【技术实现步骤摘要】
本专利技术涉及频谱混叠信号识别领域，特别涉及一种频谱混叠无线信号深度识别方法。
技术介绍
1、随着无线通信设备的普遍使用和灵活的无线电频谱策略的应用，如2.4ghz无授权频谱、频谱共享、动态选频等，频谱混叠信号出现的频率越来越高，而一些非法的频谱混叠信号会带来更严重的干扰。
2、目前对频谱混叠信号识别的研究通常通过盲源分离技术，如独立成分分析(ica)、主成分分析(pca)以及奇异值分解(svd)等，但这些技术无法准确确定混合信号的数量并且难以保持信号原有尺度不变，并且后续无法再对信号进行定位与发射功率估计。而非负矩阵分解(nmf)算法通过矩阵分解能对混叠信号进行有效的解耦，能同时对信号种类进行识别并且确定混合信号的数量。nmf算法由于其良好的分离结构，将多个nmf组成得到的多层nmf算法可进行多参数的解耦估计，能在信号种类识别的基础上，再对信号的定位与发射功率估计。此外，大多数盲源分离技术的研究都只关注静态场景，固定住的无线电监测系统受其静态位置的限制，受信号接收覆盖范围的限制，因此无线电监测系统需要具备灵活部署能力。
3、例如，结构化nmf模型[1]可以在不知道未知信号源数量的情况下，对不同载波上传输的重叠信号的频谱进行分离，属于盲源分离技术，但无法针对频谱混叠的多种类信号进行识别。
4、配备频谱分析仪的无人机(uav)来动态分析指定区域的无线电信号是一种更加灵活的方式，目前基于uav的无线电信号识别与定位技术主要依赖于接收和发射信号的特性。uav凭借其机动性广泛的进行移动，根据频谱分析仪
5、例如，研究[2]提出了一种基于移动无人机监控的多发射机同时定位的直接定位方法，通过多架无人机的协同测向进行辐射源定位。但该方案同样无法针对频谱混叠的多种类信号进行识别。
6、[1]x.fu,n.d.sidiropoulos,and w.-k.ma,“power spectra separation viastructured matrix factorization,”ieee transactions on signal processing,vol.64,no.17,pp.4592-4605,2016.
7、[2]li,y.he,x.zhang,and q.wu,“simultaneous localization of multipleunknown emitters based on uav monitoring big data,”ieee transactions onindustrial informatics,vol.17,no.9,pp.6303-6313,2021.
技术实现思路
1、本专利技术的目的在于克服现有技术的缺点与不足，提供一种频谱混叠无线信号深度识别方法。
2、本专利技术的目的通过以下的技术方案实现：
3、一种频谱混叠无线信号深度识别方法，包括以下步骤：
4、(1)对监测到的m条频谱混叠信号通过非负矩阵分解，构建目标函数q1并求解，得到第m个频谱混叠信号包含种类信息的系数矩阵am、信号种类共识矩阵a*；其中a*用于综合所有的am；
5、所述目标函数q1如下：
6、
7、式中，rm是监测到的第m个频谱混叠信号，1≤m≤m；bs是无线电信号频谱字典，是第m个频谱混叠信号的信号种类确定矩阵，通过0与1指示是否是该种信号；
8、(2)构建目标函数q2，对am进行进一步分解，得到频谱混叠信号中各个信号的位置与发射功率，其中信号的位置是对监测区域进行网格划分得到的网格位置；
9、所述目标函数q2如下：
10、
11、式中，pm是第m个频谱混叠信号的对角矩阵，对角线上的值对应不同信号的发射功率；lm是第m个频谱混叠信号的位置指示矩阵，通过0与1表示第g个网格处是否存在第n个信号，wm是第m个频谱混叠信号的信号路径损耗衰落矩阵，l*、p*分别是对lm、pm的共识矩阵。
12、步骤(1)中，所述目标函数q1在交替求解am与a*是凸的，分别对am与a*求导得到更新规则：
13、
14、式中，t为矩阵转置操作；为转置后的无线电信号频谱字典；
15、得到未知信号源数量的估计值为：
16、
17、其中是矩阵a*中第n个元素。
