-
公开(公告)号：CN104038944B
公开(公告)日：2017-04-12
申请号：CN201410293452.3
申请日：2014-06-25
Applicant: 哈尔滨工业大学
IPC: H04W16/14
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。
-
公开(公告)号：CN110138479A
公开(公告)日：2019-08-16
申请号：CN201910477917.3
申请日：2019-06-03
Applicant: 哈尔滨工业大学
IPC: H04B17/382 , G06K9/62
Abstract: 极低信噪比环境下基于字典学习的频谱感知方法，本发明涉及认知无线电中的频谱感知方法。本发明的目的是为了解决现有方法在极低信噪比环境下频谱感知准确率低的问题。过程为：一、建立频谱感知二元假设模型；二、组成字典学习的训练集；三、训练字典；四、计算频谱感知信号与训练后的字典每一列的內积，并找出内积中最大值的位置；五、更新索引集及原子集合，利用最小二乘法求得最大分量；六、对得到的最大分量平方计算得到最大分量对应的能量；七、根据虚警概率公式计算感知门限；八、把得到的最大分量对应的能量和门限进行对比，判断信号是否存在，如果能量大于门限则信号存在，否则信号不存在。本发明用于认知无线电中的频谱感知领域。
-
公开(公告)号：CN106526565A
公开(公告)日：2017-03-22
申请号：CN201611109930.6
申请日：2016-12-06
Applicant: 哈尔滨工业大学
Abstract: 一种基于支持向量机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支持向量机领域。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。本发明将大规模天线阵中的单比特空间谱估计建模为一个人工智能中的分类问题，并采用支持向量机方法来求解来波信号的空间谱。本发明提出的算法相对于传统算法的优势在于提高了空间谱估计的精度以及简化了接收机结构，并且能够同时估计多个信号源的角度。本发明用于对空间谱进行估计。
-
公开(公告)号：CN105406929A
公开(公告)日：2016-03-16
申请号：CN201510968517.4
申请日：2015-12-21
Applicant: 哈尔滨工业大学
IPC: H04B17/382
Abstract: 基于频域的频谱感知方法，属于信号检测领域。现有的基于周期图进行谱估计得到的周期图估计方差存在误差的问题。一种基于频域的频谱感知方法，把接收信号进行下变频，变换到一定的中频信号，按照一定的采样对其进行采样，用基于快速傅里叶变换的巴特莱特法估计信号的功率谱，然后选取功率谱最大值作为检验统计量，把该值的和与判决门限进行对比，如果大于门限，则信道内有信号，如果小于判决门限，则信道内无信号。这种利用接收信号功率谱最大值进行频谱感知的方法，大大提高了频谱感知在低信噪比下的检测能力。
-
公开(公告)号：CN103873170A
公开(公告)日：2014-06-18
申请号：CN201410116718.7
申请日：2014-03-26
Applicant: 哈尔滨工业大学
IPC: H04B17/00
Abstract: 一种在盲稀疏条件下压缩感知的频谱检测方法，本发明涉及一种在盲稀疏条件下压缩感知的频谱检测方法。本发明是要解决在稀疏度未知的条件下的频谱检测问题，而提出的一种在盲稀疏条件下压缩感知的频谱检测方法；该方法是通过步骤一、建立的数学模型进行最优化迭代求解；步骤二、经过简化，得到重构信号的凸优化问题；步骤三、得到的相关性最大的一个元素，并与上次迭代的支撑集进行合并，得到新的支撑集；步骤四、求取残差；步骤五、求取贡献值，输出频谱检测结果等步骤实现的。本发明应用于压缩感知的频谱检测方法。
-
Patent Agency Ranking
公开(公告)号：CN109995376A
公开(公告)日：2019-07-09
申请号：CN201910350329.3
申请日：2019-04-28
Applicant: 哈尔滨工业大学
IPC: H03M7/30
Abstract: 本发明提供基于联合块稀疏模型的信号重构方法，属于分布式压缩感知技术领域。本发明首先建立基于混合支撑集模型的联合块稀疏模型，然后利用了基于混合支撑集模型的联合块稀疏模型的结构特点对信号的公共部分进行重构，再使用BOMP算法，逐个重构出每个信号的特有部分，最后将原信号公共部分与特有部分的重构结果相加，完成对原信号的重构。本发明解决了在多天线以及信号稀疏系数成块分布的情况下，接收端如何以低量测值、低信噪比，精确地重构原信号的问题。本发明可用实际通信场景中接收端的信号重构。
-
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
Applicant: 哈尔滨工业大学
IPC: G01S3/14
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。
-
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
Applicant: 哈尔滨工业大学
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。
-
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
Applicant: 哈尔滨工业大学
IPC: G06F19/00
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。
-
公开(公告)号：CN105406929B
公开(公告)日：2017-11-03
申请号：CN201510968517.4
申请日：2015-12-21
Applicant: 哈尔滨工业大学
IPC: H04B17/382
Abstract: 基于频域的频谱感知方法，属于信号检测领域。现有的基于周期图进行谱估计得到的周期图估计方差存在误差的问题。一种基于频域的频谱感知方法，把接收信号进行下变频，变换到一定的中频信号，按照一定的采样对其进行采样，用基于快速傅里叶变换的巴特莱特法估计信号的功率谱，然后选取功率谱最大值作为检验统计量，把该值的和与判决门限进行对比，如果大于门限，则信道内有信号，如果小于判决门限，则信道内无信号。这种利用接收信号功率谱最大值进行频谱感知的方法，大大提高了频谱感知在低信噪比下的检测能力。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.045 seconds)
