基於壓縮感知與bp神經網絡的認知無線電頻譜感知方法
2023-04-25 11:41:16
專利名稱：基於壓縮感知與bp神經網絡的認知無線電頻譜感知方法
技術領域：
本發明屬於無線通信技術領域，具體的，涉及ー種認知無線電頻譜感知方法及系統。
背景技術：
隨著無線通信業務的廣泛發展，頻譜資源日趨匱乏，其主要原因是無線頻譜接入技術的不合理一現有無線通信系統均採用低效率的固定信道分配策略。認知無線電被認為是解決該問題最行之有效的新技術之一，它允許認知用戶在不影響頻帶內合法用戶正常通信的前提下共享該頻段。頻譜感知技術是認知無線網絡設計的重要基礎環節，只有實時快捷地了解主用戶對頻譜使用的情況，才能在不對其造成額外幹擾的情況下實現無線頻譜的二次利用、提高 無線頻譜利用率。根據奈奎斯特採樣定律在進行模擬/數位訊號的轉換過程中，當採樣頻率
Zs大於信號中最高頻率/·的2倍(ぷ2 2/·)時，採樣後的數位訊號能完整保留原始信
息。在實際應用中一般要保證採樣頻率為信號最高頻率的5 10倍，特別地在寬帶甚至超寬帶環境下，信號要實現無損採樣需要很高的採樣頻率，這對採樣硬體是一大考驗。由於現有無線通信系統均採用低效率的固定信道分配策略，無線頻譜接入不合理，實際情況下主用戶佔用頻譜情況具有很大的頻域稀疏性。傳統理論是這樣處理這些稀疏信號的為節省存儲空間提高傳送效率，會對稀疏信號做壓縮處理。假設長度為N的信號X是K-稀疏的，採樣器遵從奈奎斯特採樣定律對信號採樣後將信號X投影至其稀疏域Ψ即
χ = ψβ,其中0 = ち…，各]_且|5| =尤。將這些非零參數及位置發送出去，在接收端將接
受到的r個分量放回相應位置中而其他位置填充零得到解壓信號。這種思路有著固有的缺點
(O由於採樣速率要求高，信號長度會很長，因此正變換過程耗時較長；
(2)保留的Γ個分量的位置是「自適應」的，需要空間存放分量位置；
(3)抗幹擾性能差，由於這個分量是「最重要」的，傳輸過程中若丟失若干分量會帶來嚴重後果。
發明內容
本發明所要解決的技術問題在於現有技術所存在的計算複雜度高、在線檢測實時性差的不足，提供ー種基於壓縮感知與BP神經網絡的認知無線電頻譜感知方法及系統，將壓縮感知技術應用於認知無線電的頻譜檢測，並用BP (Back-Propagation)神經網絡取代複雜的重建算法，將計算複雜度從在線檢測轉移到離線的網絡訓練，從而可大幅提高檢測系統的在線檢測實時性。壓縮感知是ー門新興技術，提供了一種能夠直接非自適應的估計不需拋棄多餘分量的方法，它利用了稀疏信號的自相關特性，使用少量的投影來還原信號。這些投影的地位是等價的，因而在傳輸中丟失若干不會造成嚴重後果。與傳統思路的高採樣速率相比，壓縮感知只簡單採集一部分數據(而非全部數據)，將複雜的處理部分交給數據還原端來做，在儘量少的數據中提取儘量多的信息，大大降低了需要的採樣速率。壓縮感知技術是傳統資訊理論的ー個延伸，卻又為信號採集技術帶來了革命性的突破，它採用非自適應線性投影來保持信號的原始結構，以遠低於奈奎斯特頻率採樣信號，通過數值最優化問題準確重構。然而壓縮感知技術存在著一大劣勢由於重建算法是NP-hard問題，計算複雜，需
要考慮ぱ個子空間的聯合窮舉。用Z1-最小算法來替代/Q-最小算法，可以在一定程度上
降低複雜度，但是其算法複雜度也接近0(i2) (F表示信號長度)，不適用於對能耗、時耗敏
感的感知場景。此外頻譜感知只是為了大致判斷主用戶使用頻譜狀況，獲取太過精確的頻域重建信號會造成系統資源的浪費。本發明利用BP神經網絡的強大擬合功能替代壓縮重建過程，將耗時從信號重建過程時轉移至事先的網絡訓練上。從而既保留了壓縮感知低採樣率、低時間空間消耗、魯棒性強、壓縮過程簡單等優點，又從本質上降低解壓縮端的系統複雜度,達到實時性檢測要求。本發明具體採用以下技術方案解決上述技術問題。基於壓縮感知與BP神經網絡的認知無線電頻譜感知方法，包括訓練過程和實際檢測過程；其中，訓練過程包括以下步驟
步驟Al、對認知無線電的原始信號進行低於奈奎斯特速率的壓縮採樣，並對採集到的壓縮採樣數據進行Ι-bit量化處理；
步驟A2、以Ι-bit量化處理後的壓縮採樣數據作為訓練輸入，以實際頻段佔用情況作為訓練輸出，對BP神經網絡檢測器進行訓練；
