一种无线认知网络全局频谱信息协作感知方法技术

本发明专利技术公开了一种无线认知网络全局频谱信息协作感知方法，利用基于变分贝叶斯推断技术的迭代算法，快速求解指定的无阴影衰落地域内的主用户信号的全局功率谱模型系数向量的概率密度函数近似值，然后根据最大后验概率准则得到各主用户发射机的位置坐标、占用频段和各占用频点上信号功率三种信息的最优值，由此得到指定区域内全局频谱分布图，获得频谱在时间、空间、频谱上的多维信息，使得从用户网络可以高效复用空闲频谱。

【技术实现步骤摘要】

本专利技术属于无线通信领域，尤其涉及一种无线认知网络全局频谱信息协作感知方 法。
技术介绍
随着无线通信技术的高速发展与广泛应用，有限的频谱和低效僵化的频谱分配策 略使得无线频谱资源日益匮乏。在一定区域内，动态地使用空闲已授权频段的认知无线电 (CognitiveRadio,CR)技术正是为了解决上述问题而提出的。其降低或避免了主从网络 间的干扰，提高了主从网络的总体容量，并且大幅改善了现有频谱资源的利用效率，现已经 成为下一代无线通信系统的关键技术之一。目前无线认知网络中现有的协作感知技术通常利用采样点在时间、空间上的独立 性或不相关性，以提高检测成功概率，但其一般难以实时获得整个网络覆盖范围中受主用 户影响区域的信息，以及频谱空洞分布在时间、空间、频率等多维度上的全局信息，结果导 致无法实现从用户网络对空闲频谱的高效利用。而新近出现的全局频谱分布图检测技术是 一种利用指定的无阴影衰落地域内信号初始测量信息求解出发射机所处位置、占用频段和 各占用频点上信号功率，由此得出该地域内功率谱密度分布图的新型技术。基于其设计的 无线认知网络全局频谱信息协作感知方法可利用多个从用户节点进行协作感知，以在融合 中心描绘出主用户功率谱密度在空间和频率上的分布图。其获得的主用户位置信息及频谱 分布信息，使得从用户可以高效复用空闲频谱。 这种无线认知网络全局频谱信息协作感知方法目前主要利用系统中存在的稀疏 性，米用最小绝对值對缩选择算子（LeastAbsoluteShrinkageandSelectionOperator， Lasso)算法对任意频率和位置的简化功率谱基扩展模型进行估计，以得到主用户发射机所 处位置和频段。但是基于Lasso算法的协作感知方法是一种点估计方法，其只能给出主用 户发射机所处位置、频段和各占用频点上信号功率的最优值，而不能得到其相应的后验概 率密度函数。而且基于Lasso算法的协作感知方法在实际应用中也会受到局部浅极小值的 影响，经常得不到真实最优值。此外，无线认知网络需要尽可能快速地确定主用户发射机位 置和频段，而基于Lasso算法的协作感知方法需要对正则化因子进行额外计算，影响了其 计算速度。
技术实现思路
专利技术目的：本专利技术的目的在于利用变分贝叶斯推断技术，提出一种新型的无线认 知网络全局频谱信息协作感知方法，以给出主用户发射机所处位置、频段和所处频段上信 号功率的最优值，由此得到指定的无阴影衰落区域内全局频谱分布图，获得频谱在时间、空 间、频谱上的多维信息，从而实现从用户网络对空闲频谱的高效利用。技术方案：本专利技术提供的，包括如 下步骤： 1)从节点接收主用户信号； 2)求解接收到的主用户信号功率谱平均估计值； 指定的无阴影衰落地域内从用户网络中每个节点对接收到的主用户信号进行采 样，然后分别对每个相干时间内的N个采样进行功率谱估计，得到该相干时间i'内接收信 号功率谱的估计值/，并将其发送给融合中心；融合中心对每个从节点发送的估 计值按不同相干时间进行统计平均，求得该从节点在当前时间i的接收信号功率谱平均估 3)构建虚拟网络模型，获得主用户的候选坐标； 假设指定地域内有N。个从节点，每个从节点利用GPS技术获得自身准确的坐标， 并发送给融合中心，从而得到从节点坐标集合扠融合中心利用其构建出所示的虚拟 网络模型，将此模型中的Ns个位置点都做为主用户的候选坐标，从而得到候选坐标集合 4)构建主用户信号全局功率谱模型； 首先融合中心利用一系列的非重叠的单位矩阵bv(f)作为基函数，构建主用户信 号功率谱Ps (f)的基扩展近似模型C(/)=乙二〃、，(./_)，其中9sv是各基函数对应的权值， Nb是模型中基函数的总数；然后利用该基扩展近似模型和前两步获得的不同从节点接收信 号功率谱的平均估计值、虚拟网络模型中的主用户候选坐标集合，构建从用户系统的接收 信号的全局功率谱模型；其相应的数学表达式为? =B' 0' +e，其中?是由队个从用 户的功率谱平均估计值，按顺序构成的N，1的向量，= 1? ?]是预测矩阵，其中矩阵B 中的元素是候选坐标到从用户间的信道增益和基函数的乘积；0' =T是模型系数 向量，其中参数9表示主用户发射机在不同位置和频段上的信号功率；e是模型的误差向 量； 5)求全局频谱分布图，高效利用空闲频谱； 首先根据全局功率谱模型是高斯线性回归结构的特点，融合中心利用变分贝叶斯用该近似值得到各主用户所处位置坐标、每个主用户占用频段和各占用频点上的信号功率 三部分信息的最优值，由此融合中心可以得到指定区域内全局频谱分布图，从而获得主用 户频谱在时间、空间、频段上的多维分布信息，使得从用户网络可以高效复用空闲频谱。 本专利技术所设计的变分贝叶斯推断的迭代算法具体包括如下步骤：步骤1 :输入功率谱平均估计值矩阵?、预测矩阵B'，并设置判决阈值G和 迭代次数j= 1，以及各超验参数及超验参数向量中元素的初始值為= =L :',..(0) = ".,(〇) =丨；步骤2:利用超验参数值以及平均估计值矩阵?，计算0 '近似概率密度函方差矩阵的估计值i中的对角线元素；并跳转到步骤2重新计算。 有益效果：本专利技术基于变分贝叶斯推断技术的迭代算法，能够快速求解全局功率 谱模型系数向量的概率密度函数近似值，并不受局部浅极小值的影响，结果更为准确。由 此得到的指定的无阴影衰落区域内全局频谱分布图，使得从用户网络可以高效复用空闲频 谱。【附图说明】 图1为本专利技术全局频谱信息协作感知方法流程示意框图； 图2为本专利技术虚拟网络模型； 图3为本专利技术基扩展近似模型； 图4为本专利技术基于变分贝叶斯推断的迭代算法流程图。【具体实施方式】 本专利技术利用基于变分贝叶斯推断技术的迭代算法，快速求解出指定的无阴影衰落 地域内主用户信号的全局功率谱模型系数向量的概率密度函数近似值，然后根据最大后验 概率准则得到各主用户发射机的位置坐标、占用频段和各占用频点上信号功率三种信息的 最优值，由此得到指定区域内全局频谱分布图，获得频谱在时间、空间、频谱上的多维信息， 使得从用户网络可以高效复用空闲频谱。本专利技术的具体工作流程如图1所示，包括如下步 骤： 步骤1 :从节点接收主用户信号。 步骤2 :求解接收到的主用户信号功率谱平均估计值。 指定的无阴影衰落地域内从用户网络中每个节点对接收到的主用户信号进行采 样，然后分别对每个相干时间内的N个采样进行功率谱估计，得到该相干时间i'内接收信 号功率谱的估计，并将其发送给融合中心；融合中心当前第1页1 2 本文档来自技高网...

