本發(fā)明涉及通信技術(shù)領(lǐng)域，具體地，涉及基于迭代聚類的多主用戶定位方法。

背景技術(shù)：

由認(rèn)知用戶節(jié)點觀測到的混合信號的矩陣信息來估計主用戶發(fā)射機的數(shù)目，如果通信系統(tǒng)中存在觀測噪聲時，那么通過主分量分析(principalcomponentanalysis，pca)和奇異值分解(singularvaluedecomposition，svd)可以相對可靠地估計出主用戶發(fā)射機的數(shù)目。

但是，對于如何降低算法復(fù)雜度和提高主用戶發(fā)射機位置估計的準(zhǔn)確性上，現(xiàn)今的技術(shù)還不能完整的實現(xiàn)。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于，針對上述問題，提出基于迭代聚類的多主用戶定位方法，以實現(xiàn)降低算法復(fù)雜度和提高主用戶發(fā)射機位置估計的準(zhǔn)確性的優(yōu)點。

為實現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案是：基于迭代聚類的多主用戶定位方法，所述方法具體包括：

步驟a：設(shè)定無線電系統(tǒng)結(jié)構(gòu)，獲取認(rèn)知用戶節(jié)點感知的平均功率；

步驟b：估計主用戶發(fā)射機數(shù)量；

步驟c：運用迭代聚類對多主用戶發(fā)射機進行定位。

進一步地，所述步驟a具體包括：

在整個結(jié)構(gòu)圖中一共有m個主用戶發(fā)射機和n個認(rèn)知用戶節(jié)點，主用戶發(fā)射機的位置信息以向量θ＝[θ1θ2....θm]^t∈r^m×2的形式表示，其中，θi＝[xi,yi]是第i個主用戶發(fā)射機的位置，并設(shè)所有發(fā)射機的功率都為p0；

從m個主用戶發(fā)射機觀測到的獨立信號為：

其中，t表示的是采樣周期，l是樣本的數(shù)量，到達第j個認(rèn)知用戶節(jié)點的信號為：

式中，是從主用戶m到認(rèn)知用戶i的傳播信道的衰落系數(shù)，ξj是波長和接發(fā)射機天線增益系數(shù)，d0表示的是主用戶發(fā)射機到感知節(jié)點的參考距離，為了簡化仿真，我們設(shè)了ξj＝1并且d0＝1米，di(θm)從第m個主用戶發(fā)射機(其位置由θm表示)到第i個感知節(jié)點之間的距離，仿真模型采用的是簡單的自由空間視距衰落模型，在這個模型中，傳播功率信號大小是與信號的傳播距離的平方成反比的；nj(t),j＝1,2...n是由感知節(jié)點觀測到的均值為0，方差為σ²的高斯噪聲信號；

使用矩陣的形式來表示：

y＝hs+n

y＝[y1(t),y2(t)...yn(t)]^t

n＝[n1(t),n2(t)...nn(t)]^t(4-21)

h表示的是hm,i,m＝1,2,...m,i＝1,2,...n的m×n維的系數(shù)矩陣，由于m個主用戶發(fā)射機和n個認(rèn)知用戶節(jié)點間的傳播信道是獨立的，即rank(h)＝m；

我們設(shè)事先已經(jīng)知道認(rèn)知用戶節(jié)點的位置，因此，從n個認(rèn)知用戶節(jié)點感知到的平均功率可以用下式表示：

式中，ri是第i個認(rèn)知用戶節(jié)點感知到的功率信號，代表了噪聲功率分量。

進一步地，所述步驟b具體包括：

主用戶發(fā)射機數(shù)量估計主要是依靠計算在認(rèn)知用戶節(jié)點接收到功率信號的協(xié)方差矩陣得到的，設(shè)噪聲信號的均值為零并且獨立于功率信號，則能夠得到下列式子：

r＝e[yy^h]＝e[(h·s)(h·s)^h]+σ²i

＝hss^hh^h+σ²i(4-23)

其中，矩陣r是矩陣y的協(xié)方差矩陣，e[·]是求數(shù)學(xué)期望，(·)^h是計算式子的復(fù)共軛，矩陣r能夠由樣本協(xié)方差矩陣估計得出：

矩陣r的奇異值矩陣是：

是矩陣r的特征項量。是主對角線由特征值按降序排列的組成的對角陣，和分別是由信號矩陣s和觀測噪聲求得的對角陣，我們假設(shè)不同的主用戶發(fā)射機發(fā)射的信號是相互獨立的，則ss^h是非奇異的，所以它的秩為m(也就是主用戶發(fā)射機的數(shù)量)，h是列滿秩的，因此，根據(jù)矩陣?yán)碚撃軌虻玫剑?/p>

rank(hss^hh^h)＝m(4-26)

