混叠信号的索引模糊度的消除方法
- 国知局
- 2024-09-11 15:02:15
本技术涉及通信,特别涉及一种混叠信号的索引模糊度的消除方法。
背景技术:
1、近年来,在传统的静态频谱分配策略下,日益稀缺的频谱资源已经无法满足对更高数据速率和更高服务质量的需求。在这种情况下,为了进一步提高频谱效率,认知无线电技术应运而生。认知无线电技术的本质是频谱复用,也就是当主用户(primary users,pu)处于闲置状态或主用户的正常通信不受影响时,允许次用户(secondary users,su)使用许可的频段。因此,认知无线电技术需要频繁地进行频谱感知,检测频谱占用情况。这也就意味着高效、准确的频谱感知是认知无线电技术中频谱资源复用的保证。
2、在过去的几年中,国内外学者提出了许多模型驱动的频谱感知方法和基于深度学习的频谱感知方法。一般来说,这些方法都是针对窄带频谱感知设计的,即仅用于确定信号的存在与否。而对于宽带信号,我们需要感知pu所使用的时频资源的具体信息,以便进行更精确的频谱共享和接入,其原因是在某些应用场景中,pu的中心频率和子信道划分会随着业务需求和信道状态自适应变化,而这种先验知识很难获得。鉴于此,国内外学者研究了许多基于深度学的时频定位方法,这些基于深度学的时频定位方法可以很好地获取宽带频谱感知中每一个时频块(time frequency block,tfb)的时频信息(time-frequencyinformation,tfi)。
3、然而,上述基于深度学的时频定位方法无法知道tfb中包含的各个分量信号的具体tfi和到达角(direction-of-arrival,doa),这种现象被定义为索引模糊度,对于混叠信号的索引模糊度的消除还未有深入且有效的研究。
技术实现思路
1、本技术的实施例的主要目的在于提出一种混叠信号的索引模糊度的消除方法,旨在有效消除混叠信号的索引模糊度,获得混叠信号中每个分量的时频空三维信息,有助于进行更精细的干扰管理,进一步提升频谱利用率。
2、为实现上述目的,本技术的实施例提供了一种混叠信号的索引模糊度的消除方法,包括以下步骤:获取接收信号的时频图谱,基于所述接收信号的时频图谱进行时频定位,得到每一个时频块的信号的时域信息和频域信息,并通过时域截取、频域滤波和istft算法对时频块的信号进行时域转换,得到时频块的时域信号;其中,所述接收信号为混叠信号;基于预设的滑动窗口算法和预设的秩估计算法,对时频块的时域信号在每个窗口提取秩特征,得到时频块对应的秩特征向量;基于所述秩特征向量及其右移向量,计算得到差异点向量,并基于所述差异点向量,确定时频块对应的分界点向量;利用所述分界点向量对时频块的信号进行信号段分割,确定各信号段的时域信息和频域信息,并构建信号分割信息矩阵;利用music算法对各信号段进行doa估计,得到各信号段的doa信息。
3、为实现上述目的,本技术的实施例还提供了一种混叠信号的索引模糊度的消除系统,所述系统包括:粗时频定位模块、秩特征向量计算模块、分界点向量计算模块、信号段分割模块和细时频定位模块;所述粗时频定位模块,用于获取接收信号的时频图谱,基于所述接收信号的时频图谱进行时频定位,得到每一个时频块的信号的时域信息和频域信息,并通过时域截取、频域滤波和istft算法对时频块的信号进行时域转换,得到时频块的时域信号,其中,所述接收信号为混叠信号;所述秩特征向量计算模块,用于基于预设的滑动窗口算法和预设的秩估计算法,对时频块的时域信号在每个窗口提取秩特征,得到时频块对应的秩特征向量;所述分界点向量计算模块,用于基于所述秩特征向量及其右移向量,计算得到差异点向量,并基于所述差异点向量,确定时频块对应的分界点向量;所述信号段分割模块,用于利用所述分界点向量对时频块的信号进行信号段分割;所述细时频定位模块,用于确定各信号段的时域信息和频域信息,构建信号分割信息矩阵,并利用music算法对各信号段进行doa估计,得到各信号段的doa信息。
4、为实现上述目的,本技术的实施例还提供了一种电子设备,包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述所述的混叠信号的索引模糊度的消除方法。
5、为实现上述目的,本技术的实施例还提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现上述所述的混叠信号的索引模糊度的消除方法。