實際檢測過程包括以下步驟
步驟BI、對認知無線電的原始信號進行低於奈奎斯特速率的壓縮採樣，並對採集到的壓縮採樣數據進行Ι-bit量化處理；
步驟B2、將Ι-bit量化處理後的壓縮採樣數據輸入訓練好的BP神經網絡檢測器，得到的輸出即為所述認知無線電的頻譜佔用情況。採用上述方法的基於壓縮感知與BP神經網絡的認知無線電頻譜感知系統，該系統包括
壓縮採樣單元，用於對認知無線電的原始信號進行低於奈奎斯特速率的壓縮採樣，並輸出壓縮米樣數據；
l-bit量化単元，用於對壓縮採樣單元輸出的壓縮採樣數據進行ι-bit量化處理，並輸出處理後的數據；
BP神經網絡檢測器，以壓縮採樣單元輸出數據為輸入，輸出所述認知無線電的頻譜佔用情況。作為本發明一優選方案，所述BP神經網絡檢測器為ー包括輸入層、隱層、輸出層的三層BP神經網絡，輸入層節點數為壓縮採樣信號的信號長度，輸出層節點數為所述認知無線電的頻譜分段數。當認知無線電的頻譜較寬時，輸出層神經元數會較大，如採用上述優選方案，可能會帶來BP神經網絡訓練困難，為此，可以採用分級檢測的策略，具體如下
所述BP神經網絡檢測器為T個BP神經網絡級聯而成，各級BP神經網絡均包括輸入層、隱層、輸出層，上、下級BP神經網絡之間分別串聯ー帶通濾波器，Γ為大於I的整數；設所述認知無線電頻譜被等分力1τ個頻段^^^巧」ビ…外七ル…^均為大於I的整數；第一級BP神經網絡的輸入層神經元數為壓縮採樣信號的信號長度Ai ,輸出層節點數
為へ;第二級BP神經網絡的輸入層神經元數為一，輸出層節點數為；第三級BP神經網絡的輸入層神經元數為輸出層神經元數為^ ;依此類推，第級BP神經網絡的輸入層神經元數為^^一一，輸出層神經元數為...。所述BP神經網絡的隱層神經元數根據試驗確定或者按照以下公式確定
V= ^/A.+ B +e 式中，7/為隱層神經元數4力輸入層神經元數力輸出層神經元數，力常數且 [1,10]。對於認知無線電環境下的頻譜感知，本發明首次將壓縮感知技術引入，從而可採用低於奈奎斯特速率的採樣速度進行壓縮採樣，降低了對硬體的要求；並利用BP神經網絡取代壓縮重建算法過程，將計算複雜度從在線檢測佔用情況轉移到離線的網絡訓練上來；並通過Ι-bit量化處理採樣數據，大幅降低數據複雜度，減少神經網絡訓練複雜程度，避免「過訓練」，且能在一定程度上降低噪聲的影響。
圖I為認知無線電頻譜檢測場景示意 圖2為BP神經網絡結構示意圖3為本發明的基於壓縮感知與BP神經網絡的認知無線電頻譜感知方法流程示意
圖4為分步檢測的流程示意 圖5為分步檢測的原理示意圖。
具體實施例方式下面結合附圖對本發明的技術方案進行詳細說明
圖I顯示了典型的頻分多址系統(如GSM、廣播電視系統、OFDM等)中的認知無線電場景，其中，主用戶佔用頻譜帶寬固定，次用戶與主用戶共享頻譜設處於激活態(active)
的主用戶數量為尤，主用戶i通過射頻裝置發送帶寬為馬，中心頻譜為/i的調製信號ろ，
叉…Z。由於主用戶頻譜佔用帶寬固定，信號具有塊稀疏特性。頻譜感知技術要求實時感知信道的頻譜佔用情況，無需無損重建信號。根據這ー檢測目標，可以引入壓縮採樣理論框架。壓縮感知只簡單採集一部分數據(而非全部數據)，將複雜的處理部分交給數據還原端來做，在儘量少的數據中提取儘量多的信息，大大降低了需要的採樣速率。然而其所具有的重建算法計算複雜度高的缺點，也使得頻譜檢測的實時性無法滿足要求。本發明的思路是用BP神經網絡取代複雜的壓縮重建算法，將計算複雜度從在線檢測轉移到離線的網絡訓練，從而可大幅提高檢測系統的在線檢測實時性。BP神經網絡的結構如圖2所示，具有三層或以上網絡結構(分為輸入層、隱層與輸出層)，不同層神經元間實現全連接，同層的神經元則互不相連。輸入層神經元獲取訓練樣本，通過隱層向輸出層傳播，輸出層的各神經元獲得網絡的輸入響應。然後，以減小目標與實際值誤差為目標從輸出層開始逐層修正連接權值，直至回到輸入層。BP神經網絡是前向神經網絡的核心，汲取了神經網絡理論的精華。已經證明，對於任意閉區間內的ー個連續函數都可以用單隱層的BP網絡逼近。也就是說ー個三層BP網絡可以以任意精度逼近任意連續函數。因此BP網絡應用廣泛，80%-90%的神經網絡模型採用了 BP網絡或其變化形式。BP神經網絡系統對所有6個訓練樣本的總誤差函數為