從(4-23)式到(4-26)是可以得出：

一般說來，λm是要大于σ²，并且snr越大，則λm與σ²之間的差別也就越大，

赤池信息準(zhǔn)則(akaikeinformationcriterion，aic),最小描述長度(mdl)和貝葉斯準(zhǔn)則用于將與矩陣分開，本章采用的是文獻[42]中提到的算法。

假設(shè)λ2≥...≥λm≥λm+1≥...≥λn≥0是矩陣r的特征值(去掉了最大的特征值)，則

di＝(λi-λi+1)/λi+1,i＝2,3...n-1(4-28)

m＝index(max(d2,d3...dn-1))(4-29)

其中，index(max(d2,d3...dn-1))表示的是向量(d2,d3...dn-1)中最大元素的下標(biāo)值，m就是主用戶發(fā)射機的數(shù)量。

進一步地，所述步驟c具體包括：

首先給定觀測數(shù)據(jù)ri，i＝1,2,...,n，來求出參數(shù)θ向量的最大似然估計：

其中，表示的是m個主用戶發(fā)射機的二維位置信息，r＝[r1,r2,...rn]表示n個認(rèn)知用戶節(jié)點所觀測到的數(shù)據(jù)向量，fr(r|θ)為其概率密度函數(shù)；

從(4-22)式可以得到式子：

觀測到的噪聲被分為m個相等的部分，并和每個主用戶發(fā)射機的功率相結(jié)合得到式子

ri,m是由第i個認(rèn)知用戶節(jié)點感知到的第m個主用戶發(fā)射機的功率信號(這里設(shè)僅僅存在這一個主用戶發(fā)射機)；

再由(4-22)式得到，給定了m個主用戶的初始位置的信息m＝1,2,...,m，ri,m可以由下式表示：

其中，ri是在一段連續(xù)的時間片內(nèi)第i個認(rèn)知用戶節(jié)點感知到的多個接收功率的樣本向量，當(dāng)非常接近主用戶發(fā)射機的準(zhǔn)確位置時，(4-33)式中的第一項就是第m個主用戶發(fā)射機的功率分量；(4-33)式的第二項則是觀測噪聲的功率分量，并且由信噪比可知這一項通常都比較小，因此，ri,m可以以距離的平方成反比的形式來表示：

然后，根據(jù)功率可以計算出距離：

是第i個認(rèn)知用戶節(jié)點到的第m個主用戶發(fā)射機的距離的近似估計。當(dāng)估算出每一組主用戶到認(rèn)知用戶節(jié)點間的距離后，可以利用平面幾何的三角定位算法和聚類算法來計算出m個主用戶發(fā)射機的近似位置。

本發(fā)明基于迭代聚類的多主用戶定位方法，主要包括步驟a：設(shè)定無線電系統(tǒng)結(jié)構(gòu)，獲取認(rèn)知用戶節(jié)點感知的平均功率；步驟b：估計主用戶發(fā)射機數(shù)量；步驟c：運用迭代聚類對多主用戶發(fā)射機進行定位，可以實現(xiàn)降低算法復(fù)雜度和提高主用戶發(fā)射機位置估計的準(zhǔn)確性的優(yōu)點。

本發(fā)明的其它特征和優(yōu)點將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實施本發(fā)明而了解。

下面通過附圖和實施例，對本發(fā)明的技術(shù)方案做進一步的詳細(xì)描述。

附圖說明

附圖用來提供對本發(fā)明的進一步理解，并且構(gòu)成說明書的一部分，與本發(fā)明的實施例一起用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的限制。在附圖中：

圖1為本發(fā)明所述基于迭代聚類的多主用戶定位方法的無線電系統(tǒng)結(jié)構(gòu)圖；

圖2為本發(fā)明所述基于迭代聚類的多主用戶定位方法的仿真主用戶數(shù)量估計結(jié)果圖；

圖3為本發(fā)明所述基于迭代聚類的多主用戶定位方法的定位算法仿真結(jié)果圖；

圖4為本發(fā)明所述基于迭代聚類的多主用戶定位方法的信噪比10db時迭代聚類算法和em算法的性能比較圖。

具體實施方式

以下結(jié)合附圖對本發(fā)明的優(yōu)選實施例進行說明，應(yīng)當(dāng)理解，此處所描述的優(yōu)選實施例僅用于說明和解釋本發(fā)明，并不用于限定本發(fā)明。

