[发明专利]一种混合高斯噪声稀疏贝叶斯频谱感知方法

说明书

本发明公开了一种混合高斯噪声稀疏贝叶斯频谱感知方法，包括以下步骤：1)构建被混合高斯噪声影响的压缩频谱感知系统模型；2)根据压缩频谱感知系统模型探索主用户功率谱信号的稀疏性；3)利用主用户功率谱信号的稀疏性重构主用户功率谱信号，进而判断信道是否被占用。本发明基于虚拟参考网格点方案，用分层先验变分贝叶斯算法重构出主用户功率谱信号的功率谱信息，从而便于次用户动态使用有限的频谱资源。本发明考虑到了混合高斯噪声对认知无线电系统的影响，且不需要对重构出的主用户功率谱信号进行再次判决就可以获得有效的频谱资源信息。

技术领域

本发明属于无线通信技术领域，具体涉及一种混合高斯噪声稀疏贝叶斯频谱感知方法。

背景技术

压缩感知可以破除宽带频谱感知中奈奎斯特采样速率的限制，通过低速采样获取少量观测数据进行宽带信号的谱估计，从而检测宽带频谱的空穴。在认知无线电系统中，由于主用户的频谱只占系统带宽的一小部分以及其地理位置相对于整个感知区域的有限性，合理利用主用户功率谱信号的稀疏性这一先验知识，不仅可以极大简化通信设备，而且可以更好地重构主用户功率谱信号。

已有的关于认知无线电压缩频谱感知的重构算法都只研究了被加性高斯白噪声影响的系统模型。然而，现实生活中的许多干扰或噪声并不是单纯的加性高斯白噪声，比如人为脉冲噪声、各认知用户间的信道干扰和超宽带干扰等，这时如果仍然用高斯分布来拟合势必会造成较大的误差。而混合高斯噪声是由若干个高斯分布加权和得到，经常用来描述脉冲噪声、人为噪声以及超宽带干扰等；而且通过调节各分布的混合系数或方差，混合高斯模型几乎可以拟合任意的非高斯噪声模型。

发明内容

针对现有技术存在的技术问题，本发明提供了一种混合高斯噪声稀疏贝叶斯频谱感知方法，考虑到混合高斯噪声对认知无线电系统的影响，系统模型中所有变量通过迭代算法求得了最优解，而且不需要对重构出的主用户功率谱信号进行再次判决就可以获得有效的频谱资源信息。

本发明采取如下技术方案来实现的：

一种混合高斯噪声稀疏贝叶斯频谱感知方法，包括以下步骤：

1)构建被混合高斯噪声影响的压缩频谱感知系统模型；

2)根据压缩频谱感知系统模型探索主用户功率谱信号的稀疏性；

3)利用主用户功率谱信号的稀疏性重构主用户功率谱信号，进而判断信道是否被占用。

本发明进一步的改进在于，步骤1)中，为了便于次用户估计主用户的地理位置，引入虚拟参考网格点方案，将一个非凸优化问题转变为一个凸优化求解问题。

本发明进一步的改进在于，步骤1)中，考虑有两个高斯分布的混合高斯噪声模型，即二元混合高斯噪声模型，用于拟合各种脉冲噪声和人为噪声，其概率密度函数为：

其中，0＜ε_i＜1为混合系数且ε₁+ε₂＝1，ν_i为第i个高斯分布的方差，i的取值为1和2，噪声总方差为ν＝ε₁ν₁+ε₂ν₂＝ε₁ν₁+τε₂ν₁，τ为两个分布的噪声方差比；

通过调节混合系数或各分布的方差得到被混合高斯噪声影响的压缩频谱感知系统模型为：

Φ＝Bθ+Zσ+e

＝Bθ+ω (2)