一种基于增强梯度算子的软阈值宽带频谱感知方法技术

本发明专利技术属于无线通信技术领域，公开了一种基于增强梯度算子的软阈值宽带频谱感知方法，包括如下步骤：步骤A、接收宽带频谱的模数转换后的数据，对L个功率谱进行时域平滑得到平均谱；步骤B、设置多尺度因子M，将各尺度分别执行步骤C、D和E；步骤C、对步骤A中的得到的平均谱分段，段数为M，对每段数据作平均后得到均值谱；步骤D、对步骤C中得到的均值谱求梯度，求增强梯度谱；步骤E、设定硬阈值，依据硬阈值检测准则遍历增强梯度谱，求软阈值；步骤F、将在所有尺度下检出的信号软阈值映射到原始频谱上，遍历整个宽带频谱得到信号的最终检测结果；与现有的宽带频谱感知方法相比，本发明专利技术具有更高的检测概率，复杂度低。复杂度低。复杂度低。

【技术实现步骤摘要】
一种基于增强梯度算子的软阈值宽带频谱感知方法


[0001]本专利技术属于无线通信
，特别涉及一种基于增强梯度算子的软阈值宽带频谱感知方法。

技术介绍

[0002]频谱感知，英文原称Spectrum sensing，缩写为SS，其主要思想是：通过监测宽带频谱中已被占用的频带，在不影响其他用户通信的情况下，迅速找到频谱空穴，实现频谱资源的充分利用。其具有分配效率高，实时性好等优点。频谱感知技术已被广泛应用于无线区域网络(WRAN)、超宽带无线通信(UWB)、无线局域网(WLAN)和无线网格网络领域(Mesh)中。现实环境中复杂的电磁环境以及噪声干扰导致信道失真严重，如何克服噪声影响对频谱感知技术显得尤为重要。
[0003]频谱感知算法主要有能量检测法、形态学检测法和梯度特征检测法等。一是信号能量检测法，Iker Sobron(2015)提出的基于能量检测的自适应频谱感知算法，该算法在平坦噪声基底下检测效果很好，但易受有色噪声影响，造成信号的虚警和漏检；二是形态学检测法，如蒋天立(2014)提出的多尺度形态学滤波下的宽带信号检测方法，优点是能够准确估计噪声基底，但算法复杂，计算量较大；三是基于梯度的检测方法，如张洋(2016)提出基于多尺度功率谱子带梯度的宽带频谱感知算法，这类方法检测精度高，抗色噪声性能好，但基梯度的检测主要有以下两个缺点，一是在计算梯度特征时会对信号的幅值特征造成严重的损失，二是尺度选择不当将会造成信号的漏检。因此提出一种能够有效克服色噪声影响以及算法复杂度低的宽带频谱感知算法显得尤为重要

