本發(fā)明涉及無線電頻譜監(jiān)測領(lǐng)域，特別涉及面向頻譜混疊無線信號的協(xié)同多層識別和節(jié)點選擇方法。

背景技術(shù)：

1、隨著無線通信技術(shù)的快速發(fā)展，頻譜資源變得越來越緊張。為了有效管理和利用頻譜資源，需要對電磁環(huán)境進(jìn)行全面的監(jiān)控和管理。國際電信聯(lián)盟（itu）等組織通過制定標(biāo)準(zhǔn)和報告，推動頻譜監(jiān)測技術(shù)的發(fā)展。頻譜監(jiān)測技術(shù)經(jīng)歷了從簡單的信號檢測到復(fù)雜的信號分離和多模式定位的演進(jìn)。現(xiàn)代頻譜監(jiān)測技術(shù)不僅能夠檢測微弱信號，還能分離同頻信號，并結(jié)合多種定位技術(shù)進(jìn)行精確定位。無線電通信系統(tǒng)正在持續(xù)、快速地向前演進(jìn)，典型代表為軟件定義無線電技術(shù)及認(rèn)知無線電系統(tǒng)，這要求未來的頻譜監(jiān)測系統(tǒng)應(yīng)具有面向各種新興無線電通信技術(shù)與系統(tǒng)的監(jiān)測能力。

2、為了提高頻譜監(jiān)測的覆蓋范圍和精度，分布式監(jiān)測網(wǎng)絡(luò)被廣泛部署。這種網(wǎng)絡(luò)由多個監(jiān)測節(jié)點組成，可以是固定、移動或便攜式的，它們通過無線通信模塊與中心節(jié)點互聯(lián)，實現(xiàn)數(shù)據(jù)的實時傳輸和處理。在分布式頻譜監(jiān)測中，不同監(jiān)測點位采集的數(shù)據(jù)需要進(jìn)行融合處理，形成區(qū)域電磁場強分布數(shù)據(jù)，以及對同一輻射源的特征識別結(jié)果、定位結(jié)果進(jìn)行融合，形成該輻射源的特征向量，并基于特征庫進(jìn)行輻射源身份識別。這涉及到頻譜數(shù)據(jù)的時/空/頻/能四域融合，通過數(shù)據(jù)結(jié)構(gòu)化表和張量分解算法等技術(shù)實現(xiàn)。在tdoa（timedifference?of?arrival）定位中，監(jiān)測節(jié)點的空間幾何構(gòu)型對信號源的空間分辨率和定位精度有重要影響。因此，優(yōu)化監(jiān)測節(jié)點的空間位置是提升定位精度的有效手段。同時，由于傳感器特性限制，需要研究傳感器選擇技術(shù)，以選擇最佳的傳感器子集進(jìn)行信號源定位。為了提升定位精度并降低計算復(fù)雜度，現(xiàn)有研究必須考慮信號源不確定性和測量誤差的節(jié)點部署與選擇優(yōu)化算法。

3、在盲源分離方面，非負(fù)矩陣分解（nmf）作為其重要方法由lee和seung在《learningthe?parts?of?objects?by?non-negative?matrix?factorization》中提出并發(fā)表于《nature》，但nmf要求監(jiān)控節(jié)點的數(shù)量大于或等于源信號的數(shù)量。重慶郵電大學(xué)周牧教授團(tuán)隊在《device-to-device?cooperative?positioning?via?matrix?completion?andanchor?selection》中研究了利用不同節(jié)點間的信息來提高設(shè)備到設(shè)協(xié)同定位的精度，選擇合適的錨節(jié)點進(jìn)行位置轉(zhuǎn)換。在功率估計方面，杭州電子科技大學(xué)的劉兆霆團(tuán)隊在《signal?power?estimation?of?all?sensor?network?nodes?with?measurements?from?asubset?of?network?nodes》中研究了采用對節(jié)點子集的測量來研究隨機信號在所有傳感器網(wǎng)絡(luò)節(jié)點上的功率估計。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于克服現(xiàn)有技術(shù)的缺點與不足，提供面向頻譜混疊無線信號的協(xié)同多層識別和節(jié)點選擇方法?，F(xiàn)有研究將信號檢測、分離與重構(gòu)視為獨立的任務(wù)，缺乏一個統(tǒng)一的分析框架來整合這些任務(wù)。本發(fā)明旨在構(gòu)建一個能夠同時處理信號檢測、分離和參數(shù)識別的協(xié)同多層信號識別框架，以提高頻譜監(jiān)測的效率和準(zhǔn)確性。同時，為了獲得最佳性能，不同的信號源可能需要選擇不同的頻譜監(jiān)測節(jié)點，傳統(tǒng)算法通常將單個節(jié)點下的所有信息視為單個實體，從而忽略了每個信號源的獨特需求。為了有解決為不同的識別參數(shù)選擇不同的監(jiān)控節(jié)點集的問題，本發(fā)明旨在開發(fā)優(yōu)化算法，以智能地選擇和部署監(jiān)控節(jié)點，確保不同參數(shù)的頻譜信號都能被有效監(jiān)測和識別。

