基于压缩感知的室内白频谱优化检测方法技术

技术编号:11731084 阅读:137 留言:0更新日期:2015-07-15 03:22
一种无线通信领域的基于压缩感知的室内白频谱优化检测方法,通过基于k‐medoids分组的传感器布设方法,有选择的在部分测量点上布设传感器,传感器测量到不完整的室内白频谱信息,基于压缩感知的数据恢复模型把不完整的数据恢复为完整的数据,传输给有需要的用户。压缩感知的使用降低了所需传感器的数量,进而减少了系统的开销,同时提高了白频谱检测的准确度,提高了系统的效率和安全性。

【技术实现步骤摘要】

本专利技术涉及的是一种无线通信领域的技术,具体涉及一种通过对压缩感知(Compressive sensing)的运用,利用不同测量点之间和不同信道之间的信号强度的关联性(location dependence and channel dependence),在尽可能用更少的传感器的情况下检测更多的室内白频谱。
技术介绍
随着无线网络的繁荣发展、移动终端和移动应用的迅速增长,用于无线通信的信道变得越来越拥挤,为了应对这种情况,人们提出了动态频谱接入(Dynamic Spectrum Access)这项技术,简称DSA。DAS旨在让授权用户(Licensed User)和非授权用户(Unlicensed User)共同分享信道.2008年,美国通讯委员会(FCC)通过了一项决议,允许非授权用户利用本地空闲的电视信道进行无线通信,一般把空闲的电视信道称为白频谱(White Space)。此后,白频谱受到了越来越多的关注。尽管白频谱对于非授权用户是开放的,但是FCC要求非授权用户使用白频谱时不能影响正常电视信号的传播,这样,对于非授权用户来说,在使用某个信道之前检测其是否可用就显得尤为重要了。人们进行白频谱检测的方法主要分为两大类:频谱感知方法(Spectrum Sensing)和地理定位数据库方法(geo‐location database)。频谱感知方法用的相对较少,因为它依赖于用户设备来进行频谱检测,能耗大同时对用户设备的要求也比较高;相反,更为常用的地理定位数据库方法并不需要用户进行频谱检测,因此减少了用户的能量消耗,用户只需要查询在线的数据库便可以得知当前位置可用的白频谱信息。现有的白频谱检测的工作大多数仅仅关注室外的白频谱,而有调查显示室内的白频谱要多于室外,因此仅仅使用室外探测到的白频谱会造成白频谱的浪费。又由于室内的障碍物要远远多于室外,因此并不能直接把室外的方法拿来用。此外,为数不多的关于室内白频谱检测的研究并没有充分利用室内白频谱的不同测量点之间和不同信道之间相互关联性,其效率也并不能令人满意。同时注意到,近年来压缩感知技术作为一种信号恢复的技术得到了快速的发展,并且在矩阵恢复方面也表现出色,于是考虑将压缩感知技术引入室内白频谱检测领域。
技术实现思路
本专利技术针对室外白频谱技术不能与用于室内环境的现状和现有室内白频谱检测技术的不足,提出一种基于压缩感知的室内白频谱优化检测方法——FIWEX(cost eFficient Indoor White space Exploration),通过为期半个月的实验,探索室内白频谱在不同测量点和不同信道的相互关联性,同时根据这些关联性利用压缩感知对未布设传感器的地点的白频谱信息进行预测,从而实现了用更少的传感器检测更多的室内白频谱。本专利技术是通过以下技术方案实现的:本专利技术包括以下步骤:步骤1、在选定的室内环境中选择一系列测量点,之后用USRP(Universal Software Radio Peripheral,通用软件无线电外部设备)测量每个测量点上的白频谱的分布情况,在训练数据的基础上,通过k‐medoid分组的方法确定传感器布设的地点,以分组的数目作为传感器的数量。所述的测量点根据不同环境而定,但是需要覆盖每一个房间。所述的USRP测量,每天将所有测量点测量一边,上述测量过程重复不少以7天,测量得到的数据作为训练数据。所述的k‐medoid分组的方法是指:所述的传感器的数量远小于测量点的数量。根据不同测量点的信道信号强度对测量点进行分组,分组的数目等于传感器的数目,每个分组的中心点即传感器的布设点。步骤2、在步骤1中确定的位置上布设相应的传感器,实时测量多个电视信道的信号强度,并且以预设时间间隔向中央服务器传输所测到的数据。中央服务器将收到的数据汇总成一个m×n的矩阵D,其中:m表示所有测量点的数目,n表示所测信道的数目。因为在有些测量点上并没有布设传感器,矩阵D的某些行是缺失的。步骤3、中央服务器利用压缩感知技术建模,把矩阵D恢复问题建模为一个最小化的优化问题:其优化目标为最小化:其中:BS和DS分别表示考虑了强信道之后的传感器矩阵和直接测量矩阵,ο表示Hadamard积,LRT表示最终恢复得到的矩阵,λ是一个常数系数,P,C,P0,C0分别表示不同测量点之间和不同信道之间的信号强度的关联关系,||||F表示Frobenius norm,由问题建模,中央服务器根据LRT的值来判断某个地点的某个信道是否可用。步骤4、当用户需要白频谱时,通过室内定位系统向中央服务器提交其自身的位置,中央服务器根据该用户与其相邻用户的干扰状况之后,根据LRT中的项返回给用户其相应位置可用的白频谱列表,之后用户便可以选择可用的信道进行通信。技术效果与现有技术相比,本专利技术可以在传感器数目相同的情况下得到更高的白频谱检测的准确度,在相同准确度的情况下需要的传感器更少,能量利用率更高,更高效,并且更加安全。附图说明图1为不同测量点之间、不同信道之间的信号强度关系图;图中:a为四个不同地点的信号强度比较图,b为两个不同信道的信号强度比较图。图2为不同方法的性能比较图;图中:a为不同方法的FA Rate(False Alarm Rate)比较;b为不同方法的WS LOSS Rate(White Space Loss Rae)比较。图3为布设不同数目传感器下的累计分布图(CDF);图中:a为FA Rate的累计分布图;b为WS LOSS Rate的累计分布图。具体实施方式下面对本专利技术的实施例作详细说明,本实施例在以本专利技术技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本专利技术的保护范围不限于下述的实施例。实施例1本实施例应用环境为上海交通大学闵行校区电信群楼的三楼选取了67个测量点,每天需要在每个测量点测量总共45个电视信道的信号强度,测量活动总共持续15天本实施例设备包括:一台USRP N210、一根全向接收天线、一部笔记本电脑和一个不间断式电源(UPS),其中:USRP用的是SBX子板,通过一个射频信号发生器来校准USRP设备。测量无线信号的方法有很多,包括能量检测、基于波形的检测和匹配滤波等等。能量检测是最常用的方法,因为能量检测实现简单并且计算复杂度相对比较低。在判断一个信道是不是空闲的时候,需要将测量得到的信号强度与一个特定的阀值作比较,如果信号强度高于这个阀值,认为这个信道是被占用的,反之,认为这个信道是空闲的。...
基于压缩感知的室内白频谱优化检测方法

