【技术实现步骤摘要】
一种变分推断估计噪声功率的方法
本专利技术涉及一种认知无线电技术，尤其是涉及一种变分推断估计噪声功率的方法。
技术介绍
无线电频谱资源的有限性与人们对无线电频谱资源需求的大幅提升，构成了当今无线通信发展的一大矛盾。大量的研究表明现有的固定频谱资源分配策略使得频谱资源无法得到充分的利用，充分提高频谱资源的利用率将有效缓解上述矛盾。动态频谱接入技术为提高频谱资源的利用率和缓解频谱资源短缺问题提供了一种可行的方案。动态频谱接入是指无线设备能够与所处通信环境进行交互并根据交互结果改变自身传输参数，从而实现以动态、自适应的方式灵活地利用潜在的空闲频谱。认知无线电是动态频谱接入的一项关键技术，它通过使用机会主义频谱共享来允许未经许可的次级用户机会性地接入授权主用户的频谱，而不会对主用户的传输造成任何不利影响。因此，认知无线电中最主要、最基础的就是要检测出主用户何时不存在，即频谱感知技术是认知无线电的基础。现有的频谱感知技术有匹配滤波器检测法、能量检测法、特征值检测法等。其中，能量检测法因为复杂度低，易于实现而被广泛使用。但是，利用能量检测法需要知道噪声功率，而在很多文献中都是...
【技术保护点】
1.一种变分推断估计噪声功率的方法，其特征在于包括以下步骤：步骤1：在认知无线电系统中，对连续的N个时隙内的信号进行采样，且每个时隙内等时间间隔地采集L个样本，将对第n个时隙内的信号进行采样得到的第j个样本记为rn(j)；其中，N≥1000，L≥100，n和j均为正整数，n和j的初始值均为1，1≤n≤N，1≤j≤L；步骤2：计算每个时隙内采集的所有样本的平均功率，将第n个时隙内采集的所有样本的平均功率记为xn，
【技术特征摘要】
1.一种变分推断估计噪声功率的方法，其特征在于包括以下步骤：步骤1：在认知无线电系统中，对连续的N个时隙内的信号进行采样，且每个时隙内等时间间隔地采集L个样本，将对第n个时隙内的信号进行采样得到的第j个样本记为rn(j)；其中，N≥1000，L≥100，n和j均为正整数，n和j的初始值均为1，1≤n≤N，1≤j≤L；步骤2：计算每个时隙内采集的所有样本的平均功率，将第n个时隙内采集的所有样本的平均功率记为xn，其中，符号“||”为求复数的模值运算符号；步骤3：引入混合高斯模型，混合高斯模型中的高斯分布的个数为K个，将混合高斯模型中的第k个高斯分布的均值和精度对应记为μk和λk，混合高斯模型中的所有高斯分布的混合系数的先验分布服从K维的狄利克雷分布；然后设置每个时隙内采集的所有样本的平均功率服从混合高斯模型中的各个高斯分布的概率的初始值，将xn服从混合高斯模型中的第k个高斯分布的概率记为gn,k，并设置gn,k的初始值为其中，K为正整数，K∈[2,20]，k为正整数，k的初始值为1，1≤k≤K，μk的先验分布服从均值为mk且精度为βkλk的高斯分布，mk和βk均为超参数，λk的先验分布服从超参数为ak和bk的Gamma分布，狄利克雷分布的K个参数分别为δ1,δ2,…,δk,…,δK，δ1表示狄利克雷分布的第1个参数，δ2表示狄利克雷分布的第2个参数，δk表示狄利克雷分布的第k个参数，δK表示狄利克雷分布的第K个参数；步骤4：利用变分推断方法，计算混合高斯模型中的每个高斯分布的混合系数对应的狄利克雷分布参数、每个高斯分布的均值对应的两个超参数、每个高斯分布的精度对应的两个超参数，对于混合高斯模型中的第k个高斯分布，其混合系数对应的狄利克雷分布参数δk的计算...
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。