權利要求
1.一種基於壓縮感知與BP神經網絡的認知無線電頻譜感知方法，其特徵在於，包括訓練過程和實際檢測過程；其中，訓練過程包括以下步驟 步驟Al、對認知無線電的原始信號進行低於奈奎斯特速率的壓縮採樣，並對採集到的壓縮採樣數據進行1-bit量化處理； 步驟A2、以1-bit量化處理後的壓縮採樣數據作為訓練輸入，以實際頻段佔用情況作為訓練輸出，對BP神經網絡檢測器進行訓練； 實際檢測過程包括以下步驟 步驟BI、對認知無線電的原始信號進行低於奈奎斯特速率的壓縮採樣，並對採集到的壓縮採樣數據進行1-bit量化處理； 步驟B2、將1-bit量化處理後的壓縮採樣數據輸入訓練好的BP神經網絡檢測器，得到的輸出即為所述認知無線電的頻譜佔用情況。
2.如權利要求I所述基於壓縮感知與BP神經網絡的認知無線電頻譜感知方法，其特徵在於，所述BP神經網絡檢測器為一包括輸入層、隱層、輸出層的三層BP神經網絡，輸入層節點數為壓縮採樣信號的信號長度，輸出層節點數為所述認知無線電的頻譜分段數。
3.如權利要求I所述基於壓縮感知與BP神經網絡的認知無線電頻譜感知方法，其特徵在於，所述BP神經網絡檢測器為T個BP神經網絡級聯而成，各級BP神經網絡均包括輸入層、隱層、輸出層，上、下級BP神經網絡之間分別串聯一帶通濾波器,T為大於I的整數；設所述認知無線電頻譜被等分力|T個頻段，令,= 1* 2*—今，均為大於I的整數；第一級BP神經網絡的輸入層神經元數為壓縮採樣信號的信號長度I，輸出層節點數為A ;第二級BP神經網絡的輸入層神經元數為&，輸出層節點數為 ;第三級BP神經網絡的輸入層神經元數為，輸出層 i1H. "t^神經元數為；依此類推，第級BP神經網絡的輸入層神經元數為——，輸出層神經元數為4。
4.如權利要求2或3所述基於壓縮感知與BP神經網絡的認知無線電頻譜感知方法，其特徵在於，所述BP神經網絡的隱層神經元數根據試驗確定或者按照以下公式確定V= B + s 式中」力隱層神經元數，J為輸入層神經元數，S為輸出層神經元數，e為常數且ee[l，10]。
5.一種採用權利要求I所述方法的基於BP神經網絡的認知無線電頻譜壓縮感知系統，其特徵在於，該系統包括 壓縮採樣單元，用於對認知無線電的原始信號進行低於奈奎斯特速率的壓縮採樣，並輸出壓縮米樣數據； .1-bit量化單元，用於對壓縮採樣單元輸出的壓縮採樣數據進行1-bit量化處理，並輸出處理後的數據；BP神經網絡檢測器，以壓縮採樣單元輸出數據為輸入，輸出所述認知無線電的頻譜佔用情況。
6.如權利要求5所述基於BP神經網絡的認知無線電頻譜壓縮感知系統，其特徵在於，所述BP神經網絡檢測器為一包括輸入層、隱層、輸出層的三層BP神經網絡，輸入層節點數為壓縮採樣信號的信號長度，輸出層節點數為所述認知無線電的頻譜分段數，隱層神經元數根據試驗確定或者按照以下公式確定
7.如權利要求5所述基於BP神經網絡的認知無線電頻譜壓縮感知系統，其特徵在於，所述BP神經網絡檢測器為T個BP神經網絡級聯而成，各級BP神經網絡均包括輸入層、隱層、輸出層，上、下級BP神經網絡之間分別串聯一帶通濾波器，7為大於I的整數；設所述認知無線電頻譜被等分為丨個頻段，令
全文摘要
本發明公開了一種基於壓縮感知與BP神經網絡的認知無線電頻譜感知方法。本發明方法包括訓練過程和實際檢測過程；其中，訓練過程包括對認知無線電的原始信號進行低於奈奎斯特採樣速率的壓縮採樣，並對採樣數據進行1-bit量化處理；以量化處理後的壓縮採樣數據作為訓練輸入，以實際頻段佔用情況作為訓練輸出，對BP神經網絡檢測器進行訓練；實際檢測過程包括對認知無線電的原始信號進行壓縮採樣，並對採樣數據進行1-bit量化處理；將量化處理後的壓縮採樣數據輸入訓練好的BP神經網絡檢測器，得到的輸出即為認知無線電的頻譜佔用情況。本發明還公開了一種採用上述方法的認知無線電頻譜感知系統。本發明具有較低算法複雜度，能夠大幅提高頻譜檢測的實時性。
文檔編號G06N3/02GK102665221SQ201210080840
公開日2012年9月12日 申請日期2012年3月26日 優先權日2012年3月26日
發明者朱琦, 王璐瑜, 趙夙 申請人:南京郵電大學