【技术实现步骤摘要】
本专利技术涉及无线通信，特别是涉及一种基于mimo的mwc欠奈奎斯特采样结构的宽频带感知方法。
技术介绍
1、随着通信技术的普及与发展，无线设备需求的海量增长造成频谱资源愈发紧张，可用的非授权频谱越来愈少。为了更加合理地利用频谱资源，避免频谱浪费，认知无线电技术成为了主要的解决方法。在宽频带感知中，由于感知频谱的范围较宽，采用奈奎斯特速率采样方法对adc的采样速率要求较高，传统adc难以满足，并且宽频带采样后所产生的大量数据将给硬件的处理计算带来巨大压力，使得整个认知无限无线电系统(cognitiveradio：cr)承担巨大的能量消耗。为了实现欠奈奎斯特采样，采用如图1所示的多天线(multiple-input multiple-output：mimo)的调制宽带转换器(modulated widebandconverter，mwc)结构。
2、现有公开专利文献cn113596850a，一种适用于mwc亚奈奎斯特采样结构的宽带频谱感知方法，将所接收到的宽频信号进行频谱搬移到基带附近，搬移后的信号不仅将原始信号信息进行折叠，最终利用连续转有限(continuous to finite:ctf)模块进行频谱恢复。该结构将采样的频谱带宽大大缩减，同时也将adc的采样压力大大降低。但该专利文献只针对单个mwc结构，并没有考虑多天线mimo的mwc结构由于信道之间存在相关性所带来的性能提升。
3、子空间学习在信号处理方面已经得到了广泛应用。与mimo天线的相互结合的子空间学习方法在频谱感知方向获得了大力发展。子空
技术实现思路
1、本专利技术所要解决的技术问题是提供一种基于mimo的mwc欠奈奎斯特采样结构的宽频带感知方法，能够提高频谱恢复效果。
2、本专利技术解决其技术问题所采用的技术方案是：提供一种基于mimo的mwc欠奈奎斯特采样结构的宽频带感知方法，包括以下步骤：
3、采用mimo的mwc宽频带采样前端将信号进行mcsl矩阵建模；
4、利用矩阵的列向量之间的相关性构建静态协方差矩阵；
5、对所述静态协方差矩阵进行子空间分解得到信号对应的特征值和噪声对应的特征值，并进行噪声重构；
6、根据信号与噪声的正交性，基于重构得到的噪声得到基于mcsl矩阵结构的计算向量，并对所述计算向量进行排序；
7、将计算向量的前k个值所对应的支撑集合作为pu用户所在负频率频点，根据实信号频谱对称性质，得到pu用户的所有中心频点。
8、所述mcsl矩阵建模表示为：其中，y(i)为mcsl矩阵，h为mimo信道描述矩阵，表示为：rr为接收端相关系数矩阵，rt为发射端相关系数矩阵，表示随机天线相关矩阵，s(i)为收到的信号，φ表示感知矩阵，为awgn的噪声信号。
9、所述静态协方差矩阵表示为：其中，ry为静态协方差矩阵，φ表示感知矩阵，k表示pu用户数量，hk为天线与接收端的增益，为接收端的相关系数，e表示数学期望。
10、所述对所述静态协方差矩阵进行子空间分解得到信号对应的特征值和噪声对应的特征值，并进行噪声重构，包括：
11、计算所述静态协方差矩阵的特征子空间分解，表示为：evd[ry]＝ublkdiag(σs,σn)uh，其中，u为特征向量，σs为信号对应的特征值，σn为噪声对应的特征值，blkdiag()表示块奇异值分解函数；
12、利用pu用户的数量与噪声对信号对应的特征值和噪声对应的特征值进行分类，信号对应的特征值σs表示为：σs＝[s1,s2,...,sk]，噪声对应的特征值σn表示为：σn＝[n1,n2,...,nm-k]，m为天线数量；
13、通过特征向量u对噪声进行重构，重构的噪声n表示为：σm表示计算所得到的最后的奇异值。
14、所述计算向量ci通过计算得到，其中，mean()为平均运算，n为重构的噪声，φ表示感知矩阵。
15、有益效果
16、由于采用了上述的技术方案，本专利技术与现有技术相比，具有以下的优点和积极效果：本专利技术为了更好的利用空间多样性，考虑采用mimo作为硬件基础，并基于mcsl结构提出了改进music算法，发挥了mcsl结构所带来的空间关联优势。同时，为了进一步使得算法轻量化，给出了改进music算法的计算向量，所提出的算法优于主流的somp算法，可以有效抵抗噪声、提高检测概率、降低计算复杂度、提高宽频带感知的性能。
本文档来自技高网...【技术保护点】
1.一种基于MIMO的MWC欠奈奎斯特采样结构的宽频带感知方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于MIMO的MWC欠奈奎斯特采样结构的宽频带感知方法，其特征在于，所述mCSL矩阵建模表示为：其中，Y(i)为mCSL矩阵，H为MIMO信道描述矩阵，表示为：Rr为接收端相关系数矩阵，Rt为发射端相关系数矩阵，表示随机天线相关矩阵，S(i)为收到的信号，Φ表示感知矩阵，为AWGN的噪声信号。
3.根据权利要求1所述的基于MIMO的MWC欠奈奎斯特采样结构的宽频带感知方法，其特征在于，所述静态协方差矩阵表示为：其中，RY为静态协方差矩阵，Φ表示感知矩阵，K表示PU用户数量，hk为天线与接收端的增益，为接收端的相关系数，E表示数学期望。
4.根据权利要求1所述的基于MIMO的MWC欠奈奎斯特采样结构的宽频带感知方法，其特征在于，所述对所述静态协方差矩阵进行子空间分解得到信号对应的特征值和噪声对应的特征值，并进行噪声重构，包括：
5.根据权利要求1所述的基于MIMO的MWC欠奈奎斯特采样结构的宽频带感知方法，其特征在于，所
...【技术特征摘要】
1.一种基于mimo的mwc欠奈奎斯特采样结构的宽频带感知方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于mimo的mwc欠奈奎斯特采样结构的宽频带感知方法，其特征在于，所述mcsl矩阵建模表示为：其中，y(i)为mcsl矩阵，h为mimo信道描述矩阵，表示为：rr为接收端相关系数矩阵，rt为发射端相关系数矩阵，表示随机天线相关矩阵，s(i)为收到的信号，φ表示感知矩阵，为awgn的噪声信号。
3.根据权利要求1所述的基于mimo的mwc欠奈奎斯特采样结构的宽频带感知方法，其特征在于，所述静态协方差矩阵表示为：其中，...
【专利技术属性】
技术研发人员：杨立麒，覃荣华，唐洪莹，马慧，
申请(专利权)人：中国科学院上海微系统与信息技术研究所，
类型：发明
国别省市：
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。