[发明专利]一种基于支持向量机的单比特空间谱估计方法

摘要

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。

主权项

1.一种基于支持向量机的单比特空间谱估计方法，其特征在于，该方法包括如下步骤：步骤一：根据单比特接收数据，构造样本训练模型；所述的步骤一中根据单比特接收数据，构造样本训练模型的具体过程为：步骤一一，对原始样本训练模型：进行稀疏表示，获得稀疏表示后的原始样本训练模型：x＝FS                (公式三)，步骤一二，对稀疏表示后的原始样本训练模型进行单比特量化，获得单比特量化后的模型：步骤一三，将单比特量化后的模型在实数域表示为，q＝sign(Φt+e′)     (公式五)，所述的单比特量化后的模型在实数域为构造的样本训练模型；其中，x∈Cm为阵列接收数据，C为复数域，m为阵元个数，A为方向矩阵，A＝[a(θ1),a(θ2),...,a(θK)]，a(θ_k)为流型向量，θ_k为真实入射信号方向，e为自然指数，d为阵元之间的间距，λ为波长；n为高斯噪声向量，F∈Cm×m为逆傅里叶矩阵，S∈Cm为空间谱向量；s′为空间入射信号向量，s′＝[s′1,s′2,s′3,.....s′k]，s′k为空间入射信号向量s′的第k个分量；k为整数，K为空间信号源个数，r为单比特量化后的复数域观测信号，sign()表示取数据的符号，表示取数据的实部，表示取数据的虚部；q为观测向量，q＝[q1,q2......qi......qj′]，qi为观测向量q中的第i个观测数据，qj′为观测向量q中的第j′个观测数据，Φ为流型矩阵，Φi为流型矩阵Φ第i行，e′为实数域表示的高斯噪声向量；步骤二：对构造样本训练模型的输入和输出，采用支持向量机算法，计算出分类系数向量t，其中t＝[t1,t2,...,ti,...,t2m]T；步骤三：根据分类系数向量t和下述公式一：Si＝ti+j×ti+m      (公式一)；获得空间谱S＝[S1,S2,...,Sm]T，从而完成对空间谱S的估计；其中，i和m均为整数，ti为分类系数向量t的第i个分量，ti+m为分类系数向量t的第i+m个分量，Si表示空间谱S的第i个分量，j为虚数单位。