[发明专利]一种基于稀疏度自适应的1-Bit压缩宽带频谱感知方法

说明书

本发明公开了一种基于稀疏度自适应的1‑Bit压缩宽带频谱感知方法，包括以下步骤：将基于pinball损失函数的二进制迭代硬阀值算法与自适应稀疏性相结合，构建ASPIHT算法，然后基于ASPIHT算法，利用固定步长调整硬阀值自适应地估计信号稀疏度，利用估计的信号稀疏度进行原始信号的恢复，实现基于稀疏度自适应的1‑Bit压缩宽带频谱感知，该方法有效的提高恢复信号的精度。

技术领域

本发明属于5G移动通信技术领域，涉及一种基于稀疏度自适应的1-Bit压缩宽带频谱感知方法。

背景技术

近年来，由于5G技术的快速发展，产生了庞大的数据和信息量，这对信号宽带的要求越来越高，宽带频谱感知技术面临着高采样率的挑战。针对这一问题，基于压缩感知理论的认知无线电宽带频谱感知技术得到了更多关注。压缩感知包括三个部分，即信号的稀疏表示、稀疏信号的压缩观测以及压缩信号的恢复重构。其中，重构算法是该理论能否实践的关键环节。但是压缩宽带频谱感知的重构算法在恢复信号时很难获取信号的先验信息，因此对重构算法进行盲稀疏度研究改进尤为重要。

对此，Tian等人首先提出并验证了宽带频谱感知的有效性，之后又提出一种基于循环检测的宽带压缩频谱感知算法。Boufounos.P等人提出了对测量值进行极限量化，即1-bit量化，证明了只使用压缩观测的二元符号就可以实现精确和稳定的恢复。其中，1-bit压缩感知中的二元迭代硬阀值(Binary Iterative Hard Thresholding,BIHT)算法可高效地从二元压缩观测值中恢复原始信号。BIHT算法较其他重构算法的重构效果更好，表现为较高的重构信噪比和一致性，且计算过程简单，复杂度低。但以上的算法都需要已知信号稀疏度作为先验知识。而在实际应用过程中，获取信号稀疏度是相当困难的。而且宽带频谱技术中的重构算法对信号稀疏度具有严重依赖问题。这一直是信号处理领域中亟待解决的问题。然而目前，已有的应用感知研究关注点大都集中在重构算法上，研究如何提高恢复信号的精度，忽略了信号稀疏度信息对重构效果带来的影响。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供了一种基于稀疏度自适应的1-Bit压缩宽带频谱感知方法，该方法有效的提高恢复信号的精度。

为达到上述目的，本发明所述的基于稀疏度自适应的1-Bit压缩宽带频谱感知方法包括以下步骤：

将基于pinball损失函数的二进制迭代硬阀值算法与自适应稀疏性相结合，构建ASPIHT算法，然后基于ASPIHT算法，利用固定步长调整硬阀值自适应地估计信号稀疏度，利用估计的信号稀疏度进行原始信号的恢复，实现基于稀疏度自适应的1-Bit压缩宽带频谱感知。

具体包括以下步骤：

1b)获取测量向量y、观测矩阵Φ、最大迭代次数maxIter及固定步长m；

2b)设定x⁰＝0，残差r⁰＝y，迭代计数器iter＝0，估计稀疏度S＝m，阶段索引j＝1，α0；

3b)进行原始信号的恢复。

步骤3b)的具体操作为：

1c)计算a^iter+1＝x^iter-αΦ^Tg^iter；

2c)计算b^iter+1＝η_S(a^iter+1)，更新残差r^iter+1＝y-sign(Φb^iter+1)；

3c)计算信号估计值的能量差，当||b^iter+1-x^iter||₂≤ε条件不满足，则转至步骤4c)，否则，则转至步骤5c)；