一种一体化深度混叠频谱信号参数识别方法技术

本发明专利技术公开了一种一体化深度混叠频谱信号参数识别方法，该方法通过设计一个三层深度分解结构，同时实现了混叠频谱信号的类别、位置和功率估计；传统的NMF是单层分解，且分解结果不唯一，本发明专利技术在构建整体的目标函数阶段，采用一种深度NMF(Deep‑NMF)方式，逐层分解信号参数，进行信号种类、功率估计和定位的识别，分解设计不同的层因子使得每一层有不同的特征表示，可以使每一层得到相应的信号特征参数。采用本发明专利技术的技术方案，能有效提高信号识别的准确性和鲁棒性，优化频谱资源管理，并增强无线通信系统的整体性能。

【技术实现步骤摘要】

本专利技术涉及混叠频谱信号识别领域，特别涉及一种一体化深度混叠频谱信号参数识别方法。

技术介绍

1、随着互联网的普及和物联网(iot)技术的快速发展，无线通信系统在全球范围内得到了广泛应用。无线通信技术的进步和新无线技术的融合，使得多个信号可能占用同一频率带，导致信号相互干扰，这种现象被称为混叠频谱信号。混叠频谱信号的存在不仅影响了通信质量，还可能导致通信中断，尤其是在无需许可的工业、科学和医疗(ism)频段中，由于众多iot设备在同一频段上同时通信，混叠频谱信号问题尤为突出。因此，如何有效识别和管理oss，提高无线通信系统的性能和可靠性，成为了无线通信领域亟待解决的技术挑战。

2、混叠频谱信号的识别和管理涉及到信号处理和频谱管理的多个方面。传统的信号处理方法，如独立成分分析(ica)、主成分分析(pca)和非负矩阵分解(nmf)，在信号识别和分离方面取得了一定的成功，研究[1]中通过多个非授权用户对信道状态认知的协同nmf分解实现了对授权用户频谱占用状态的联合估计和预测。

3、但它们存在固有的局限性，例如pca只保留方差最大的成分本文档来自技高网...

【技术保护点】

1.一种一体化深度混叠频谱信号参数识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述一体化深度混叠频谱信号参数识别方法，其特征在于，步骤(6)中，采用交替方向乘子法对Zl,m和Al,m进行迭代。

3.根据权利要求2所述一体化深度混叠频谱信号参数识别方法，其特征在于，所述交替方向乘子法的更新规则如下:

4.根据权利要求1所述一体化深度混叠频谱信号参数识别方法，其特征在于，步骤(6)中，采用基于KL散度或者β散度或者投影梯度的方式对Zl,m和Al,m进行迭代。

5.根据权利要求1所述一体化深度混叠频谱信号参数识别方法，其特征在于，第n...

【技术特征摘要】

1.一种一体化深度混叠频谱信号参数识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述一体化深度混叠频谱信号参数识别方法，其特征在于，步骤(6)中，采用交替方向乘子法对zl,m和al,m进行迭代。

3.根据权利要求2所述一体化深度混叠频谱信号参数识别方法，其特征在于，所述交替方向乘子法的更新规则如下:

4.根据权利要求1所述一体化深度混叠频谱信号参数识别方法，其特征在于，步骤(6)中，采用基于kl散度或者β散度或者投影梯度的方式对zl,m和al,m进行迭代。

5.根据...

【专利技术属性】
技术研发人员：李晓帆，李刚，王渤洋，孔亮宸，王邃，唐四中，江蓉，
申请(专利权)人：暨南大学，
类型：发明
国别省市：