【技术保护点】
一种无线认知网络全局频谱信息协作感知方法，其特征在于，包括如下步骤：1)从节点接收主用户信号；2)求解接收到的主用户信号功率谱平均估计值；指定的无阴影衰落地域内从用户网络中每个节点对接收到的主用户信号进行采样，然后分别对每个相干时间内的N个采样进行功率谱估计，得到该相干时间i′内接收信号功率谱的估计值并将其发送给融合中心；融合中心对每个从节点发送的估计值按不同相干时间进行统计平均，求得该从节点在当前时间i的接收信号功率谱平均估计值P~receive(f;i)=(1/i)Σi′=0i-1P~receive′(f;i′);]]>3)构建虚拟网络模型，获得主用户的候选坐标；假设指定地域内有Nc个从节点，每个从节点利用GPS技术获得自身准确的坐标，并发送给融合中心，从而得到从节点坐标集合融合中心利用其构建出所示的虚拟网络模型，将此模型中的Ns个位置点都做为主用户的候选坐标，从而得到候选坐标集合4)构建主用户信号全局功率谱模型；首先融合中心利用一系列的非重叠的单位矩阵bv(f)作为基函数，构建主用户信号功率谱Ps(f)的基扩展近似模型其中θsv是各基函数对应的权值，Nb是模型中基函数的总数；然后利用该基扩展近似模型和前两步获得的不同从节点接收信号功率谱的平均估计值、虚拟网络模型中的主用户候选坐标集合，构建从用户系统的接收信号的全局功率谱模型；其相应的数学表达式为Φ＝B′θ′+ε，其中Φ是由Nr个从用户的功率谱平均估计值，按顺序构成的NrN*1的向量；是预测矩阵，其中矩阵B中的元素是候选坐标到从用户间的信道增益和基函数的乘积；θ′＝[θ σ]T是模型系数向量，其中参数θ表示主用户发射机在不同位置和频段上的信号功率；ε是模型的误差向量；5)求全局频谱分布图，高效利用空闲频谱；首先根据全局功率谱模型是高斯线性回归结构的特点，融合中心利用变分贝叶斯推断法迭代算法求出模型系数向量θ′的后验概率密度函数近似值其中是向量θ′的均值，是其方差；然后根据参数θ的物理意义和最大后验概率准则，利用该近似值得到各主用户所处位置坐标、每个主用户占用频段和各占用频点上的信号功率三部分信息的最优值,由此融合中心可以得到指定区域内全局频谱分布图，从而获得主用户频谱在时间、空间、频段上的多维分布信息，使得从用户网络可以高效复用空闲频谱。...

【技术特征摘要】
...

【专利技术属性】
技术研发人员：宋铁成，吴名，胡静，张雷，夏玮玮，沈连丰，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32