【技术实现步骤摘要】
本专利技术属于数字通信，具体涉及一种基于智能反射面ris辅助的小波变换频谱感知方法及系统。
技术介绍
1、传统频谱分配方式是静态的，导致频谱不能被充分利用，从而使频谱资源变得日益稀缺，限制了无线通信发展。随着认知无线电(cr)技术的出现，使主用户(pu)能智能接入未占用的空闲频谱，极大提高了频谱利用率。其中，频谱感知作为cr技术的关键，其能精确智能地识别并利用空闲频谱，有效提高频谱利用率。传统频谱感知算法例如能量感知(ed)等易受环境因素影响，算法鲁棒性较差。随着下一代通信技术探索的深入，智能反射面(ris)技术应运而生，智能反射面的辅助能极大的改善通信质量降低链路信噪比增强通信系统鲁棒性。可有效应用于认知无线电系统能提升频谱感知效能。基于此，本专利技术提供了一种基于智能反射面ris辅助的小波变换频谱感知方法。
技术实现思路
1、针对现有技术的缺陷，本专利技术提出了一种基于智能反射面辅助的小波变换自适应频谱感知方法及系统。
2、本专利技术采用以下技术方案：
3、一种采用智能反射面(ris)的小波变换频谱感知方法，其包括以下步骤：
4、s1、源节点发射信号，对发射信号执行bpsk等调制方法，得到bpsk等调制后的信号。对该调制后的信号，输入并执行通信系统变频处理方法，得到射频信号，再通过天线广播，经自由空间发射给ris及次级用户接收机。
5、s2、在ris处，执行ris预编码矩阵优化方法，获取最优的r'×r'维反射面配置输出矩阵θ，将其
6、s3、接收机接收到步骤s2反射的信号，执行连续小波变换方法，生成小波系数矩阵g'。其中，该矩阵的各元素数据为实数，且均大于零。随后，对系数矩阵数值执行归一化操作，即将矩阵内所有数值归一化到0至1之间的数值，具体表示为：其中，ai,j为归一化之前矩阵中第i行j列的数据，a′i,j为归一化之后的数据，amax为整个矩阵最大的元素。随后，以a′i,j为灰度值，将该矩阵记为灰度值矩阵g。
7、s4、将生成的灰度值矩阵g作为输入数据集，执行残差神经网络训练方法，获得输入集合a与判决关系集合b的映射关系函数表达式，并记为判决模型λ：a→b(表示从集合a到集合b的映射关系)。
8、s5、在次级用户的接收机端，将步骤s3所得的灰度值矩阵g作为输入，输入到步骤s4中得到的判决模型λ，执行该判决模型λ的运算，得到判决状态h1或者h0，分别表示主用户信号存在或者不存在，作为该方法的最终输出结果。即确定当前通信信道中是否存在主用户信号，从而用于认知无线通信次用户空闲信道利用的关键依据。
9、优选的，步骤s2所述的预编码矩阵凸优化，其内容是：因频谱感知算法检测概率与接收端信噪比呈正相关，故该方法选择接收端信噪比为优化目标，预编码矩阵为优化参数；预编码矩阵凸优化过程具体采用如下步骤实现：
10、s2.1、存在ris辅助时，k个单天线发射机，通过ris与相应k个单天线接收机完成通信，具体步骤如下：
11、定义dk,k为主用户发射机与次级用户之间的直连信道系数,θn表示与ris的第n个无源元件相关联的相位变化量,hk,n为第k个发射机和第k个接收机之间的信道系数，hk,n表示第k个发射机与ris与第n个无源元件之间的信道系数，次级用户间的信道系数，gn,k为第k个主用户发射机与第n个ris无源元件间的信道系数，wk为第k个信号时刻对应的高斯白噪声。则第k个接收器的接收信号为：
12、
13、将式(1)改写为：
14、yk＝yef+yin (2)
15、其中，yef表示有效传输信号，yin表示干扰信号。yef表达式可写为：
16、
17、得到ris相位转移矩阵的优化目标方程为：
18、
19、s2.2、对以上优化目标改写为矩阵形式，得到新优化目标方程为：
20、
21、其中，分别为次级用户与ris之间的信道，主用户发射端与ris之间的信道，主用户发射端与次级用户之间的直连信道，为θ＝diag(θ1,θ2,...,θn)为ris的相位转移矩阵，并将d+hθg记为gm。
22、s2.3、给定两个矩阵和则这两个矩阵的克罗内克积是一个在的分块矩阵：
23、
24、存在矩阵jmn，将其按列分解为：j＝[j1,…,jn]，其中表示j第n列元素。则定义称为j的向量化，其中，表示jn的转置。
25、可将gm改写为：
