【技术实现步骤摘要】
本专利技术属于信号处理，具体涉及一种基于混合图变换的认知无线电频谱感知方法、介质及设备。
技术介绍
1、当今时代，伴随着通信技术的革新和无线设备数量的激增，频谱资源的稀缺性问题日益凸显。传统的静态频谱分配方法未能充分利用有限的频谱资源，且会产尘频谱空穴。动态频谱接入(dynamic spectrumaccess，dsa)作为提升频谱资源利用效率和减少频谱资源浪费的新方式应运而生。在dsa框架下，认知无线电(cognitive radio，cr)技术允许从用户(secondary user,su)在不干扰主用户(primary user,pu)通信的前提下使用空闲的已授权频段，以此充分利用现有的频谱资源。
2、频谱感知技术是认知无线电系统实现有效工作的前提和基础，其核心任务在于检测pu信道是否被占用，即检测频谱空穴，以便su使用。现有的频谱感知算法主要分为两类：一类为基于模型驱动的频谱感知算法，其主要包括基于能量检测、协方差阵检测、循环平稳特征检测和匹配滤波器检测等方法；另一类为基于数据驱动的频谱感知算法，主要利用机器学习技术来完成信号检测和频谱感知。这些算法通常从信号的时域波形、频域频谱、变换域函数等不同角度提取特征。为了显著提高算法的性能，特征的区分性是不可或缺的。然而，这一要求往往意味着必须扩大观测样本的规模，相应地，这也导致了算法复杂度的增加。因此，在频谱感知算法的设计中，算法复杂度与特征区分性之间存在一种权衡。
3、为应对这一挑战，近年来新兴的图域频谱感知算法提供了解决方案。该算法通过将信号样本映
技术实现思路
1、本专利技术针对现有技术中的不足，提供一种基于混合图变换的认知无线电频谱感知方法、介质及设备。
2、为实现上述目的，本专利技术采用以下技术方案：
3、基于混合图变换的认知无线电频谱感知方法，其特征在于，包括如下步骤：
4、获取观测信号，计算观测信号的功率谱，对功率谱进行非线性归一化处理和均匀量化处理后，图映射得到图ga，对图ga的aa谱进行特征分解得到所有特征值，对特征值进行排序得到特征值向量a；
5、计算观测信号的自相关函数，对自相关函数进行线性归一化处理和均匀量化处理后，图映射得到图gb，对图gb的aα谱进行特征分解得到所有特征值，对特征值进行排序得到特征值向量b；
6、对特征值向量a和特征值向量b做内积聚合运算，得到检测统计量f；
7、将检测统计量f与设定门限进行比较，判断观测信号中是否存在主用户信号。
8、为优化上述技术方案，采取的具体措施还包括：
9、进一步地，所述计算观测信号的功率谱是对观测信号x(n)做n点傅立叶变换并取模，得到功率谱r(k)为：
10、
11、式中，n是信号样本个数，k为功率谱的序号。
12、进一步地，所述对功率谱进行非线性归一化处理和均匀量化处理后，图映射得到图ga，具体为：
13、1)将功率谱r(k)经过sigmoid函数以后逐一映射到[0，1]区间内，得到序列y(k)：
14、2)对序列y(k)进行均匀量化得到序列q(k)：
15、
16、式中，μ表示量化级数，n0表示最大量化级数；
17、3)将q(k)映射为无向无权图结构ga＝{ea，va}，ea和va分别表示图的边集和顶点集；其中图的顶点vμ与量化区间[0，1]内量化级的映射规则为：
18、
19、根据映射规则建立图的顶点集根据顶点之间的关系建立边集ea＝{eα，β|vα∈v，vβ∈v}，其中q(k)对应的顶点为vα，q(k+h)对应的顶点vβ，h为步长，且1≤h≤n0-1，当vα≠vβ时，表示这两个顶点之间存在边eα，β，记作1；否则，记作0。
20、进一步地，所述对图ga的aα谱进行特征分解得到所有特征值，对特征值进行排序得到特征值向量a，具体为：
21、计算图ga的邻接矩阵a(ga)：
22、
23、计算图ga的度矩阵d(ga)：
24、
25、式中，顶点vδ的度定义为
26、根据aα(ga)＝αa(ga)+(1-α)d(ga)求得图ga的aα谱为：
27、
28、式中，α为(0，1)之间的系数；
29、对aα(ga)矩阵进行特征分解得到所有特征值，按照由小到大的顺序排列，得到特征值向量特征值
30、进一步地，所述计算观测信号的自相关函数是先对观测信号x(n)作去均值处理，获取零均值的观测信号r(n)，再计算r(n)的自相关函数x(m)：
31、
32、式中，m是自相关函数的自变量。