6、本技术的实施例提出的混叠信号的索引模糊度的消除方法,先利用接收信号的时频图谱进行粗时频定位,确定每一个时频块的信号的时域信息和频域信息,由于接收信号是混叠信号,粗时频定位只能获取整个时频块的时域信息和频域信息,无法知晓时频块中每个信号段的时域信息、频域信息、以及doa信息,此时需要进行细时频定位,这一过程基于信号分割实现。首先基于预设的滑动窗口算法和预设的秩估计算法,对时频块的时域信号在每个窗口提取秩特征,得到时频块对应的秩特征向量,再基于秩特征向量及其右移向量,计算得到差异点向量,并基于差异点向量,确定时频块对应的分界点向量,用分界点向量对时频块的信号进行信号段分割,至此有效消除了混叠信号的索引模糊度,每一个信号段时域信息和频域信息随之知晓,此时再利用music算法对各信号段进行doa估计,得到各信号段的doa信息,即准去获得了混叠信号中每个分量的时频空三维信息,有助于进行更精细、更准确的干扰管理,进一步提升了频谱利用率。
7、可选地,所述基于预设的滑动窗口算法和预设的秩估计算法,对时频块的时域信号在每个窗口提取秩特征,得到时频块对应的秩特征向量,包括:基于时频块的信号的时域信息和预设的滑动窗口算法,将时频块的时域信号划分成若干个等长度的窗口;基于预设的秩估计算法和前向向后空间平滑算法(forward backward spatial smoothing,fbss),依次对各窗口进行秩估计,得到各窗口对应的秩特征;基于各窗口对应的秩特征组成时频块对应的秩特征向量;其中,所述秩特征向量通过以下公式表示为:
8、
9、其中,q表示窗口的总数,表示对第q个窗口进行秩估计的结果,frank表示确定出的时频块对应的秩特征向量。在秩估计的过程中使用前向向后空间平滑算法,可以有效提升秩估计的准确性,进而提升信号分割的准确性。
10、可选地,所述基于所述秩特征向量及其右移向量,计算得到差异点向量,并基于所述差异点向量,确定时频块对应的分界点向量,具体包括:去掉所述秩特征向量中的最后一个元素,将各元素向右移一位,得到所述秩特征向量的右移向量,并用所述秩特征向量减去所述秩特征向量的右移向量,计算得到差异点向量;利用子序列众数比较法,对所述差异点向量进行初步筛选,得到初始分界点向量;基于所述接收信号的特性确定门限参数,利用所述门限参数滤除所述初始分界点向量中的虚假分界点,得到时频块对应的分界点向量。在从差异点向量到分界点向量的过程中,经过了两次筛选,第一次筛选将所有能作为分界点的差异点筛选出来,第二次筛选则认真考虑了混叠信号中各信号分量通常会持续一段时间,且两个信号分量之间的重叠部分不会太短的特性,将虚假的分界点去除,进一步提升了信号分割的准确性,进而提升了时频空三维信息获取的准确性。
11、可选地,所述利用子序列众数比较法,对所述差异点向量进行初步筛选,得到初始分界点向量,包括:遍历所述差异点向量中的每一个差异点,按照预设的比较窗口长度,以当前差异点为截止点向左划定第一比较窗口,以当前差异点为起始点向右划定第二比较窗口;计算所述第一比较窗口中各元素的众数,并计算所述第二比较窗口中各元素的众数;若所述第一比较窗口对应的众数与所述第二比较窗口对应的众数不相同,保留当前差异点,反之,舍弃当前差异点;基于所述差异点向量中保留的差异点,生成初始分界点向量。
12、可选地,通过以下公式,利用所述门限参数滤除所述初始分界点向量中的虚假分界点,得到时频块对应的分界点向量:
13、
14、其中,表示所述初始分界点向量,表示所述初始分界点向量的长度,δ表示所述门限参数,表示所述初始分界点向量中的第k个元素,表示所述初始分界点向量中的第k-1个元素,表示时频块对应的分界点向量。
15、可选地,通过以下公式,利用music算法对各信号段进行doa估计,得到各信号段的doa信息:
16、
17、其中,b表示角度搜索空间,表示第b个角度对应的导向矢量,上角标h表示取共轭转置操作,表示当前信号段对应的噪声子空间,pmusic(θb)表示利用music算法对第b个角度的空间谱估计结果,表示估计出的doa信息。
18、可选地,所述接收信号是配备了由m个天线组成的均匀线性阵列的su感知当前频谱得到的,有p个单天线pu采用正交频分复用共享当前频段并进行信号传输,p个pu和su在同一水平面上;其中,m和p均为大于1的整数;所述获取接收信号的时频图谱,包括:利用stft算法,确定su的各天线接收信号的时频图谱;对不同天线对应的时频图谱进行取平均处理,得到接收信号的时频图谱。
本文地址:https://www.jishuxx.com/zhuanli/20240911/292954.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。
下一篇
返回列表