【技术实现步骤摘要】
一种稀疏度估计的方法及装置
本专利技术属于信号处理
,尤其涉及一种稀疏度估计的方法及装置。
技术介绍
在现有技术中,大多假设信号的稀疏度(稀疏系数向量中非零元素的个数)是预先已知的,并根据该稀疏度作为先验信息来选取为确保正确重建原信号所需收集的采样点的个数。然而在实际应用中,信号的稀疏度这一先验信息有可能是受限的。例如,在认知无线电(CognitiveRadio,CR)宽带频谱检测应用场景中,由于CR用户频谱检测节点处宽带接收信号的稀疏度直接取决于授权用户(PU,PrimaryUser)的频谱占用情况,但是由于PU系统与CR系统之间通常无直接交互信息,通常不得不采用稀疏度的最大统计量(即最大稀疏度)代替实际稀疏度去确定为重建原信号所需的采样点的个数。为解决以上所述稀疏度先验信息受限这一问题,目前,提出了稀疏度估计(SOE,SparsityOrderEstimation)的概念和方法。现有稀疏度估计的技术方案中,通常由单个用户根据最大稀疏度这一受限先验信息Smax来确定所需采样点的个数,并对实际稀疏度Snz进行单个用户的单步稀疏度估计,现有技术存在以下问题:1、在实际应用中通常信噪比较低,在低信噪比场景下,单个用户稀疏度估计通常会由于噪声的严重影响而无法对信号的稀疏度进行正确估计。2、现有的单步稀疏度估计方法,需要根据最大稀疏度Smax确定采样点的个数以对实际稀疏度Snz进行估计,因为Snz<Smax而且所需采样开销是稀疏度的增函数,所以由Smax所确定的采样点的个数将大于实际所需的采样点的个数,导致稀疏度估计中存在采样开销浪费。3、而当实际系统 ...
【技术保护点】
一种稀疏度估计的方法,其特征在于,所述方法包括:计算当前迭代步骤所需的采样点的个数;根据所述计算的采样点的个数及预设调度策略,发送采样指令至多个终端设备,以使终端设备根据所述采样指令,执行采样以获取采样数据,所述采样指令包括:终端设备需要获取的采样点的个数及终端设备用于生成采样矩阵的随机种子序列;接收各本地终端设备上报的采样数据,作为获取的当前迭代步骤所需的采样点;根据所述当前迭代步骤所需的采样点、当前迭代步骤之前所有迭代步骤采集的采样点、及待观测稀疏信号的多个观测向量,生成基于L1/L2混合范数和多步累加最小均方误差的目标函数;根据所述目标函数,对待观测稀疏信号进行联合稀疏度估计,并获取联合稀疏度估计的结果,所述结果包括:待观测稀疏信号的稀疏度估计值和所述稀疏度估计值对应的非零元素的位置信息;根据所述联合稀疏度估计的结果,对所述联合稀疏度估计进行终止判决。
【技术特征摘要】
1.一种稀疏度估计的方法,其特征在于,所述方法包括:计算当前迭代步骤所需的采样点的个数;根据所述计算的采样点的个数及预设调度策略,发送采样指令至多个终端设备,以使终端设备根据所述采样指令,执行采样以获取采样数据,所述采样指令包括:终端设备需要获取的采样点的个数及终端设备用于生成采样矩阵的随机种子序列;接收各本地终端设备上报的采样数据,作为获取的当前迭代步骤所需的采样点;根据所述当前迭代步骤所需的采样点、当前迭代步骤之前所有迭代步骤采集的采样点、及待观测稀疏信号的多个观测向量,生成基于L1/L2混合范数和多步累加最小均方误差的目标函数;根据所述目标函数,对待观测稀疏信号进行联合稀疏度估计,并获取联合稀疏度估计的结果,所述结果包括:待观测稀疏信号的稀疏度估计值和所述稀疏度估计值对应的非零元素的位置信息;根据所述联合稀疏度估计的结果,对所述联合稀疏度估计进行终止判决。2.