18、步骤(2)中，构建目标函数q3、q4，对所述目标函数q2进行变型后，再进行求解：
19、对q2中的对角矩阵限制与0-1整数约束进行处理，令hm＝pmlm，q2中的约束转化为：||(hm)n||1＝||(hm)n||2，(hm)n是hm的第n个行向量，得到目标函数q3为：
20、
21、式中，hm为第m个视角估计的未知信号的位置与发射功率的矩阵；h*为综合所有视角下得到的未知信号的位置与发射功率的共识矩阵；
22、通过惩罚项将非凸约束进行转化，得到目标函数q4：
23、
24、式中，λ为h*的惩罚因子；ρ为惩罚系数；表示对全元素为1的矩阵进行矩阵转置；
25、由于q4满足kl条件，通过近端交替线性化最小化算法进行求解，hm与h*的更新规则如下：
26、
27、求解得到h*，h*的第n行表示第n个频谱混叠信号的位置与发射功率，其中该行最大元素对应的下标是第n个频谱混叠信号所处的网格编号，该最大元素是第n个频谱混叠信号的发射功率；t为矩阵转置操作；1g×g为g×g的全1矩阵。
28、定义第m个监测节点在第t个频谱采样时隙内接收到的频谱混合信号为sm(t)：
29、
30、其中jm为第m个监测节点在该频段内的频点采样数量；为第n0个未知信号在jm个频点上的标准功率谱密度函数，且为边缘节点可识别信号的标准频谱字典；为第n0个未知信号源在时隙t的发射功率；为第n0个未知信号源到第m个监测节点的信道增益系数，zm(t)为在第m个监测节点的噪声且服从的高斯分布。
31、所述定义为：
32、
33、其中，信道常数f是未知信号的工作中心频率，c为光速，er,m和分别为第m个监测节点和第n0个未知信号的天线增益；和分别为第m个监测节点和第n0个未知信号间的信道响应和距离。
34、所述定义为：
35、
36、其中和(xr,m,yr,m,hm)分别为第n0个未知信号和第m个监测节点在以边缘节点为原点的坐标系中的坐标；该监测网络的信号监测范围的最大横坐标、最大纵坐标为±xmax、±ymax；在ts内保持不变；第g个网格到第m个监测节点的链路损耗
37、同本文档来自技高网...
【技术保护点】
1.一种频谱混叠无线信号深度识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述频谱混叠无线信号深度识别方法，其特征在于，步骤(1)中，所述目标函数Q1在交替求解Am与A*是凸的，分别对Am与A*求导得到更新规则：
3.根据权利要求1所述频谱混叠无线信号深度识别方法，其特征在于，步骤(2)中，构建目标函数Q3、Q4，对所述目标函数Q2进行变型后，再进行求解：
4.根据权利要求1所述频谱混叠无线信号深度识别方法，其特征在于，定义第m个监测节点在第t个频谱采样时隙内接收到的频谱混合信号为sm(t)：
5.根据权利要求4所述频谱混叠无线信号深度识别方法，其特征在于，所述定义为：
6.根据权利要求5所述频谱混叠无线信号深度识别方法，其特征在于，所述定义为：
7.一种服务器，所述服务器包括处理器和存储器，其特征在于，所述存储器中存储有至少一段程序，所述程序由所述处理器加载并执行以实现权利要求1至6中任一权利要求所述频谱混叠无线信号深度识别方法。
8.一种计算机可读存储介质，所述存储介质中存储有至少一
...【技术特征摘要】
1.一种频谱混叠无线信号深度识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述频谱混叠无线信号深度识别方法，其特征在于，步骤(1)中，所述目标函数q1在交替求解am与a*是凸的，分别对am与a*求导得到更新规则：
3.根据权利要求1所述频谱混叠无线信号深度识别方法，其特征在于，步骤(2)中，构建目标函数q3、q4，对所述目标函数q2进行变型后，再进行求解：
4.根据权利要求1所述频谱混叠无线信号深度识别方法，其特征在于，定义第m个监测节点在第t个频谱采样时隙内接收到的频谱混合信号为sm(t)：
<...【专利技术属性】
技术研发人员：李晓帆，童浩，林达宜，赖幸君，杨光华，李腾飞，刘鸿元，
申请(专利权)人：暨南大学，
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。