技术实现思路

[0004]本专利技术为解决现有技术中的问题而提出了一种基于增强梯度算子的软阈值宽带频谱感知方法，该算法具有复杂度低，检测精度高，能够有效克服色噪声的影响检测，且不需要任何先验信息即可完成信号检测。为达到上述目的所采取的技术方案是：
[0005]一种基于增强梯度算子的软阈值宽带频谱感知方法，包括如下步骤：
[0006]步骤A、接收宽带频谱的模数转换后的数据，连续取L帧宽带频谱数据，分别对其进行功率谱估计，然后对L个功率谱进行时域平滑得到平均谱；
[0007]步骤B、设置多尺度因子M，将各尺度分别执行步骤C、D和E；
[0008]步骤C、对步骤A中的得到的平均谱分段，段数为M，对每段数据作平均后得到均值谱；
[0009]步骤D、对步骤C中得到的均值谱求梯度，利用增强梯度算子得到增强梯度谱；
[0010]步骤E、设定硬阈值，依据硬阈值检测准则遍历增强梯度谱，得到各窄带信号的软阈值；
[0011]步骤F、将在所有尺度下检出的信号软阈值映射到原始频谱上，利用尺度融合单元选取各窄带信号的最佳尺度描述，遍历整个宽带频谱得到信号的最终检测结果。
[0012]优选的，在步骤A中，经L帧宽带频谱数据平滑后得到的平均谱表达式如下
[0013][0014]其中N为每段宽带频谱的采样点数，l为帧数，l＝1表示当前为第一帧数据，r(n)为接收宽带频谱的时域表达式，e为自然常数，j为虚数。
[0015]优选的，在步骤B中，多尺度因子M的最小值的取值范围如下
[0016]L
M
≤B
min
[0017]其中L
M
＝N/M，B
min
为宽带频谱内信号的最小带宽；
[0018]多尺度因子M的最大值的取值范围如下
[0019]L
M
≥N1[0020]其中N1＝2αB
max
/((1+α)f
r
)，为宽带频谱内带宽最大的信号过渡带长度，α为该信号滚降系数，B
max
为最大带宽，f
r
为频谱分辨率；
[0021]尺度因子M的取值应在上述取值范围内，尺度个数依据工程运算量设置，且必须包含最小最大尺度。
[0022]优选的，所述步骤C均值谱的计算公式如下
[0023][0024]优选的，在步骤D中，梯度初始值S
sub
(0)＝0，梯度的计算方式如下
[0025][0026]利用增强梯度算子得到的增强梯度谱如下
[0027][0028]其中Case0表示Sign(S
sub
(k
‑
1))＝Sign(S
sub
(k))，Sign(
·
)为取极性符号。
[0029]优选的，在步骤E中，硬阈值定义如下
[0030]γ＝
±
(C
min
+N
sub
(k))
[0031]其中C
min
为宽带频谱内信号的最小载噪比，N
sub
(k)为梯度谱的噪声功率谱，硬阈值的取值为大小相等符号相反的两个值。
[0032]优选的，硬阈值判断准则为：子带首先穿过上阈值，再穿过下阈值则判断为信号；如果子带首先穿过上阈值后又再次穿过上阈值则为噪声，或者子带首先穿过下阈值则也被判断为噪声。
[0033]优选的，软阈值定义为某一窄带信号频带内增强梯度谱的局部最大值，具体表达式如下
[0034][0035]其中n为信号左边带起始位置，m为信号幅值最大值点，C/N为某一信号的载噪比，增强梯度谱的局部最大值可表示某一信号的载噪比。
[0036]优选的，在步骤F中，尺度融合单元根据软阈值大小筛选描述信号的最佳尺度，将信号软阈值最大的尺度作为描述此信号的最佳尺度，并将该尺度的检测结果作为窄带信号的最终检测结果。
[0037]本专利技术所具有的有益效果为：提出了一种基于增强梯度算子的软阈值宽带频谱感知算法。通过引入梯度增强算子还原信号幅度，结合信号本身梯度特征，使用不同的尺度描述信号梯度增量，得到软阈值判据，进一步加入尺度融合单元，利用硬阈值加软阈值联合判断，得到描述信号的最佳尺度。理论分析和仿真实验结果表明，在高斯信道和瑞利衰落信道下，算法的检测概率和虚警概率均有明显改善，且复杂度更低。同时，通过实测数据的检测效果，本专利适用于实际工程中。
附图说明
[0038]图1为本专利技术的流程图；
[0039]图2为硬阈值检测准则示意图；
[0040]图3为某一窄带信号的幅值特征示意图；
[0041]图4为各尺度检出信号映射到原始功率谱上的示意图；
[0042]图5为尺度融合单元判决后的最终检测结果图；
[0043]图6为高斯色信道下本专利检出结果示意图；
[0044]图7为瑞利信道下本专利检出结果示意图；
[0045]图8为本专利对卫星实测信号检测结果示意图；
[0046]图9为本专利算法和对比算法的正确检测概率以及抗噪声不确定度的性能示意图；
[0047]图10为本专利算法和对比算法的虚警率与检出率曲线示意图；
具体实施方式
[0048]下面结合附图对本专利技术进一步描述。
...

【技术保护点】

【技术特征摘要】
1.一种基于增强梯度算子的软阈值宽带频谱感知方法，其特征在于，包括如下步骤：步骤A、接收宽带频谱的模数转换后的数据，连续取L帧宽带频谱数据，分别对其进行功率谱估计，然后对L个功率谱进行时域平滑得到平均谱；步骤B、设置多尺度因子M，将各尺度分别执行步骤C、D和E；步骤C、对步骤A中的得到的平均谱分段，段数为M，对每段数据作平均后得到均值谱；步骤D、对步骤C中得到的均值谱求梯度，利用增强梯度算子得到增强梯度谱；步骤E、设定硬阈值，依据硬阈值检测准则遍历增强梯度谱，得到各窄带信号的软阈值；步骤F、将在所有尺度下检出的信号软阈值映射到原始频谱上，利用尺度融合单元选取各窄带信号的最佳尺度描述，遍历整个宽带频谱得到信号的最终检测结果。2.根据权利要求1所述的一种基于增强梯度算子的软阈值宽带频谱感知算法，其特征在于，在步骤A中，经L帧宽带频谱数据平滑后得到的平均谱表达式如下其中N为每段宽带频谱的采样点数，l为帧数，l＝1表示当前为第一帧数据，r(n)为接收宽带频谱的时域表达式，e为自然常数，j为虚数。3.根据权利要求2所述的一种基于增强梯度算子的软阈值宽带频谱感知算法，其特征在于，在步骤B中，多尺度因子M的最小值的取值范围如下L
M
≤B
min
其中L
M
＝N/M，B
min
为宽带频谱内信号的最小带宽；多尺度因子M的最大值的取值范围如下L
M
≥N1其中N1＝2αB
max
/((1+α)f
r
)，为宽带频谱内带宽最大的信号过渡带长度，α为该信号滚降系数，B
max
为最大带宽，f
r
为频谱分辨率；尺度因子M的取值应在上述取值范围内，尺度个数依据工程运算量设置，且必须包含最小最大尺度。4.根据权利要求3所述的一种基于增强梯度算子的...

【专利技术属性】
技术研发人员：孙鹏，孙红，房家乐，刘宏华，王玮，巩克现，
申请(专利权)人：郑州大学，
类型：发明
国别省市：