33、进一步地，所述对自相关函数进行线性归一化处理和均匀量化处理后，图映射得到图gb，具体为：
34、1)对自相关函数x(m)作最大最小线性归一化，得到归一化序列u(m)；
35、2)对序列u(m)进行均匀量化得到序列ζ(m)：
36、
37、式中，μ表示量化级数，n0表示最大量化级数；
38、3)将ζ(m)映射为无向无权图结构gb＝{eb，vb}，eb和vb分别表示图的边集和顶点集；其中图的顶点vμ与量化区间[0，1]内量化级的映射规则为：
39、
40、根据映射规则建立图的顶点集根据顶点之间的关系建立边集eb＝{eα，β|vα∈v，vβ∈v}，其中ζ(m)对应的顶点为va，ζ(m+h)对应的顶点vβ，h为步长，且1≤h≤n0-1，当vα≠vβ时，表示这两个顶点之间存在边eα，β，记作1；否则，记作0。
41、进一步地，所述对图gb的aα谱进行特征分解得到所有特征值，对特征值进行排序得到特征值向量b，具体为：
42、计算图gb的邻接矩阵a(gb)：
43、
44、计算图gb的度矩阵d(gb)：
45、
46、式中，顶点vδ的度定义为
47、根据aα(gb)＝αa(gb)+(1-α)d(gb)求得图gb的aα谱为：
48、
49、式中，α为(0，1)之间的系数；
50、对aα(gb)矩阵进本文档来自技高网...
【技术保护点】
1.基于混合图变换的认知无线电频谱感知方法，其特征在于，包括如下步骤：
2.如权利要求1所述的基于混合图变换的认知无线电频谱感知方法，其特征在于：所述计算观测信号的功率谱是对观测信号x(n)做N点傅立叶变换并取模，得到功率谱R(k)为：
3.如权利要求1所述的基于混合图变换的认知无线电频谱感知方法，其特征在于：所述对功率谱进行非线性归一化处理和均匀量化处理后，图映射得到图Ga，具体为：
4.如权利要求3所述的基于混合图变换的认知无线电频谱感知方法，其特征在于：所述对图Ga的Aα谱进行特征分解得到所有特征值，对特征值进行排序得到特征值向量a，具体为：
5.如权利要求1所述的基于混合图变换的认知无线电频谱感知方法，其特征在于：所述计算观测信号的自相关函数是先对观测信号x(n)作去均值处理，获取零均值的观测信号r(n)，再计算r(n)的自相关函数X(m)：
6.如权利要求1所述的基于混合图变换的认知无线电频谱感知方法，其特征在于：所述对自相关函数进行线性归一化处理和均匀量化处理后，图映射得到图Gb，具体为：
7.如
8.如权利要求1所述的基于混合图变换的认知无线电频谱感知方法，其特征在于：所述设定门限通过ROC曲线来获得，设定虚警率为0.001时，对应的门限值为设定门限η；若F≥η，则观测信号中存在主用户信号；否则，观测信号中不存在主用户信号。
9.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序使计算机执行如权利要求1-8任一项所述的基于混合图变换的认知无线电频谱感知方法。
10.一种电子设备，其特征在于，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行计算机程序时，实现如权利要求1-8任一项所述的基于混合图变换的认知无线电频谱感知方法。
...【技术特征摘要】
1.基于混合图变换的认知无线电频谱感知方法，其特征在于，包括如下步骤：
2.如权利要求1所述的基于混合图变换的认知无线电频谱感知方法，其特征在于：所述计算观测信号的功率谱是对观测信号x(n)做n点傅立叶变换并取模，得到功率谱r(k)为：
3.如权利要求1所述的基于混合图变换的认知无线电频谱感知方法，其特征在于：所述对功率谱进行非线性归一化处理和均匀量化处理后，图映射得到图ga，具体为：
4.如权利要求3所述的基于混合图变换的认知无线电频谱感知方法，其特征在于：所述对图ga的aα谱进行特征分解得到所有特征值，对特征值进行排序得到特征值向量a，具体为：
5.如权利要求1所述的基于混合图变换的认知无线电频谱感知方法，其特征在于：所述计算观测信号的自相关函数是先对观测信号x(n)作去均值处理，获取零均值的观测信号r(n)，再计算r(n)的自相关函数x(m)：
6.如权利要求1所述的基于混合图变换的认知无线电频谱感知方法，其特征...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。