[发明专利]一种讯源数估测方法、系统、设备及存储介质

说明书

本申请实施例提供了一种讯源数估测方法、系统、设备及存储介质，所述方法包括以下步骤：计算样本协方差矩阵的特征值，取得降序排序的特征值向量；执行特征值向量的规范化，获得n‑范正规化特征值向量；计算差分绝对比；搜寻差分绝对比中的最大值，找出其对应的序列位置索引值，将该序列位置索引值视为「讯源数目候选值」；验证是否符合有效工作条件，若不符合条件，则发出广播，通知所有讯源端在应用系统中调高信号功率进行操作并重新传送，待收到新的信息时，再重新估测讯源数目；若符合条件，则所述的「讯源数目候选值」即为所求讯源数目。本申请实施例可以使讯源数目估计准确并且具备良好的稳定性。

技术领域

本申请各实施例属于通信和信号处理技术领域，特别是涉及一种可适用于高速移动环境下的讯源数估测方法、系统、设备及存储介质。

背景技术

从传感器组(sensor array)所收到的信号中，采取盲蔽估测(Blind estimation)的方式准确估出讯源数目(estimation of the number of sources)的技术，这一直是通信和信号处理领域中的重要问题。

采取盲蔽估测的方式来准确估出讯源数目的技术可适用在各种实际需求中，例如，在进行某项肢体动作时去估计活动肌肉的数量，以识别动作和确定病理；未知声源数目下可分离语音的方法；确定房间中具有背景噪声和混响的扬声器数目；在一个认知广播网络中，估计特定区域内的无线电发射机的数目。此外，还有一些应用系统，是将讯源数目估测作为初级估测，接着将估计得到的讯源数目提供给后级的估测器(作为后级估测器的参考信息)，因此讯源数目的正确性决定着后级估测器的效能；例如，物联网服务高速移动中车辆、动车、地铁、飞行器等，这些高速移动载具传送宽带信息上传至云端基地台接收机端的讯源数目会随时变动且未知，基地台接收机端在进行初始频率同步之前，需先估测讯源数目，并将估测的讯源数目结果提供给频率同步器，若讯源数目估计错误，将恶化频率同步器系统效能。由此可知，高速移动环境中能够准确估测讯源数目的方法在物联网发展中扮演重要的环节。

可预期物联网在高速交通运输器的智能化与自动驾驶等应用将会蓬勃发展，在许多高速移动环境下的物联网设备中需要提供可靠、准确、低延时的讯源数目估测器来满足各种云端管理、设备间信息交换与计算的需要；然而，在高速移动环境中的所收到的信号常受到严重干扰，想从中准确估出讯源数目的难度很高，通常是需要加入更多复杂的技术来提高准确度，但也会加重时间延迟的问题。

从传感器组收到的信号中估测讯源数目时，其协方差矩阵的特征值(Eigenvalues)是一个重要信息；其具代表性的传统方法是采用信息理论方法，例如最小描述长度(MDL)和赤池信息准则(Akaike information criterion,AIC)[参考文献：E.Fishler and H.V.Poor,“Estimation of the number of sources in unbalancedarrays via information theoretic criteria,”IEEE Trans.Signal Process.2005,53,3543–3553.]。AIC源自Kullback-Leibler信息概念，MDL源自贝氏方法(Bayesianapproach)[参考文献：G.Schwarz,“Estimating the dimension of a model,”Ann.Stat.,1978,6,461–464.]。AIC和MDL的估测讯源数目准则非常相近，两者的准则都是由似然函数和惩罚函数两部分构成，并由惩罚函数来区别这些算法。在评估用于估计源数量的算法的性能时，MDL一直被认为是一个标准[参考文献：S.Kritchman and B.Nadler,“Non-parametric detection of the number of signals:Hypothesis testing and randommatrix theory,”IEEE Trans.Signal Process.2009,57,3930–3941.]。传统方法中，AIC可在低信噪比(SNR)机制下实现高估测性能，但并非一致估计量；MDL虽是一致估计量，但在低信噪比时会降低估测性能。两种传统方法的运算复杂度偏高。