买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉同济大学申请的专利一种基于确定性评估模型的自适应压缩频谱感知方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119865823B 。

龙图腾网通过国家知识产权局官网在2025-11-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411973816.2，技术领域涉及：H04W16/14；该发明授权一种基于确定性评估模型的自适应压缩频谱感知方法是由刘剑锋;黄新林;王盛宇;兰蒙设计研发完成，并于2024-12-30向国家知识产权局提交的专利申请。

本一种基于确定性评估模型的自适应压缩频谱感知方法在说明书摘要公布了：本发明属于基于压缩频谱感知的认知无线电技术领域，具体涉及一种基于确定性评估模型的自适应压缩频谱感知方法。首先，在自适应压缩频谱感知的每个感知区间，提出了一种新的信号重构算法，该算法将先验知识融入到块稀疏信号的l2，1范数最小化中。其次，推导出了重构信号误差的CDF，并将其作为观测样本采集的停止准则。最后，利用能量检测法处理当前重构的频谱信号，得到对应的频谱使用状态。该方法在提高频谱感知精度的同时，为感知结果提供了确定性保障。

本发明授权一种基于确定性评估模型的自适应压缩频谱感知方法在权利要求书中公布了：1.一种基于确定性评估模型的自适应压缩频谱感知方法，其特征在于，包括以下步骤： 步骤1.基于l2，1范数最小化和先验知识挖掘结合的信号重构模型重构频谱信号：次要用户SU对频域信号进行压缩采样后，通过l2，1范数最小化求解宽带信号，该宽带信号作为先验知识和l2，1范数最小化结合求解当前时隙的频谱信号即重建信号；步骤1包括以下步骤： 步骤11：采用周期性压缩频谱感知，每个通信时间帧T被划分为持续时间Ts的感知时隙，其后是一个数据传输时隙Td；在感知阶段，将总区间Ts平均划分为J个时隙，每个时隙的长度τ＝TsJ；在每个时隙τ中，次要用户以相同的采样率对时域信号xt进行采样，并获得ΔM压缩测量值；经过j次传感过程后，利用jΔM个观测样本来重建信号；具体的，次要用户对N×1的频域信号进行压缩采样，其压缩观测量表示为 其中，Φ表示jΔM×N的观测矩阵，n～N0,σ2IjΔM表示观测噪声； 利用l2，1范数最小化模型对信号进行重构，重构的频谱信号表示为： 其中，δ表示噪声容限； 重构的频谱信号作为先验知识提供给步骤12； 步骤12：结合信号的l2，1范数最小化和先验知识的内积，求解宽带信号，如下： 利用l2，1范数最小化模型和先验知识的内积对信号进行重构，重构的频谱信号表示为： 其中，β是一个平衡因子，用于控制减号前后两个部分的影响比重，取值范围为0,1； 步骤2.推导重建信号误差的CDF，并将其作为观测样本采集的停止准则，实现感知过程的自适应停止：小于预设的误差容限的CDF大于预设的概率值，停止采样，得到重构的频谱信号；否则继续下一次采样过程；步骤2包括以下步骤： 步骤21：令表示真实的频谱信号，如果采样样本数量M＝jΔM满足以下不等式 则以至少1-2exp-γ2Γξ∩SN-1的概率使得满足 其中，表示函数在处的切锥，SN-1表示空间上的单位球；γΓξ∩SN-1表示集合Γξ∩SN-1的高斯复杂度；ρ和C表示常数， 根据高斯复杂度γΓξ∩SN-1和高斯宽度wΓξ∩SN-1的关系，采样样本数量M满足以下不等式 v表示一个常数； 步骤22：高斯宽度wΓξ∩SN-1的上界表示为 wΓξ∩SN-1≤E[distg,Nξ] 其中，表示ξxf在处的法锥，g～N0,IN是一个随机的高斯向量；根据Jensen不等式可知 对于μ≥0，固定任意g，选择任意得到 定义参数： 推导出： 因此： 定义参数： 根据凸几何理论，推导出： 其中，μk表示χk分布的均值，l表示块稀疏信号分成不相邻块的数量，k表示每块不相邻块稀疏信号量均值，s表示有信号的块的数量； 从而推导出重构误差的累积分布函数CDF： 其中，σ表示观测噪声的标准差， 所述感知过程的停止准则：e表示预设的误差容限，pset表示预设的概率值； 若满足停止准则，停止采样，得到重构的频谱信号 否则，继续下一次采样过程； 步骤3：利用能量检测法进行频谱判决，得到频谱的占用和空闲情况。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人同济大学，其通讯地址为：200092 上海市杨浦区上海市四平路1239号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。