【技术保护点】
一种基于压缩感知的室内白频谱优化检测方法,其特征在于,包括以下步骤:步骤1、在选定的室内环境中选择一系列测量点,之后用USRP测量每个测量点上的白频谱的分布情况,在训练数据的基础上,通过k‐medoid分组的方法确定传感器布设的地点,以分组的数目作为传感器的数量;步骤2、在步骤1中确定的位置上布设相应的传感器,实时测量多个电视信道的信号强度,并且以预设时间间隔向中央服务器传输所测到的数据;步骤3、中央服务器利用压缩感知技术建模,把测到的数据恢复问题建模为最小化的优化问题;步骤4、当用户需要白频谱时,通过室内定位系统向中央服务器提交其自身的位置,中央服务器根据该用户与其相邻用户的干扰状况之后,根据LRT中的项返回给用户其相应位置可用的白频谱列表,之后用户便可以选择可用的信道进行通信。

【技术特征摘要】
1.一种基于压缩感知的室内白频谱优化检测方法,其特征在于,包括以下步骤:
步骤1、在选定的室内环境中选择一系列测量点,之后用USRP测量每个测量点上的白频
谱的分布情况,在训练数据的基础上,通过k‐medoid分组的方法确定传感器布设的地点,以
分组的数目作为传感器的数量;
步骤2、在步骤1中确定的位置上布设相应的传感器,实时测量多个电视信道的信号强度,
并且以预设时间间隔向中央服务器传输所测到的数据;
步骤3、中央服务器利用压缩感知技术建模,把测到的数据恢复问题建模为最小化的优化
问题;
步骤4、当用户需要白频谱时,通过室内定位系统向中央服务器提交其自身的位置,中央
服务器根据该用户与其相邻用户的干扰状况之后,根据LRT中的项返回给用户其相应位置可用
的白频谱列表,之后用户便可以选择可用的信道进行通信。
2.根据权利要求1所述的方法,其特征是,所述的测量点覆盖每一个房间;所述的USRP
测量,每天将所有测量点测量一边,上述测量过程重复不少以7天,测量得到的数据作为训练
数据矩阵M。
3.根据权利要求1所述的方法,其特征是,所述的传感器的数量小于测量点的数量。
4.根据权利要求1所述的方法,其特征是,所述的基于k‐medoid分组的传感器布设方法
是:将训练数据矩阵M中的行向量用k‐mdedoid方法进行分组,向量间的距离用皮尔逊相关系
数刻画,分组的数量即传感器的数目,在每个分组的中心点上分别布设一个传感器。
5.根据权利要求1所述的方法,其特征是,所述的中央服务器将测到的数据汇总成一个
m×n的矩阵D,其中:m表示所有测量点的数目,n表示所测信道的数目;
所述的优化问题是指:优化目标为最小化:
其中:BS和
DS分别表示考虑了强信道之后的传感器矩阵和直接测量矩阵,ο表示Hadamard积,LRT表示最
终恢复得到的矩阵,λ是一个常数...

【专利技术属性】
技术研发人员:吴帆刘东鑫陈贵海
申请(专利权)人:上海交通大学
类型:发明
国别省市:上海;31

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1