2、本發(fā)明的目的通過以下的技術(shù)方案實現(xiàn)：

3、面向頻譜混疊無線信號的協(xié)同多層識別和節(jié)點選擇方法，包括以下步驟：

4、步驟1：對監(jiān)測節(jié)點接收到的混疊信號經(jīng)過短時傅里葉變換后的結(jié)果，進(jìn)行nmf分解，得到信號分解的基矩陣、混疊頻譜信號類型的表征矩陣；

5、步驟2：由混疊頻譜信號類型的表征矩陣以及指示因子，構(gòu)建級聯(lián)矩陣；

6、步驟3：對個不同的級聯(lián)矩陣中的元素進(jìn)行hl檢驗，得到最優(yōu)的錨節(jié)點組；

7、步驟4：將最優(yōu)的錨節(jié)點組進(jìn)行按列拆分，得到若干個系數(shù)矩陣；

8、步驟5：采用dempstershafer理論對每個系數(shù)矩陣進(jìn)行多視角信息融合，實現(xiàn)確定頻譜混疊無線信號類別的第一層協(xié)同感知；

9、步驟6：將每個系數(shù)矩陣nmf分解成監(jiān)測節(jié)點的距離表示矩陣、信號功率及位置耦合矩陣；

10、步驟7：對信號功率及位置耦合矩陣進(jìn)一步nmf分解為用于功率估計的功率系數(shù)矩陣、用于定位的弧度信息矩陣。

11、步驟3中，所述hl檢驗按照下式進(jìn)行，hl檢驗計算值最大的組合認(rèn)為是最優(yōu)的錨節(jié)點組：

12、;

13、其中，表示代表了在第次構(gòu)建錨節(jié)點組時，位置信號源的排名結(jié)果；；為錨節(jié)點的數(shù)量，為信號模板庫里的數(shù)量。

14、步驟6中，所述監(jiān)測節(jié)點的距離表示矩陣和信號功率及位置耦合矩陣，采用粒子群優(yōu)化算法得到監(jiān)測節(jié)點的距離表示矩陣最優(yōu)初始值，并引入共識結(jié)果矩陣，按照下式進(jìn)行更新：

15、;

16、;

17、;

18、其中，為超參數(shù)，代表矩陣對應(yīng)元素進(jìn)行乘法運算，為矩陣的轉(zhuǎn)置運算。

19、步驟7中，將所述信號功率及位置耦合矩陣分解為功率系數(shù)矩陣弧度信息矩陣，引入共識結(jié)果矩陣，按照下式進(jìn)行更新：

20、;

21、;

22、;

23、其中，功率系數(shù)矩陣代表頻譜混疊無線信號的功率估計，弧度信息矩陣代表頻譜混疊無線信號的定位，為超參數(shù)。

24、同時，本發(fā)明提供：

25、一種服務(wù)器，所述服務(wù)器包括處理器和存儲器，所述存儲器中存儲有至少一段程序，所述程序由所述處理器加載并執(zhí)行以實現(xiàn)上述面向頻譜混疊無線信號的協(xié)同多層識別和節(jié)點選擇方法。

26、一種計算機可讀存儲介質(zhì)，所述存儲介質(zhì)中存儲有至少一段程序，所述程序由處理器加載并執(zhí)行以實現(xiàn)上述面向頻譜混疊無線信號的協(xié)同多層識別和節(jié)點選擇方法。

27、本發(fā)明與現(xiàn)有技術(shù)相比，具有如下優(yōu)點和有益效果：

28、1、本發(fā)明提出了一種基于多層nmf理論的cmsr架構(gòu)，該架構(gòu)通過設(shè)計一個三層深度分解結(jié)構(gòu)，依次實現(xiàn)混疊頻譜信號的類別、位置和功率估計，有效降低了計算復(fù)雜度并加速了迭代收斂速度。

29、2、對于不同的信號源，本發(fā)明選擇了不同的監(jiān)測節(jié)點集，信號源之間的獨立性得到了保證。

30、3、在信號分類識別方面，本發(fā)明設(shè)計了一種基于dempster-shafer?（d-s）規(guī)則的融合策略，融合多個監(jiān)測點下的信息并分配權(quán)重。

31、4、本發(fā)明避免了deep-nmf中矩陣運算增加而導(dǎo)致的計算效率下降問題，減少了計算復(fù)雜度并加速了迭代收斂速度。

32、5、對于不同的參數(shù)識別任務(wù)以及不同的信號源，本發(fā)明監(jiān)測節(jié)點的選擇方式各有不同，保證了每個任務(wù)的獨特需求。

33、6、在高噪聲情況下，監(jiān)測節(jié)點的數(shù)量增多反而會影響整體性能，本發(fā)明選擇節(jié)點數(shù)量減少既降低了計算復(fù)雜的，還能提升系統(tǒng)性能。