[发明专利]基于支持向量机的宽带频谱压缩感知方法

说明书

技术领域

本发明涉及计算机通信技术领域，特别涉及一种基于支持向量机的宽带频谱压缩感知方法。

背景技术

目前，随着我国无线通信业务领域的广泛发展，频谱资源日趋匮乏，其主要原因是现有无线通信系统均采用低效率的固定信道分配策略。认知无线电的提出可以有效解决该问题，它允许认知用户在不影响授权用户正常通信的前提下共享该频段。

频谱感知技术是认知无线网络设计的重要基础环节，只有实时快捷的了解主用户对频谱使用的情况，才能在不对其造成额外干扰的情况下实现无线频谱的二次利用、提高无线频谱利用率。

压缩感知是一门新兴技术，它利用了稀疏信号的自相关特性，使用少量的投影来还原信号。这些投影的地位是等价的，因而在传输中丢失若干不会造成严重后果。与传统思路的高采样速率相比，压缩感知只简单采集一部分数据（而非全部数据），将复杂的处理部分交给数据还原端来做，在尽量少的数据中提取尽量多的信息，大大降低了需要的采样速率。

压缩感知技术是传统信息论的一个延伸，却又为信号采集技术带来了革命性的突破，它采用非自适应线性投影来保持信号的原始结构，以远低于奈奎斯特频率采样信号，通过数值最优化问题准确重构。

但是压缩感知重建算法是NP-hard问题，计算复杂度高，需要考虑个子空间的联合穷举。用l₁-最小算法来替代l₀-最小算法，可以在一定程度上降低复杂度，但是其算法复杂度也接近O(N²)（N表示信号长度）。特别对于宽带信号重建过程耗时过长，不利于实时性应用。而本发明能很好地解决上面的问题。

发明内容

本发明目的在于提供基于支持向量机（SVM,Support Vector Machine）的宽带频谱压缩感知方法，该方法引入压缩感知理论以降低对模/数转换器的要求，利用支持向量机代替信号重构过程，直接进行分类识别。压缩采样大量的已知频谱占用情况的信号样本，利用支持向量机进行训练，得到分类器参数，而后利用训练好的分类器对压缩后的观测序列进行频谱占用情况判决。

本发明解决其技术问题所采取的技术方案是：本发明提供基于支持向量机（SVM,Support Vector Machine）的宽带频谱压缩感知方法。该方法利用支持向量机代替压缩感知中的重构过程，通过压缩采集大量已知频谱占用情况的样本，对于样本进行数据预处理并训练，得到分类器，利用分类器对未知频谱段进行频谱感知。该方法将计算复杂度从重构过程转移到之前分类器的训练上来，降低了频谱感知时间，实现实时频谱感知。

本发明提供了一种基于支持向量机的宽带频谱压缩感知方法，该方法包括如下步骤：

步骤1：对于已知频谱占用情况的宽带频谱段利用压缩感知进行压缩采样，得到大量的训练样本。

步骤2：对于训练样本进行数据预处理，即数据取绝对值，同时进行一定比例的尺度缩放。

步骤3：利用支持向量机对缩放后的训练样本进行训练。该训练既包括二元分类器训练，即对于一整段频段进行有无被主用户占用的二元分类器训练，又包括对于宽频段多信道多个主用户不同占用情况的多元分类器训练，得到分类器。

步骤4：对于未知宽带频谱段利用压缩感知进行压缩采样，使用与步骤2中相同的观测矩阵得到测试样本。

步骤5：将测试样本进行数据预处理，采用同步骤2相同的方式进行数据处理。

步骤6：利用训练好的分类器进行频谱判决，得到频谱占用情况。

有益效果：

1、本发明引入压缩感知理论使系统能以远低于奈奎斯特采样速率的速率无损采样，降低对硬件的要求。

2、本发明降低了系统复杂度，实现了实时频谱感知，同时提高了频谱感知的精度。

附图说明

图1为本发明的系统流程图。

图2为本发明的线性可分情况下的最佳分类线。

具体实施方式

下面结合说明书附图对本发明作进一步的详细说明。

如图1所示，本发明的系统流程图主要包括频段信号采集、采样信号数据预处理、分类器训练、频谱占用情况分类判决等四部。频段信号采集部分，利用压缩感知技术对已知先验情况的宽带信号进行采样，得到大量的训练数据，同样对未知的宽带信号进行采样，得到测试数据。数据预处理部分，为了降低系统计算复杂度，同时提高训练得到的分类器的准确性，对采样的信号取绝对值并且进行同比例缩放。分类器训练部分，根据具体需求进行二元、多元分类器训练，得到判决分类器。频谱占用情况分类判决，利用训练好的分类器，对测试数据进行分类判决，实现频谱感知的目的。