26、vec(gm)＝vec(d)+vec(hθg) (7)
27、其中，且对于向量化有：其中a、b、c均为同型矩阵，故上式可写为：
28、
29、其中，表示克罗内克积。定义因θ除主对角线元素不为零外，其余部分均为零，则将式(8)等价改写为：
30、vec(gm)＝vec(d)+rθ (9)
31、其中，r为一个k2行n列的矩阵，矩阵元素均为实数。该矩阵第n列元素为矩阵c的第n(n-1)+n列元素。
32、s2.4、考虑到gm对角线元素，为了得到式(5)优化计算结果，定义集合：其中mod表示求余操作。
33、s2.5、设向量d元素都属于集合设向量r的元素都属于集合中，得到针对θ的优化目标方程的表达式为：
34、
35、其中，该式表示，面向θ中的各个元素θn满足0≤θn＜2π时，让||d+rθ||2式达到最大；
36、s2.6、将式(10)通过凸半定程序(sdp)，将其转化为二次约束二次规划(qcqp)问题，并采用以下步骤完成：
37、s2.7、引入辅助变量f和p，并分别定义为：
38、
39、
40、其中，r与d均为s2.6提到的向量，f与p均为辅助变量。
41、s2.8、再将式(10)转化为齐次形式，有：
42、
43、该式表示，面向θ中的各个元素θn满足0≤θn＜2π时，让
44、θ2rtr+θdtr+θrtd+dtd式达到最大。
45、s2.9、之后，对其化简，则有：
46、
47、s2.10、再将上述目标函数方程变换为：
48、
49、该式表示，面向θ中的各个元素θn满足0≤θn＜2π时，让tr(fp)式达到最大。其中，tr(·)指的是矩阵的迹，即对角线元素。至此，上述问题利用凸优化方法求解，得到最终所需的ris预编码矩阵θ。
50、优选的，步骤s3中，灰度值矩阵g生成方法，其内容是：将接收机接收的信号，按连续小波变换方法，并提取小波变换系数的模生成灰度值矩阵g，具体采用如下步骤实现：
51、s3.1、将伸缩因子转化为本文档来自技高网...
【技术保护点】
1.一种采用RIS的小波变换频谱感知方法，其特征在于，具体步骤如下：
2.如权利要求1所述一种采用RIS的小波变换频谱感知方法，其特征在于，步骤S2所述的RIS预编码矩阵优化方法，采用如下步骤实现：
3.如权利要求1或2所述一种采用RIS的小波变换频谱感知方法，其特征在于，步骤S3中，小波系数矩阵G'矩阵的各元素数据为实数，且均大于零；对小波系数矩阵数值G'执行归一化操作，即将小波系数矩阵内所有数值归一化到0至1之间的数值，具体表示为：其中，ai,j为归一化之前矩阵中第i行j列的数据，a'i,j为归一化之后的数据，amax为整个矩阵最大的元素；以a'i,j为灰度值，将矩阵记为灰度值矩阵G。
4.如权利要求3所述一种采用RIS的小波变换频谱感知方法，其特征在于，步骤S3中，灰度值矩阵G生成方法，采用如下步骤实现：
5.如权利要求4所述一种采用RIS的小波变换频谱感知方法，其特征在于，步骤S4所述的残差神经网络训练方法，采用如下步骤实现：
6.如据权利要求5所述一种采用RIS的小波变换频谱感知方法，其特征在于，步骤S5中，将
7.一种采用RIS的小波变换频谱感知系统，基于权利要求1-6任一项所述的方法，其特征在于，所述的系统包括如下模块：
...【技术特征摘要】
1.一种采用ris的小波变换频谱感知方法，其特征在于，具体步骤如下：
2.如权利要求1所述一种采用ris的小波变换频谱感知方法，其特征在于，步骤s2所述的ris预编码矩阵优化方法，采用如下步骤实现：
3.如权利要求1或2所述一种采用ris的小波变换频谱感知方法，其特征在于，步骤s3中，小波系数矩阵g'矩阵的各元素数据为实数，且均大于零；对小波系数矩阵数值g'执行归一化操作，即将小波系数矩阵内所有数值归一化到0至1之间的数值，具体表示为：其中，ai,j为归一化之前矩阵中第i行j列的数据，a'i,j为归一化之后的数据，amax为整个矩阵最大的元素；以a'i,j为灰度值，将矩阵记为灰度值矩阵...
【专利技术属性】
技术研发人员：姜斌，谷梦阳，包建荣，赵宜楠，刘兆霆，
申请(专利权)人：杭州电子科技大学，
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。