一种基于TUCKALS3算法的高维频谱数据降噪方法技术

本发明专利技术涉及一种基于TUCKALS3算法的高维频谱数据降噪方法，该方法通过Tucker分解将频谱张量分解为一个核张量和各个维度上的因子矩阵，通过交替最小二乘算法，迭代地对各个维度的因子矩阵进行分析处理，综合频谱张量各个维度上的降噪效果，有效提高了高维频谱数据模型下的降噪性能。此外，本发明专利技术还改进了张量n秩估计算法。张量n秩是区分第n个因子矩阵上的信号子空间和噪声子空间的重要依据。本发明专利技术通过改进现有的n秩估计算法进一步提高了n秩估计的准确性，进而提高了TUCKALS3算法的降噪性能。能。能。

【技术实现步骤摘要】
一种基于TUCKALS3算法的高维频谱数据降噪方法


[0001]本专利技术涉及一种基于张量TUCKALS3算法的高维频谱数据降噪方法，属于无线通信

技术背景
[0002]随着无线通信系统快速发展，5G提出了三种新业务场景：eMBB(增强移动带宽)、mMTC(海量机器类通信)、uRLLC(超高可靠低时延场景)，这些新业务提出的同时也面临着一系列限制，如有限的算力资源、匮乏的频谱资源等。针对算力受限问题，一方面，可以通过改进硬件结构，提升系统算力；另一方面，可以通过改进频谱数据的处理方法，提升数据处理效率，减轻系统计算负担。针对频谱资源匮乏问题，认知无线电技术提供了一种有效的解决方案。认知无线电技术允许未授权用户伺机接入空闲频谱空洞，从而提高频谱资源利用率，但前提条件是需要获得频谱资源在时间、空间以及不同频段上的状态信息。张量是一种高维数组，是矩阵向更高维度的延伸，利用张量这一模型可从多个维度整合频谱数据。将频谱数据从时间、空间、频率等多个维度整合为频谱张量，能够有效构建全方位的频谱地图，为认知无线电技术提供重要的参考依据。同时，丰富的张量理论，如张量补全、张量分解等为处理高维频谱数据提供了理论支撑，提高了计算效率。综上所述，高维频谱张量模型是下一代通信系统中非常有竞争力的解决方案之一。
[0003]频谱地图的构建过程会不可避免地掺杂噪声。认知无线电技术中，首先需要进行频谱感知获取频谱资源的状态，而噪声会影响系统对频谱状态的判断，提高虚警概率。进一步地，频谱感知结果的偏差也会影响频谱聚合、频谱分配等技术的性能。现有的降噪方法中，大部分方法是基于矩阵理论提出的，将这些方法应用在高维数据模型时效果并不是很好；而在基于张量理论的降噪方法中，大部分方法是针对图像降噪提出的，不具普适性。在张量模型下实现有效的频谱数据降噪是一个亟需解决的问题。