如权利要求1所述的方法,其特征在于,所述预设调度策略为:第一调度策略:所有系统内的本地用户平均分配系统当前迭代步骤所需的采样点的个数;或者第二调度策略:根据系统内的本地用户的性能,按照权重分配系统当前迭代步骤所需的采样点的个数。3.如权利要求1所述的方法,其特征在于,所述计算当前迭代步骤所需的采样点的个数具体为:根据上一迭代步骤的稀疏度估计值当前迭代步骤之前所有迭代步骤采集的采样点的个数Mpt、预设的相邻两次迭代步骤的采样点的个数最小增量Δ,计算当前迭代步骤所需的采样点的个数Mr,具体如下:其中,max{·,·}为取最大值操作,M(·)为稀疏度估计所需采样点的个数计算函数,其中N为信号维度,为向上取整操作。4.如权利要求1所述的方法,其特征在于,所述根据所述联合稀疏度估计的结果,对所述联合稀疏度估计进行终止判决之前,所述方法还包括:判断当前稀疏度估计结果是否出现异常;当判断所述当前稀疏度估计结果出现异常时,跳转执行根据所述计算的采样点的个数及预设调度策略,发送采样指令至多个用户终端设备,以使终端设备根据所述采样指令,执行采样以获取采样数据,以进行新一次联合稀疏度估计;当判断所述当前稀疏度估计结果未出现异常时,则执行根据所述联合稀疏度估计的结果,对所述联合稀疏度估计进行终止判决。5.如权利要求1所述的方法,其特征在于,所述根据所述联合稀疏度估计的结果,对所述联合稀疏度估计进行终止判决具体为:判断当前稀疏度估计值对应的非零元素的位置信息与上一次稀疏度估计值对应的非零元素的位置信息是否一致;若是,则终止联合稀疏度估计,并输出稀疏度估计结果;若否,则跳转执行计算当前迭代步骤所需的采样点的个数,以进行新一次联合稀疏度估计。6.如权利要求1所述的方法,其特征在于,所述根据所述联合稀疏度估计的结果,对所述联合稀疏度估计进行终止判决具体为:判断当前稀疏度估计值与上一次稀疏度估计值是否相等;若不相等,则跳转执行计算当前迭代步骤所需的采样点的个数,以进行新一次联合稀疏度估计;若相等,判断当前稀疏度估计值对应的非零元素的位置信息与上一次稀疏度估计值对应的非零元素的位置信息是否一致;若一致,则终止联合稀疏度估计,并输出稀疏度估计结果;若不一致,则跳转计算当前迭代步骤所需的采样点的个数,以进行新一次联合稀疏度估计。7.如权利要求1所述的方法,其特征在于,所述根据所述当前迭代步骤所需的采样点、当前迭代步骤之前所有迭代步骤采集的采样点、及待观测稀疏信号的多个观测向量,生成基于L1/L2混合范数和多步累加最小均方误差的目标函数具体为:其中,Yk-1,j为第j个本地用户在当前第k次迭代步骤之前所有k-1次迭代步骤中采集的所有采样点的累加向量,其中T为转置操作,Ωk-1,j为第j个本地用户在当前第k次迭代步骤之前所有k-1次迭代步骤中所用的采样矩阵的累加矩阵,yk,j为第j个本地用户在当前第k次迭代步骤中采集的采样点向量,Φk,j为第j个本地用户在当前第k次迭代步骤中所用的采样矩阵,ω为折中稀疏性和误差的权重值,θ为N×1的待观测信号向量且该向量中非零元素的个数远远小于信号向量的维度N,Ψ为N×N的稀疏表示矩阵,J为本地用户的个数,θj为由待观测信号θ对应的各个观测向量,Θ为由各θj做列向量组成的矩阵,j∈[1,…,J],θn,j为θj中的第n个元素,为待观测稀疏信号的多个观测向量的联合估计值;所述根据所述目标函数,对待观测稀疏信号进行联合稀疏度估计,并获取联合稀疏度估计的结果具体为:其中,为当前待观测稀疏信号的稀疏度估计值,为...
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。