[发明专利]一种电磁频谱地图的构建方法

说明书

本发明提供了一种电磁频谱地图的构建方法，包括以下步骤：先用负平方距离定义任意两个传感器之间的空间相似性，然后通过迭代过程更新吸引度矩阵和归属度矩阵，以此确定传感器聚类的中心；通过传感器的类组建不同未知点的克里金估计群，针对不同的克里金估计群进行实验变差函数的计算，将不同克里金估计群内的理论变差函数进行拟合，计算克里金估计群中各感知点测量值的普通克里金权重，进而计算普通克里金估计值；多次重复上述估计出区域内任意未布设传感器位置处的观测值，从而得到观测值在整个区域内的分布状况，即实现电磁频谱地图构建。本发明方法将近邻传播聚类应用于随机布设的传感器聚类上，大大提升电磁频谱地图构建精度和构建效率。

技术领域

本发明涉及通信技术领域，特别地，涉及一种电磁频谱地图的构建方法。

背景技术

电磁频谱地图表征电磁频谱信息的空间分布状态，这些信息包括信号功率、场强和信道增益等。由于考虑到了电磁频谱资源在空间分布的差异，相比传统的频谱感知方法，电磁频谱地图更有利于提高有限频谱资源的利用率，因而在认知无线电、电磁频谱管理、信号覆盖预测以及智慧城市等领域有广泛应用前景。

由于受到成本、传感器数量、部署位置等多方面因素的影响，目前仅能得到布设传感器处局部、分散的电磁频谱监测数据，无法覆盖感兴趣区域内所有需监测的位置。因此，如何利用局部、分散的电磁频谱监测数据，构建全局、关联的电磁频谱地图，具有重要的学术和应用研究价值。

电磁频谱地图构建方法主要包括两类：一是间接构建方法，根据辐射源信息，通过传播模型计算得到未布设传感器处的电磁频谱信息。二是直接构建方法，利用传感器获得的测量值，通过距离反比法、最近邻点法、样条法、克里金法等确定性插值法估计未布设传感器处的电磁频谱信息。此外，可用于电磁频谱地图构建的方法还有以下方法：(1)基于矩阵补全的方法：使用多维矩阵对感兴趣区域内的电磁频谱信息进行建模，并将未知的观测值视为多维矩阵的缺失值，然后利用矩阵补全算法对缺失值进行估计。(2)基于压缩感知的方法：考虑到辐射源空间分布的稀疏性，在假设传播模型已知的前提下，将电磁频谱地图构建问题表述为一个压缩感知问题，然后使用正交匹配追踪法进行求解；(3)基于字典学习的方法：首先使用半监督字典学习方法，利用传感器观测数据对辐射源开关机状态的时序变化进行建模预测，然后利用已知的辐射源信息实现电磁频谱地图构建及其随时间变化的预测。

以上方法存在如下缺陷：(1)间接构建方法、基于压缩感知的方法以及基于字典学习的方法依赖于辐射源和传播环境的相关信息，而这些信息在很多实际应用场景中是无法获得的。(2)基于矩阵补全的方法、基于压缩感知的方法和基于字典学习的方法需要大量的观测值，从而要求感兴趣区域内密集部署大量传感器，这种部署方式耗费巨大，且在实际应用中通常难以实现。(3)部分基于确定性插值法的直接构建方法未考虑不同位置电磁频谱监测数据之间的相关性，从而导致构建精度不理想。(4)考虑了空间相关性的确定性插值法如普通克里金差值法，计算复杂度较高，构建效率不高，无法适应电磁频谱地图快速更新的场景。

因此，业内急需一种电磁频谱地图的构建方法的新型技术。

发明内容

本发明目的在于提供一种基于近邻传播聚类普通克里金插值的电磁频谱地图构建方法，以解决上体现有技术中存在的技术问题。

为实现上述目的，本发明提供了一种电磁频谱地图的构建方法，包括以下步骤：

第一步，选取空间中任意两个传感器i和j，用负平方距离定义任意两个传感器i和j之间的空间相似性；

第二步，通过迭代过程更新吸引度矩阵R和归属度矩阵A，以此确定传感器的类的中心；所述吸引度矩阵R的元素r(i,j)用于量化s_j是否适合作为s_i的中心的程度，所述归属度矩阵的元素a(i,j)用于表示s_i挑选s_j作为它的中心的合适程度；其中，s_i和s_j分别表示传感器i和j的位置；