基于迭代聚類的多主用戶定位方法，所述方法具體包括：

步驟a：設(shè)定無線電系統(tǒng)結(jié)構(gòu)，獲取認(rèn)知用戶節(jié)點感知的平均功率；

步驟b：估計主用戶發(fā)射機數(shù)量；

步驟c：運用迭代聚類對多主用戶發(fā)射機進行定位。

所述步驟a具體包括：

在整個結(jié)構(gòu)圖中一共有m個主用戶發(fā)射機和n個認(rèn)知用戶節(jié)點，主用戶發(fā)射機的位置信息以向量θ＝[θ1θ2....θm]^t∈r^m×2的形式表示，其中，θi＝[xi,yi]是第i個主用戶發(fā)射機的位置，并設(shè)所有發(fā)射機的功率都為p0；

從m個主用戶發(fā)射機觀測到的獨立信號為：

其中，t表示的是采樣周期，l是樣本的數(shù)量，到達第j個認(rèn)知用戶節(jié)點的信號為：

式中，是從主用戶m到認(rèn)知用戶i的傳播信道的衰落系數(shù)，ξj是波長和接發(fā)射機天線增益系數(shù)，d0表示的是主用戶發(fā)射機到感知節(jié)點的參考距離，為了簡化仿真，我們設(shè)了ξj＝1并且d0＝1米，di(θm)從第m個主用戶發(fā)射機(其位置由θm表示)到第i個感知節(jié)點之間的距離，仿真模型采用的是簡單的自由空間視距衰落模型，在這個模型中，傳播功率信號大小是與信號的傳播距離的平方成反比的；nj(t),j＝1,2...n是由感知節(jié)點觀測到的均值為0，方差為σ²的高斯噪聲信號；

使用矩陣的形式來表示：

y＝hs+n

y＝[y1(t),y2(t)...yn(t)]^t

n＝[n1(t),n2(t)...nn(t)]^t(4-21)

h表示的是hm,i,m＝1,2,...m,i＝1,2,...n的m×n維的系數(shù)矩陣，由于m個主用戶發(fā)射機和n個認(rèn)知用戶節(jié)點間的傳播信道是獨立的，即rank(h)＝m；

我們設(shè)事先已經(jīng)知道認(rèn)知用戶節(jié)點的位置，因此，從n個認(rèn)知用戶節(jié)點感知到的平均功率可以用下式表示：

式中，ri是第i個認(rèn)知用戶節(jié)點感知到的功率信號，代表了噪聲功率分量。

所述步驟b具體包括：

主用戶發(fā)射機數(shù)量估計主要是依靠計算在認(rèn)知用戶節(jié)點接收到功率信號的協(xié)方差矩陣得到的，設(shè)噪聲信號的均值為零并且獨立于功率信號，則能夠得到下列式子：

r＝e[yy^h]＝e[(h·s)(h·s)^h]+σ²i

＝hss^hh^h+σ²i(4-23)

其中，矩陣r是矩陣y的協(xié)方差矩陣，e[·]是求數(shù)學(xué)期望，(·)^h是計算式子的復(fù)共軛，矩陣r能夠由樣本協(xié)方差矩陣估計得出：

矩陣r的奇異值矩陣是：

是矩陣r的特征項量。是主對角線由特征值按降序排列的組成的對角陣，和分別是由信號矩陣s和觀測噪聲求得的對角陣，我們假設(shè)不同的主用戶發(fā)射機發(fā)射的信號是相互獨立的，則ss^h是非奇異的，所以它的秩為m(也就是主用戶發(fā)射機的數(shù)量)，h是列滿秩的，因此，根據(jù)矩陣?yán)碚撃軌虻玫剑?/p>

rank(hss^hh^h)＝m(4-26)

從(4-23)式到(4-26)是可以得出：

一般說來，λm是要大于σ²，并且snr越大，則λm與σ²之間的差別也就越大，

赤池信息準(zhǔn)則(akaikeinformationcriterion，aic),最小描述長度(mdl)和貝葉斯準(zhǔn)則用于將與矩陣分開，本章采用的是文獻[42]中提到的算法。

假設(shè)λ2≥...≥λm≥λm+1≥...≥λn≥0是矩陣r的特征值(去掉了最大的特征值)，則

di＝(λi-λi+1)/λi+1,i＝2,3...n-1(4-28)

m＝index(max(d2,d3...dn-1))(4-29)

其中，index(max(d2,d3...dn-1))表示的是向量(d2,d3...dn-1)中最大元素的下標(biāo)值，m就是主用戶發(fā)射機的數(shù)量。

