一种基于逻辑回归的单比特空间谱估计方法

    公开(公告)号:CN106772223A

    公开(公告)日:2017-05-31

    申请号:CN201611109952.2

    申请日:2016-12-06

    CPC classification number: G01S3/143

    Abstract: 一种基于逻辑回归的单比特空间谱估计方法,涉及阵列信号处理中的空间谱估计领域和人工智能中的逻辑回归领域。解决了在单比特极端量化和超大规模天线阵情形,传统空间谱估计算法不仅计算量很大,而且精度较差的问题。本发明方法中首先对单比特接收数据进行建模获得样本模型,并将观测模型转化到实数域以便于后续处理。建模之后,将空间谱看成线性分类器的系数,将流型矩阵看成输入的样本,将阵列观测输出作为输入样本对应的输出,这样就把空间谱估计转化为一个线性分类问题。在本发明算法的最后,采用逻辑回归算法对该线性分类问题进行求解,得到的分类系数及对应于阵列输入信号产生的空间谱。本发明主要用于空间谱的估计。

    一种应用于合作频谱感知的信息融合判决方法

    公开(公告)号:CN104022839B

    公开(公告)日:2016-04-20

    申请号:CN201410283562.1

    申请日:2014-06-23

    Abstract: 一种应用于合作频谱感知的信息融合判决方法,涉及认知无线电合作频谱感知技术,属于无线电频谱感知技术领域。本发明为解决现有的or准则方法虚警概率较高,经常当主用户不使用频段时,判定为主用户在使用频段,从而一定程度上的降低了频谱利用率的问题。提出了一种应用于合作频谱感知的信息融合判决方法,该方法包括认知用户频谱感知阶段;检测结果报告阶段;融合中心采取dor准则判决;以及合作频谱感知的信息融合判决方法的评价方法。本发明适用于无线电频谱的感知。

    一种基于非重构框架的频谱感知方法

    公开(公告)号:CN103986540B

    公开(公告)日:2015-11-04

    申请号:CN201410255616.3

    申请日:2014-06-10

    Abstract: 一种基于非重构框架的频谱感知方法,本发明涉及非重构框架的频谱感知方法。本发明是要解决无线通信技术已授权的频谱资源利用率低、传统的压缩感知频谱感知算法复杂以及不能在非重构框架下直接利用压缩采样的数据矩阵进行频谱感知的问题,而提出的一种基于非重构框架的频谱感知方法。该方法是通过1、确定归一化稀疏基ψ;2、根据信号长度N,确定压缩后信号长度M;3、生成大小为M×N的矩阵G;4、M×N的矩阵G与ψT相乘得到测量矩阵Φ;5、得到压缩采样后的数据向量y;6、根据噪声方差σ2及虚警概率Pf设定阈值λ;7、max(|y|)>λ判定信道存在主用户信号;8、得到信号的检测概率Pd等步骤实现的。本发明应用于非重构框架的频谱感知领域。

    一种自适应解码转发协作系统的信号选择合并方法

    公开(公告)号:CN103095360B

    公开(公告)日:2015-04-15

    申请号:CN201310062280.4

    申请日:2013-02-27

    Abstract: 一种自适应解码转发协作系统的信号选择合并方法,本发明涉及通信系统的分集接收方法,尤其涉及自适应解码转发协作系统的分集信号选择合并方法。本发明是要解决现有选择合并器无法有效地合并不同调制阶数的信号的问题。一、各支路信号的输入;二、最优比例系数的求解;三、基于比例系数的选择合并器信号的选择与输出,即完成了自适应解码转发协作系统的选择合并器信号的输出。本发明应用于通信领域。

    一种基于随机矩阵的认知无线电频谱感知方法

    公开(公告)号:CN104038944A

    公开(公告)日:2014-09-10

    申请号:CN201410293452.3

    申请日:2014-06-25

    Abstract: 一种基于随机矩阵的认知无线电频谱感知方法,本发明涉及认知无线电频谱感知技术。本发明是要解决在低信噪比条件下检测性能低远不能满足实际应用的需要的问题,而提供了一种基于随机矩阵的认知无线电频谱感知方法。步骤一、采用多天线对要进行感知的信号进行接收;步骤二、将接收到的信号数据根据随机矩阵理论利用采样矩阵进行表示;步骤三、求解采样矩阵的奇异值,找出其中最大奇异值和最小奇异值,确定检验统计量;步骤四、根据无线频谱感知方法将检验统计量与判决门限进行比较,根据检验统计量与判决门限的比较结果进行判决。本发明应用于通信领域。

    一种基于施密特正交化的正交基训练方法

    公开(公告)号:CN104021306A

    公开(公告)日:2014-09-03

    申请号:CN201410276409.6

    申请日:2014-06-19

    Abstract: 一种基于施密特正交化的正交基训练方法,本发明涉及信号的稀疏表示方法。本发明是要解决现有技术稀疏化效果差的问题。步骤一、确定单信号的采样点数和进行训练所需要的信号个数N,样本按列排放形成矩阵X=[x1,x2,…xn];步骤二、依次对信号进行N点采样;步骤三、将第一个信号归一化作为正交基的第一列;步骤四、将第二个信号中去除正交基第一列投影,将残差归一化作为正交基的第二列;步骤五、将第三个信号中去除正交基前两列投影,将残差归一化作为正交基的第三列;步骤六、依次将N个信号训练,即可得到训练之后的正交基Ψ;将信号在已训练的正交基Ψ下进行分解,即可得到较好的稀疏表示。本发明属于信号处理领域。

    一种多帧压缩感知信号频谱检测方法

    公开(公告)号:CN103929256A

    公开(公告)日:2014-07-16

    申请号:CN201410169462.6

    申请日:2014-04-25

    Abstract: 一种多帧压缩感知信号频谱检测方法,本发明涉及频谱检测方法。是要解决单帧频谱检测算法的鲁棒性差、检测算法收敛速度慢,算法复杂度大而提出的多帧压缩感知信号频谱检测方法,该方法是通过1、建立的数学模型进行求解;2、数学模型简化成凸优化问题;3、得到新的支撑集Tl;4、Tl中的元素个数大于K,频谱检测结果Ri=Tl,Tl中的元素个数小于等于K,求取求取残差,然后转到步骤三执行;5、置信概率向量初始化;6、更新置信概率向量P;7、第i帧信号帧数加一,i=M,更新后的P转到步骤八进行;i≠M,更新后的P转到步骤六进行更新;8、更新后的置信概率向量P从大到小排序;9、求取多帧频谱检测最终的结果等步骤实现的。本发明应用于频谱检测方法。

Patent Agency Ranking