信號;
對所述降噪信號進行IQ分解,得到同相矩陣以及正交矩陣;
根據(jù)所述同相矩陣以及所述正交矩陣的協(xié)方差矩陣的特征值計算最大特征值與平均能量值的差值,得到特征向量;
對所述特征向量進行特征分類劃分,得到所述無線電采樣信號的分類結(jié)果。
優(yōu)選地,所述對所述采樣信號進行降噪處理包括:
通過EMD經(jīng)驗?zāi)B(tài)分解方法對所述采樣信號進行信號分解,并對分解后的信號進行本征模函數(shù)信號提取,得到降噪信號。
優(yōu)選地,對所述特征向量進行特征分類劃分包括:
對獲取的若干特征向量構(gòu)造矩陣,得到特征矩陣;
將所述特征矩陣輸入至頻譜分類模型,得到分類結(jié)果;其中,所述頻譜分類模型為根據(jù)樣本特征矩陣訓(xùn)練得到的高斯混合聚類模型。
優(yōu)選地,所述頻譜分類模型的參數(shù)優(yōu)化方法包括:
根據(jù)極大似然估計以及期望最大化EM算法對模型參數(shù)進行迭代優(yōu)化。
優(yōu)選地,所述頻譜感知方法,其特征在于,還包括:
對所述分類結(jié)果計算虛警概率以及檢測概率;
根據(jù)計算得到的虛警概率以及檢測概率進行感知性能分析。
本發(fā)明公開一種頻譜感知裝置,包括:
采樣信號獲取單元,用于獲取無線電采樣信號;
降噪處理單元,用于對所述采樣信號進行降噪處理,得到降噪信號;
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/201810989697.8/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 部分協(xié)作頻譜感知的方法和系統(tǒng)
- 頻譜感知方法、頻譜感知設(shè)備和數(shù)據(jù)庫
- 一種認知無線電系統(tǒng)中的頻譜感知方法和系統(tǒng)
- 一種異構(gòu)網(wǎng)絡(luò)中頻譜感知數(shù)據(jù)的處理方法及裝置
- 一種獲取可用頻譜資源的方法及系統(tǒng)
- 一種基于數(shù)據(jù)凈化的群智協(xié)同頻譜感知方法
- 基于認知數(shù)據(jù)庫和頻譜感知的頻譜共享方法及裝置
- 結(jié)合頻譜數(shù)據(jù)庫和頻譜檢測的電視白頻譜感知方法
- 基于區(qū)塊鏈下感知收益分配的認知無線電系統(tǒng)及方法
- 一種基于游戲策略的區(qū)塊鏈下的頻譜感知方法及系統(tǒng)
- 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