所述步驟c具體包括：

首先給定觀測數(shù)據(jù)ri，i＝1,2,...,n，來求出參數(shù)θ向量的最大似然估計：

其中，表示的是m個主用戶發(fā)射機的二維位置信息，r＝[r1,r2,...rn]表示n個認(rèn)知用戶節(jié)點所觀測到的數(shù)據(jù)向量，fr(r|θ)為其概率密度函數(shù)；

從(4-22)式可以得到式子：

觀測到的噪聲被分為m個相等的部分，并和每個主用戶發(fā)射機的功率相結(jié)合得到式子

ri,m是由第i個認(rèn)知用戶節(jié)點感知到的第m個主用戶發(fā)射機的功率信號(這里設(shè)僅僅存在這一個主用戶發(fā)射機)；

再由(4-22)式得到，給定了m個主用戶的初始位置的信息m＝1,2,...,m，ri,m可以由下式表示：

其中，ri是在一段連續(xù)的時間片內(nèi)第i個認(rèn)知用戶節(jié)點感知到的多個接收功率的樣本向量，當(dāng)非常接近主用戶發(fā)射機的準(zhǔn)確位置時，(4-33)式中的第一項就是第m個主用戶發(fā)射機的功率分量；(4-33)式的第二項則是觀測噪聲的功率分量，并且由信噪比可知這一項通常都比較小，因此，ri,m可以以距離的平方成反比的形式來表示：

然后，根據(jù)功率可以計算出距離：

是第i個認(rèn)知用戶節(jié)點到的第m個主用戶發(fā)射機的距離的近似估計。當(dāng)估算出每一組主用戶到認(rèn)知用戶節(jié)點間的距離后，可以利用平面幾何的三角定位算法和聚類算法來計算出m個主用戶發(fā)射機的近似位置。

為了方便仿真多主用戶定位算法，我們假設(shè)認(rèn)知無線電環(huán)境結(jié)構(gòu)圖中有2個主用戶發(fā)射機和10-20個認(rèn)知用戶節(jié)點。并且，主用戶發(fā)射機和認(rèn)知用戶節(jié)點隨機分布在一個1千米×1千米的平面區(qū)域內(nèi)，而信道參數(shù)ξi＝1，d0＝1，p0＝1，迭代收斂系數(shù)為ε＝0.02。

如下圖2所示，給出了主用戶發(fā)射機數(shù)量的估計結(jié)果。從圖中可以看出，認(rèn)知用戶節(jié)點的數(shù)量和信噪比是影響主用戶數(shù)量估計準(zhǔn)確性的幾個因素。當(dāng)信噪比足夠高，則上文中提到數(shù)量估計算法就能保證很高的精度。最終的主用戶發(fā)射機的定位結(jié)果如圖3所示(一共有10個認(rèn)知用戶節(jié)點)。其中*表示的是認(rèn)知用戶節(jié)點的位置，○表示的是主用戶的真實位置，△表示的是由定位算法估計出的主用戶的位置。從圖3我們可以看出，估計出的主用戶的位置與其真實的位置十分的接近。

仿真中，我們與傳統(tǒng)的基于em定位算法進行了比較。每次定位仿真設(shè)計為2個主用戶發(fā)射機，4-20個認(rèn)知用戶節(jié)點，為每個固定數(shù)量的認(rèn)知用戶節(jié)點仿真100個次。圖4中是兩種算法的均方距離定位誤差，信噪比為10db，從圖中可以看出本章提出的基于迭代聚類的多主用戶定位算法效果要由于傳統(tǒng)的基于em定位算法。從理論角度來分析兩個定位算法可知，本章提出的算法僅僅需要一些迭代和聚類的運算，而基于em定位算法需要復(fù)雜的矩陣運算(例如：求矩陣的逆)，因此本章提出的算法有較低的運算復(fù)雜度。

至少可以達到以下有益效果：

本發(fā)明基于迭代聚類的多主用戶定位方法，主要包括步驟a：設(shè)定無線電系統(tǒng)結(jié)構(gòu)，獲取認(rèn)知用戶節(jié)點感知的平均功率；步驟b：估計主用戶發(fā)射機數(shù)量；步驟c：運用迭代聚類對多主用戶發(fā)射機進行定位，可以實現(xiàn)降低算法復(fù)雜度和提高主用戶發(fā)射機位置估計的準(zhǔn)確性的優(yōu)點。

最后應(yīng)說明的是：以上所述僅為本發(fā)明的優(yōu)選實施例而已，并不用于限制本發(fā)明，盡管參照前述實施例對本發(fā)明進行了詳細(xì)的說明，對于本領(lǐng)域的技術(shù)人員來說，其依然可以對前述各實施例所記載的技術(shù)方案進行修改，或者對其中部分技術(shù)特征進行等同替換。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。