(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110431483.0 (22)申请日 2021.04.21 (65)同一申请的已公布的文献号 申请公布号 CN 113099427 A (43)申请公布日 2021.07.09 (73)专利权人 中山大学 地址 510275 广东省广州市海珠区新港西 路135号 (72)发明人 郭一嘉　伍沛然　夏明华　 (74)专利代理 机构 广州粤高专利商标代理有限 公司 44102 专利代理师 刘俊 (51)Int.Cl. H04W 4/70(2018.01) H04W 24/04(2009.01) G06F 30/27(2020.01) G06K 9/62(2022.01) G06N 20/00(2019.01) G06F 111/08(2020.01)(56)对比文件 US 20190282 24 A1,2019.01.24 CN 111669836 A,2020.09.15 CN 10961785 0 A,2019.04.12 CN 111950594 A,2020.1 1.17 CN 109743272 A,2019.0 5.10 Qiming Wu等.An Ef ficient NPRAC H Receiver Design For NB-I oT System s. 《 IEEE Internet of Thi ngs Journal》 .2020, Sicong Liu.Block Sparse Bayesian Learning-Based NB-I oT Interference Elimination in LTE-Advanced System s. 《 IEEE Transacti ons on Communications》 .2017, 罗宇.小数据包上 行非正交多址的接收方法 研究. 《信息科技 辑》 .2018, Sicong Liu.Eliminating NB-IoT Interference to LTE System: A Sparse Machine Learn ing-Based Ap proach. 《IEEE Internet of Thi ngs Journal》 .2019, 审查员 张亚莉 (54)发明名称 一种基于稀疏度自适应的带内部署NB-IoT 信号恢复方法 (57)摘要 本发明为克服基于稀疏机器学习的算法在 稀疏度较低时性能降低， 以及基于K ‑means算法 过于依赖先验稀疏性知识存在一定局限性的缺 陷， 提出一种基于稀疏度自适应的带内部署NB ‑ IoT信号恢复方法， 使用K ‑means聚类算法估计 NB‑IoT信号可能占据的子载波范围， 提出一个简 化的非凸优化问题， 并用SAMP算法在忽略稀疏度 限制的情况下进行信号恢复， 通过重复上述操作 获得一个计数向量， 然后根据计数向量恢复出满 足稀疏度限制的支持基并实现NB ‑IoT信号的有 效恢复。 本发明通过结合K ‑means聚类算法和 SAMP算法， 能有效地提高带内部署情况下NB ‑IoT信号的检测概 率， 降低误码率 性能。 权利要求书2页 说明书9页 附图6页 CN 113099427 B 2022.08.02 CN 113099427 B 1.一种基于稀疏度自适应的带内部署NB ‑IoT信号恢复方法， 其特征在于， 包括以下步 骤： S1： 采用K ‑means聚类算法估计NB ‑IoT信号可能占据的子载波范围， 提出一个简化的非 凸优化问题； 其中： 输入初始观测矩阵W及初始测量向量y2， 计算y2和W中各个列向量之间的相关系数γ (i)， 其计算公式如下： 式中， i为观测矩阵W中的列序号， P为观测矩阵W中的列数； 将所述相关系数γ(i)进行K ‑means算法进行聚类， 得到Q个簇 其中q＝1,2,...,Q； 从获得的Q个簇中确定最优簇， 并根据所述最优簇得到最优列序 号集合 即得到NB ‑IoT 信号可能占据的子载波范围； 所述非凸优化问题根据 所述最优列序号集合进行简化， 简化的非凸优化问题的表达公 式为： 式中， 表示由最优列序号集合 的列向量组成的子矩阵， 表示接收的NB ‑ IoT频域信号， 表示恢复的NB ‑IoT信号； S2： 采用SAMP算法对所述非凸优化问题进行求解， 得到在忽略稀疏度限制的情况下恢 复的支持基I， 根据所述支持基I对计数向量f进行 更新； S3： 重复执行S1～S2步骤至达到预设的最大支 持基搜索重复次数Rmax， 得到完成更新的 计数向量f； S4： 根据所述完成更新的计数向量f恢复满足稀疏度限制的支持基Z*， 并根据所述支持 基Z*进一步恢复相应的NB ‑IoT信号； 其中： 根据所述完成更新的计数向量f恢复满足稀疏度限制的支持基Z*的步骤包括： 定义一个差值向量dP×1， 其表达公式如下： 将所述差值向量d中的最小值和最大值的索引分别记为p1和p2， 则输出的最优估计支持 基Z*为 根据所述支持基Z*， 采用最小二乘准则进一步恢复相应的NB ‑IoT信号， 令 得到最优 恢复信号： 式中， yLS表示最小二乘准则。权　利　要　求　书 1/2 页 2 CN 113099427 B 22.根据权利要求1所述的带内部署NB ‑IoT信号恢复方法， 其特征在于， 所述最优簇 为拥有最大相关系数均值的簇， 其表达公式如下： 则最优列序号 集合 的表达公式如下： 3.根据权利 要求1所述的带内部署NB ‑IoT信号恢复方法， 其特征在于， 根据所述支持基 I对计数向量 f进行更新的步骤包括： 定义一个全零计数向量fP×1在不考虑NB ‑IoT信号稀疏 度的情况 下， 基于SAMP算法求 解得到的支持基I对计数向量f进行 更新， 其表达公式如下： 式中， f(j)表示计数向量f中第j个元 素。 4.根据权利要求3所述的带内部署NB ‑IoT信号恢复方法， 其特征在于， 还包括以下步 骤： 随机扰乱观测矩阵W中 的各个列向量， 形成新的观测矩阵W ′和测量向量y2′， 并将其用于 重新估计NB ‑IoT信号可能占据的子载波范围， 得到新的最优列序号集合 进一步采用 SAMP算法对所述简化的非凸优化问题进行更新求解， 得到新的支持基 并根据所述支持 基I对计数向量f进 行更新； 重复上述操作至达到预设的最大支持基搜索重复次数Rmax， 得到 完成更新的计数向量f。 5.根据权利要求1所述的带内部署NB ‑IoT信号恢复方法， 其特征在于， 还包括以下步 骤： 根据所述差值向量d中的最小值和最大值的索引p1和p2， 生成一个样本集 其表达公式 如下： 计算所述样本集 的方差 当方差 满足预设的输出要求时， 则计算并输出 最优估计支持基Z*； 当方差 不满足预设的输出要求时， 则跳转执 行S1步骤。 6.根据权利要求1～5任一项所述的带内部署NB ‑IoT信号恢复方法， 其特征在于， 所述 最大支持基搜索重复次数Rmax大于或等于 50。权　利　要　求　书 2/2 页 3 CN 113099427 B 3