技术实现思路

[0004]基于上述频谱张量模型，针对现有高维频谱数据降噪方法效率低下的缺陷，本专利技术提出了一种基于张量TUCKALS3算法的高维频谱数据降噪方法，该方法通过Tucker分解将频谱张量分解为一个核张量和各个维度上的因子矩阵，通过交替最小二乘算法，迭代地对各个维度的因子矩阵进行分析处理，综合频谱张量各个维度上的降噪效果，有效提高了高维频谱数据模型下的降噪性能。
[0005]此外，本专利技术还改进了张量n秩估计算法。张量n秩是区分第n个因子矩阵上的信号子空间和噪声子空间的重要依据。本专利技术通过改进现有的n秩估计算法进一步提高了n秩估计的准确性，进而提高了TUCKALS3算法的降噪性能。
[0006]术语解释：
[0007]1、TUCKALS3：alternatingleastsquaresforTucker3 decomposition，是指基于张量Tucker3分解的交替最小二乘算法；
[0008]2、MDL：minimumdescriptionlength，是指最小描述长度算法；
[0009]3、USRP：UniversalSoftwareRadioPeripheral，是指通用软件无线电平台；
[0010]4、n
‑
mode滤波器，是指n模滤波器，可看作维纳滤波器在张量模型中的扩展。
[0011]5、matlab软件，一款分析数据、开发算法、创建模型的商业数学软件。
[0012]本专利技术的技术方案为：
[0013]一种基于张量TUCKALS3算法的高维频谱数据降噪方法，包括步骤如下：
[0014](1)从时间、空间、频段三个维度构建频谱张量T；
[0015](2)应用秩估计算法对频谱张量T进行n秩估计；
[0016](3)计算频谱张量T的Tucker分解，得到频谱张量T的各个维度的因子矩阵U
(n)
，通过因子矩阵U
(n)
初始化n
‑
mode滤波器此时k＝0；
[0017](4)循环更新频谱张量的N(N＝3)个n
‑
mode滤波器，第n次循环更新第n个n
‑
mode滤波器，循环过程为：
[0018]①
计算
[0019]②
将频谱张量T
′
和T沿着第n个维度展开，得到展开矩阵T
′
(n)
和T
(n)
，计算矩阵C
(n)
＝T
′
(n)
T
(n)
的特征值分解，取C
(n)
前K个最大特征值对应的特征值向量组成新的因子矩阵U
(n)
；
[0020]③
利用更新的因子矩阵U
(n)
更新n
‑
mode滤波器
[0021](5)用更新后的n
‑
mode滤波器对频谱张量进行降噪，即其中代表经过k次循环更新后得到的n模滤波器；检查是否满足收敛条件||T
′
k+1
‑
T||2＞ξ，ξ＞0，ξ代表收敛条件的阈值，如果满足，则输出最优低秩近似张量近似张量代表上述最后一次循环更新的n模滤波器，如果不满足，则重复上述步骤(4)到(5)，直到满足收敛条件，则得到降噪后的频谱张量T
′
stop
。
[0022]进一步优选的，ξ设置为10
‑4。
[0023]根据本专利技术优选的，步骤(1)中，构建频谱张量，具体的构建方法为：
[0024]信号接收系统在l个位置上采集频谱状态信息即幅度，每个位置上同时接收f个频段的信号，每个频段上采集t个数据点，将接收数据构造成一个t
×
l
×
f大小的频谱张量T，记频谱张量在时间、空间、频段维度上的大小(I1，I2，I3)及其n秩(R1，R2，R3)，I1＝t，I2＝l，I3＝f。
[0025]根据本专利技术优选的，步骤(2)中，应用秩估计算法对频谱张量进行n秩估计，包括步骤如下：
[0026]d、计算频谱张量T的Tucker分解，得到核张量G和因子矩阵U
(n)
，因子矩阵U
(n)
包括三个因子矩阵U
(1)
、U
(2)
、U
(3)
；沿着核张量G的第n个维度将其展开为矩阵G
(n)
，对G
(n)
的每一列进行均方运算，得到由个特征值组成的行向量λ，对特征值向量λ中的元素进行降序排列，记作λ
′
，通过向量λ和λ
′
计算出置换矩阵计算过程表示为P1＝λ
‑1λ
′
；
[0027]e、利用置换矩阵P1对矩阵G(n)中的列向量进行重排列，得到G
′
(n)
，公式表示为G
′
(n)
＝G
(n)
P1；
[0028]f、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于张量TUCKALS3算法的高维频谱数据降噪方法，其特征在于，包括步骤如下：(1)从时间、空间、频段三个维度构建频谱张量T；(2)应用秩估计算法对频谱张量T进行n秩估计；(3)计算频谱张量T的Tucker分解，得到频谱张量T的各个维度的因子矩阵U
(n)
，通过因子矩阵U
(n)
初始化n
‑
mode滤波器此时k＝0；(4)循环更新频谱张量的N个n
‑
mode滤波器，第n次循环更新第n个n
‑
mode滤波器，循环过程为：
①
计算
②
将频谱张量T
′
和T沿着第n个维度展开，得到展开矩阵T
′
(n)
和T
(n)
，计算矩阵C
(n)
＝T
′
(n)
T
(n)
的特征值分解，取C
(n)
前K个最大特征值对应的特征值向量组成新的因子矩阵U
(n)
；
③
利用更新的因子矩阵U
(n)
更新n
‑
mode滤波器(5)用更新后的n
‑
mode滤波器对频谱张量进行降噪，即其中代表经过k次循环更新后得到的n模滤波器；检查是否满足收敛条件||T
′
k+1
‑
T||2>ξ,ξ>0，ξ代表收敛条件的阈值，如果满足，则输出最优低秩近似张量ξ>0，ξ代表收敛条件的阈值，如果满足，则输出最优低秩近似张量代表上述最后一次循环更新的n模滤波器，如果不满足，则重复上述步骤(4)到(5)，直到满足收敛条件，则得到降噪后的频谱张量T
′
stop
。2.根据权利要求1所述的一种基于张量TUCKALS3算法的高维频谱数据降噪方法，其特征在于，步骤(1)中，构建频谱张量，具体的构建方法为：信号接收系统在l个位置上采集频谱状态信息即幅度，每个位置上同时接收f个频段的信号，每个频段上采集t个数据点，将接收数据构造成一个t
×
l
×
f大小的频谱张量T，记频谱张量在时间、空间、频段维度上的大小(I1,I2,I3)及其n秩(R1,R2,R3)，I1＝t，I2＝l，I3＝f。3.根据权利要求1所述的一种基于张量TUCKALS3算法的高维频谱数据降噪方法，其特征在于，步骤(2)中，应用秩估计算法对频谱张量进行n秩估计，包括步骤如下：d、计算频谱张量T的Tucker分解，得到核张量G和因子矩阵U
(n)
，因子矩阵U
(n)
包括三个因子矩阵U
(1)
、U
(2)
、U
(3)
；沿着核张量G的第n个维度将其展开...

【专利技术属性】
技术研发人员：张文胜，翟承凯，朱维红，孙健，王承祥，
申请(专利权)人：山东大学，
类型：发明
国别省市：