一种基于低秩稀疏矩阵分解的盲频谱感知方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN107528648A(43)申请公布日2017.12.29(21)申请号201710995579.3(22)申请日2017.10.23(71)申请人北京邮电大学地址100876北京市海淀区西土城路10号(72)发明人穆俊生景晓军谢坚筱(74)专利代理机构北京风雅颂专利代理有限公司11403代理人王刚(51)Int.Cl.H04B17/382(2015.01)H04B17/391(2015.01)权利要求书3页说明书12页附图3页(54)发明名称一种基于低秩稀疏矩阵分解的盲频谱感知方法和装置(57)摘要本发明公开了一种基于低秩稀疏矩阵分解的盲频谱感知方法，包括：接收待感知频段上的无线信号，采样得到观测信号；对观测信号进行离散时间傅里叶变换得到变换观测信号；根据设定的低秩因子的稀疏因子，对变换观测信号进行低秩稀疏分解得到低秩元素和稀疏元素；分别对低秩元素、稀疏元素进行反离散时间傅里叶变换得到变换低秩元素、变换稀疏元素，根据变换低秩元素、变换稀疏元素获得最终观测信号；计算变换稀疏元素、最终观测信号在时域的平均能量值得到稀疏能量值、最终观测信号能量值，根据稀疏能量值、最终观测信号能量值与预设的判决阈值的关系，判断待感知频段是否空闲。本发明所述方法能够适用于噪声不确定的频谱感知，具有较高的检测精度。CN107528648ACN107528648A权利要求书1/3页1.一种基于低秩稀疏矩阵分解的盲频谱感知方法，其特征在于，包括：接收待感知频段上的无线信号，对所述无线信号进行采样，得到观测信号；对所述观测信号进行离散时间傅里叶变换，得到变换观测信号；根据设定的低秩因子以及稀疏因子，对所述变换观测信号进行低秩稀疏分解，得到低秩元素和稀疏元素；分别对所述低秩元素、所述稀疏元素进行反离散时间傅里叶变换，得到变换低秩元素、变换稀疏元素，并根据所述变换低秩元素、所述变换稀疏元素获得最终观测信号；分别计算所述变换稀疏元素、所述最终观测信号在时域的平均能量值得到稀疏能量值、最终观测信号能量值，并根据所述稀疏能量值、所述最终观测信号能量值与预先设定的判决阈值的关系，判断所述待感知频段是否空闲。2.根据权利要求1所述的基于低秩稀疏矩阵分解的盲频谱感知方法，其特征在于，所述根据设定的低秩因子以及稀疏因子，对变换观测信号进行低秩稀疏分解，得到低秩元素和稀疏元素，包括：将所述变换观测信号转化为所述低秩元素、所述稀疏元素以及异常部分之和，具体计算公式如下：Y(w)＝S+L+E(1)其中，Y(w)表示变换观测信号，S表示稀疏元素，L表示低秩元素，E表示异常部分；将求解未知的稀疏元素S、低秩元素L转化为求解如下公式：其中，表示异常部分E最小，rank(L)＝r表示低秩元素L的秩，r0表示低秩因子，|S|0≤h0表示稀疏元素S的稀疏度，即S中非零元素的个数，h0表示稀疏因子，Sij≥0表示S非负；采用选择性投影最优算法对公式(2)进行求解，所述选择性投影最优算法的公式如下：其中|S|0≤h0表示稀疏元素S的稀疏度；采用奇异值分解来求解公式(3)，计算公式如下：TSVD(Y-St-1)＝UΛV(5)其中，U为矩阵Y-St-1的左奇异向量，V为矩阵Y-St-1的右奇异向量，Λ为矩阵Y-St-1对应的奇异值矩阵；采用硬阈值函数来对公式(4)进行求解，所述硬阈值函数的公式为：2CN107528648A权利要求书2/3页其中，表示硬判决运算，T表示预设的硬判决的阈值；获得的Lt即为低秩元素L，St即为稀疏元素S。3.根据权利要求1所述的基于低秩稀疏矩阵分解的盲频谱感知方法，其特征在于，所述观测信号包括主用户信号以及背景噪声信号，具体公式如下：其中，y(n)表示观测信号，xm(n)表示主用户信号，um(n)表示背景噪声信号，M表示主用户个数，1≤m≤M,M∈Z+,M≥1，hm(n)表示每个主用户对应的信道衰减因子，符号*表示卷积运算。4.根据权利要求3所述的基于低秩稀疏矩阵分解的盲频谱感知方法，其特征在于，所述对所述观测信号进行离散时间傅里叶变换，得到变换观测信号，公式如下：Y(w)＝X(w)+U(w)(9)其中，Y(w)表示变换观测信号，Hm(w)、Xm(w)、Um(w)分别表示hm(n)、xm(n)、um(n)进行离散时间傅里叶变换后得到的变换函数。5.根据权利要求4所述的基于低秩稀疏矩阵分解的盲频谱感知方法，其特征在于，所述最终观测信号的公式为：y1(n)≈s(n)+l(n)(12)其中，y1(n)表示所述最终观测信号，s(n)表示所述变换稀疏元素；l(n)表示所述变换低秩元素。6.根据权利要求5所述的基于低秩稀疏矩阵分解的盲频谱感知方法，其特征在于，所述分别计算变换后的所述变换稀疏元素、所述最终观测