发明名称 一种基于非参数核函数的短时突发通信信号检测方法
摘要 本发明属于通信信号盲检测技术领域,尤其涉及一种基于非参数核函数的短时突发通信信号检测。本发明通过高斯核函数来拟合概率密度函数比,采取最小化估计概率密度比与真实概率密度比的误差函数方法,将概率密度比的估计问题转化为一个凸优化问题,从而实现概率密度函数比的精确估计。利用得到的估计概率密度比函数构造Pearson距离得到信号的检测函数曲线,对检测函数曲线采用峰值搜索方法得到突发信号的起始点和终止点。本发明针对突发模式下的通信信号进行检测,能够精确地判断信号的起始点和终止点,为后续的信号处理提供了更多的先验信息,在非协作模式下对于信号的检测提供了更有效的处理手段,特别是突发模式通信通常处于非平稳信道。
申请公布号 CN103957066A 申请公布日期 2014.07.30
申请号 CN201410215812.8 申请日期 2014.05.21
申请人 电子科技大学 发明人 张浩;甘露;廖红舒;魏平
分类号 H04B17/00(2006.01)I 主分类号 H04B17/00(2006.01)I
代理机构 成都宏顺专利代理事务所(普通合伙) 51227 代理人 李顺德;王睿
主权项 一种基于非参数核函数的短时突发通信信号检测方法,其特征在于,包括如下步骤:S1、对接收机接收到的模拟信号进行采样,得到信号时间序列y[n],其中,n是不为零的自然数;S2、用滑窗在S1所得y[n]上截取样本,构造样本向量Y(n),所述滑窗长度为k,其中,k≥1,k是自然数;S3、根据样本向量Y(n)构造两个Hankel矩阵,具体如下:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mfenced open='' close=''><mtable><mtr><mtd><mi>&psi;</mi><mrow><mo>(</mo><mi>n</mi><mo>)</mo></mrow><mo>=</mo><mtable></mtable><mfenced open='[' close=']'><mtable><mtr><mtd><mi>Y</mi><mrow><mo>(</mo><mi>n</mi><mo>)</mo></mrow></mtd><mtd><mi>Y</mi><mrow><mo>(</mo><mi>n</mi><mo>+</mo><mn>1</mn><mo>)</mo></mrow></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><mi>Y</mi><mrow><mo>(</mo><mi>n</mi><mo>+</mo><mi>N</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow></mtd></mtr></mtable></mfenced></mtd></mtr><mtr><mtd><mi>&psi;</mi><mrow><mo>(</mo><mi>n</mi><mo>+</mo><mi>N</mi><mo>)</mo></mrow><mo>=</mo><mfenced open='[' close=']'><mtable><mtr><mtd><mi>Y</mi><mrow><mo>(</mo><mi>n</mi><mo>+</mo><mi>N</mi><mo>)</mo></mrow></mtd><mtd><mi>Y</mi><mrow><mo>(</mo><mi>n</mi><mo>+</mo><mi>N</mi><mo>+</mo><mn>1</mn><mo>)</mo></mrow></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><mi>Y</mi><mrow><mo>(</mo><mi>n</mi><mo>+</mo><mn>2</mn><mi>N</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow></mtd></mtr></mtable></mfenced></mtd></mtr></mtable></mfenced><mo>,</mo></mrow>]]></math><img file="FDA0000508561310000011.GIF" wi="1184" he="160" /></maths>所述Hankel矩阵中每个列向量Y(t)=[y(t)y(t+1)…y(t+k‑1)]<sup>T</sup>为一个样本,其中,4k≤N≤6k,t=n;S4、用高斯模型<img file="FDA0000508561310000012.GIF" wi="478" he="142" />对S3所述两个Hankel矩阵进行估计,得到两个Hankel矩阵的样本的概率密度比<img file="FDA0000508561310000013.GIF" wi="312" he="157" />其中,l在[1,2,3...,N]中遍历取值,<img file="FDA0000508561310000014.GIF" wi="588" he="184" />为高斯核函数,σ为高斯宽度,p(Y)为样本矩阵Ψ(n)的概率密度函数,p'(Y)为样本矩阵Ψ(n+N)的概率密度函数,θ=(θ<sub>1</sub>,θ<sub>2</sub>,...,θ<sub>N</sub>)<sup>T</sup>为模型参数,上标T表示矩阵转置;S5、最小化真实密度比函数与估计的密度比函数的二阶误差<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><mi>J</mi><mrow><mo>(</mo><mi>Y</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mn>1</mn><mn>2</mn></mfrac><mo>&Integral;</mo><msup><mi>p</mi><mo>&prime;</mo></msup><mrow><mo>(</mo><mi>Y</mi><mo>)</mo></mrow><msup><mrow><mo>(</mo><mi>r</mi><mrow><mo>(</mo><mi>Y</mi><mo>)</mo></mrow><mo>-</mo><mi>g</mi><mrow><mo>(</mo><mi>Y</mi><mo>;</mo><mi>&theta;</mi><mo>)</mo></mrow><mo>)</mo></mrow><mn>2</mn></msup><mi>dY</mi><mo>,</mo></mrow>]]></math><img file="FDA0000508561310000015.GIF" wi="817" he="128" /></maths>即<maths num="0003" id="cmaths0003"><math><![CDATA[<mrow><munder><mi>min</mi><mrow><mi>&theta;</mi><mo>&Element;</mo><msup><mi>R</mi><mi>N</mi></msup></mrow></munder><mo>[</mo><mfrac><mn>1</mn><mn>2</mn></mfrac><msup><mi>&theta;</mi><mi>T</mi></msup><mover><mi>H</mi><mo>^</mo></mover><mi>&theta;</mi><mo>-</mo><msup><mover><mi>h</mi><mo>^</mo></mover><mi>T</mi></msup><mi>&theta;</mi><mo>+</mo><mfrac><mi>&lambda;</mi><mn>2</mn></mfrac><msup><mi>&theta;</mi><mi>T</mi></msup><mi>&theta;</mi><mo>]</mo><mo>,</mo></mrow>]]></math><img