[发明专利]一种基于频谱特征的宽带频谱感知方法

权利要求书

1.一种基于频谱特征的宽带频谱感知方法，其特征在于，所述方法采用瑞利衰落信道模型，将主用户的频谱特征当做唯一的先验条件，通过比较接收信号的功率谱密度与主用户的频谱信息，求出信号功率值和频谱占用情况；

所述方法首先建立基于瑞利衰落信道的信号传输模型，其次根据主用户和接收信号的自相关函数建立函数关系，然后对信号进行压缩采样，再利用基于频谱特征的压缩感知技术，采用相关匹配策略，通过保证残差自相关函数的半正定特性，利用l₁-最小化公式推导出算法中的权值表示，最后利用加权正交匹配追踪(Weighted Orthogonal MatchingPursuit，WOMP)算法识别主用户占用的频谱，估计对应的功率值水平；

所述方法接收信号经过多陪集采样后自相关函数模型，包括：设表示主用户可能的频率位置的集合，并且令表示能包含的网格，γ_i(τ)和γ_n(τ)分别表示干扰和噪声的自相关函数，p(ω_m)是对应于主要用户的的发射功率，γ_cm(τ,ω_m)表示参考信号x_c(t)在载波频率ω_m处的参考自相关函数，定义稀疏向量p为检测函数的输出，零值直接表明在ω处不存在主用户，非零值直接表明在ω处主用户存在；

所述方法对通过瑞利信道后的信号y(t)进行压缩采样，采用的是多陪集(Multi-coset,MC)采样：给定接收的多频带信号y(t)，在一定时刻t_i(n)得到MC采样样本,其中L0是适当的整数，i＝1,2...，k，n∈Z，集合{c_i}包含从{0,1...，L-1}中选择的k个不同的整数，注意到MC采样过程被等效为经典的以块的形式进行奈奎斯特采样，从每块的L个样本中周期性保留k个样本，未丢弃的样本由集合{c_i}指定，每个序列的周期等于LT；

所述方法将z_f看做y(t)中均匀奈奎斯特采样样本的第f块，每块长度为L，多陪集采样后的总的样本数据可用Y表示，总块数为N_f，为了将采集的样本与原始奈奎斯特采样信号相关联，令y_f表示每块的采样样本，每块有k个非均匀样本，Φ∈C^k×L是一个矩阵，它的作用是从z_f中非均匀选择k个样本，Φ通过对单位矩阵I_L非均匀抽取k行实现。

2.根据权利要求1所述的一种基于频谱特征的宽带频谱感知方法，其特征在于，所述方法建立基于瑞利衰落信道的信号传输模型包括：无线信号经过单径瑞利衰落及加性高斯白噪声(additive white gaussian noise，AWGN)的干扰，到达接收机，设置如下参数：x(t)是发送信号；α(t)是无线信道的衰落因子；为导致的传输损耗；ζ(t)为瑞利衰落随机过程；n(t)为加性高斯白噪声；i(t)为干扰。

3.根据权利要求1所述的一种基于频谱特征的宽带频谱感知方法，其特征在于，所述方法基于相关匹配的压缩频谱感知，包括：令{R_y(k)}表示奈奎斯特采样信号{y(n)}的相关性，R_y是维度为L×L的相关矩阵，将{x_c(n)}定义为奈奎斯特采样候选信号，{R_c(k)}定义为{x_c(n)}的相关函数，相关矩阵表示采样样本相关性的平均值，基带参考自相关是从主用户的频谱特征中抽取出来的，将纯音的自相关函数用e(ω_m)e^H(ω_m)给出，e(ω_m)∈C^L×1是频率转向向量，利用e(ω_m)在感知频率ω_m处形成的秩为1的矩阵对R_c调制，调制参考相关性R_cm(ω_m)必须也以对信号同样的方法进行压缩，利用相同的采R_y样矩阵Φ。