基于数据驱动的多频多源未知信号协同检测方法研究

This project mainly focuses on cooperative unknown signal detection based on using multiple receiver nodes to overcome the limits of using single radio monitor and enhance the cooperative management for unlicensed user and related communication behaviors in China. In order to address the problems of signal overlap, cooperative multiple frequency detection, limited number of signal receivers and the constrained resources, this project proposes a data-driven multiple source tracking and power estimation method to jointly estimate the single target, multiple target in different frequencies and multiple target in identical frequencies. The major content includes: (1) We will investigate the data clustering-based particle swarm optimization method in order to solve the signal overlap problem. The proposed method can fast converge to the optimal results during the multi-target tracking. (2) We will investigate the high dimensional Cramér-Rao Lower Bound for the joint position and power estimation. The derived lower bound can indicate the optimal performance of the joint estimation and it is also a metric for resource allocation. (3) We will investigate a genetic algorithm to solve the receiver node selection problem, when the number of receivers and their own resources are limited. This method can increase the resource utilization efficiency while guarantee the estimation performance.

为解决我国无线电管理在用设备及异常信号检测中单点监测数据的局限性，加强非授权用户监测及自身工作范围与通信性能的协同管理，本项目针对多目标信号检测中信号混叠、多频段协同检测、信号检测节点数量与资源有限等痛点问题，提出了基于数据驱动的多源目标协同追踪与功率估计方法，并应用于单目标未知信号、多源同频以及多源多频未知信号的联合估计中。主要研究内容包括：1、针对未知信号功率与位置的联合估计，研究基于数据分簇的粒子群优化多目标协同追踪与功率估计方法，解决多源信号混叠问题，保证在多目标追踪下，算法快速收敛至最优；2、针对联合估计缺少极限性能分析的问题，研究基于高维克拉美-罗下界分析方法，既为联合估计算法提供理论基础，也为资源分配提供参考依据；3、针对检测接收节点数量和资源有限的问题，研究基于遗传算法的节点选择组合优化算法，为每个目标的联合估计分配接收节点，在保证算法性能的前提下，提升资源利用率。

为解决我国无线电管理在用设备及异常信号检测中单点监测数据的局限性，加强非授权用户监测及自身工作范围与通信性能的协同管理，本项目针对多目标信号检测中信号混叠、多频段协同检测、信号检测节点数量与资源有限等痛点问题，提出了基于数据驱动的多源目标协同追踪与功率估计方法，并应用于单目标未知信号、多源同频以及多源多频未知信号的联合估计中。主要研究内容包括：1、针对未知信号功率与位置的联合估计，研究基于数据分簇的粒子群优化多目标协同追踪与功率估计方法，解决多源信号混叠问题，保证在多目标追踪下，算法快速收敛至最优；2、针对联合估计缺少极限性能分析的问题， 本项目研究了联合信号估计的理论极限分析，既为联合估计算法提供理论基础，也为资源分配提供参考依据；3、针对检测接收节点数量和资源有限的问题，研究基于节点选择组合优化算法，并建立了基于数据驱动的人工智能频谱监测平台，为无线电管理技术支撑机构提供了技术抓手。