file="FDA0000508561310000016.GIF" wi="609" he="147" /></maths>得到凸优化问题的解<img file="FDA0000508561310000017.GIF" wi="384" he="110" />同时得到密度比函数的估计<img file="FDA0000508561310000018.GIF" wi="457" he="142" />其中,<img file="FDA0000508561310000019.GIF" wi="135" he="129" />是为了规范化的目的,参数λ≥0,<img file="FDA00005085613100000110.GIF" wi="40" he="71" />是一个N维向量,<img file="FDA00005085613100000111.GIF" wi="46" he="71" />的第l个元素是<img file="FDA00005085613100000112.GIF" wi="459" he="142" /><img file="FDA00005085613100000113.GIF" wi="64" he="70" />是一个N×N矩阵,第(l,l')个元素是<maths num="0004" id="cmaths0004"><math><![CDATA[<mrow><msub><mover><mi>H</mi><mo>^</mo></mover><mrow><mi>l</mi><mo>,</mo><msup><mi>l</mi><mo>&prime;</mo></msup></mrow></msub><mo>=</mo><mfrac><mn>1</mn><mi>N</mi></mfrac><munderover><mi>&Sigma;</mi><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><mi>K</mi><mrow><mo>(</mo><msub><msup><mi>Y</mi><mo>&prime;</mo></msup><mi>j</mi></msub><mo>,</mo><msub><mi>Y</mi><mi>l</mi></msub><mo>)</mo></mrow><mi>K</mi><mrow><mo>(</mo><msub><msup><mi>Y</mi><mo>&prime;</mo></msup><mi>j</mi></msub><mo>,</mo><msub><mi>Y</mi><msup><mi>l</mi><mo>&prime;</mo></msup></msub><mo>)</mo></mrow><mo>,</mo><msup><mi>l</mi><mo>&prime;</mo></msup><mo>&Element;</mo><mo>{</mo><mn>1,2</mn><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><mi>N</mi><mo>}</mo><mo>,</mo></mrow>]]></math><img file="FDA00005085613100000114.GIF" wi="1047" he="147" /></maths>Y<sub>i</sub>,Y<sub>j</sub>表示Hankel矩阵的不同列向量;S6、根据交叉验证算法得到<img file="FDA00005085613100000115.GIF" wi="257" he="77" />的最优值,以此求得最优概率密度比函数估计<img file="FDA0000508561310000021.GIF" wi="144" he="82" />S7、计算样本矩阵Ψ(n)和样本矩阵Ψ(n+N)的概率密度比函数的Pearson距离<maths num="0005" id="cmaths0005"><math><![CDATA[<mrow><mover><mi>PE</mi><mo>&OverBar;</mo></mover><mo>=</mo><msub><mover><mi>PE</mi><mo>&OverBar;</mo></mover><mi>b</mi></msub><mo>+</mo><msub><mover><mi>PE</mi><mo>&OverBar;</mo></mover><mi>f</mi></msub><mo>,</mo></mrow>]]></math><img file="FDA0000508561310000022.GIF" wi="374" he="79" /></maths>其中,<maths num="0006" id="cmaths0006"><math><![CDATA[<mrow><msub><mover><mi>PE</mi><mo>&OverBar;</mo></mover><mi>b</mi></msub><mo>=</mo><mo>-</mo><mfrac><mn>1</mn><mrow><mn>2</mn><mi>N</mi></mrow></mfrac><munderover><mi>&Sigma;</mi><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><mover><mi>g</mi><mo>^</mo></mover><msup><mrow><mo>(</mo><msub><mi>Y</mi><mi>j</mi></msub><mo>)</mo></mrow><mn>2</mn></msup><mo>+</mo><mfrac><mn>1</mn><mi>N</mi></mfrac><munderover><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><mover><mi>g</mi><mo>^</mo></mover><mrow><mo>(</mo><msub><msup><mi>Y</mi><mo>&prime;</mo></msup><mi>i</mi></msub><mo>)</mo></mrow><mo>-</mo><mfrac><mn>1</mn><mn>2</mn></mfrac></mrow>]]></math><img file="FDA0000508561310000023.GIF" wi="840" he="146" /></maths>是Ψ(n)作为概率密度比的分子,Ψ(n+N)作为概率密度比的分母时,<img file="FDA0000508561310000024.GIF" wi="850" he="146" />是Ψ(n+N)作为概率密度比的分子,Ψ(n)作为概率密度比的分母时;S8、通过对<img file="FDA0000508561310000025.GIF" wi="76" he="70" />的峰值搜索得到突发信号的起始点和终止点,其中,<img file="FDA0000508561310000026.GIF" wi="86" he="70" />是作为短时突发信号的检测函数,具体如下:S81、对<img file="FDA0000508561310000027.GIF" wi="79" he="70" />标准化后进行峰值搜索,滤除<img file="FDA0000508561310000028.GIF" wi="84" he="70" />中的毛刺,得到L个最大峰值点,设置峰值滤波器门限为<img file="FDA0000508561310000029.GIF" wi="389" he="81" />S82、设置峰值间隔门限τ,当S81所述最大峰值点中相邻的点间隔小于τ,即|n<sub>m</sub>‑n<sub>m‑1</sub>|<τ,滤除第m个峰值点n<sub>m</sub>,滤除峰值处理后剩下的峰值点即为突发信号的起始点和终止点,其中,m∈[1,L],30≤τ≤50。
地址 611731 四川省成都市高新区(西区)西源大道2006号