【频谱感知】数据集分析，纯噪声IQ数据生成

先介绍下频谱感知任务：感知某一频段是否存在用户
看了很多使用IQ信号（RML2016/2018数据集）进行频谱感知的工作，却一直没找到具体生成纯噪声方法，只好自己粗略实现了一下，难点在于判断所需的纯噪声功率/方差 的范围是多少！
先列出类似使用IQ信号频谱感知的论文：
Spectrum sensing in cognitive radio: A deep learning based model
Deep Learning for Spectrum Sensing in Cognitive Radio
Deep Learning for Spectrum Sensing
基于LSTM和CNN的频谱感知方法研究
Novel deep learning framework for wideband spectrum characterization at sub-Nyquist rate
个人仅检索到这些，肯定不止于此，重点推荐一下最后一个，和压缩感知有些关系，最近也在看压缩感知
开始数据集分析，本次借助deepsig2018a数据集（RML2018a）0-30 db信噪比范围（全部数据集是-20-30db，个人仅使用了部分），过程代码已去
通过对星座图的观察，FM调制方式更容易判断出噪声的范围

30db几乎没噪声，0-0.05（猜测0.05…）

20db几乎没噪声，0-0.1

10db，可以看到噪声，0-0.2

2db,噪声十分明显，0-0.6

0db,噪声十分明显，0-1

开始纯噪声分析：noise = (np.random.randn(N) + 1j*np.random.randn(N))/mul
调节mul数值，改变噪声功率

mul=3，基本在0-1（符合0db情况，后面不在赘述）

mul=8，基本在0-0.3

mul=20，基本在0-0.1

mul=20，基本在0-0.05

个人没具体对应分析，也没有统计分析，只是给出粗略实现方式，生成噪声代码如下，最后的数据和deepsig2018数据格式类似，X=[4096,1024,2] Y[4096,1] (和deepsig2018不一样【4096，24】，理论应该整合起来，全部修改为【4096,2】，当然我认为可以同时实现调制识别和频谱感知，那么应该修改为【4096,25】)，Z【4096,1】，重说一遍，各噪声功率的比值没进行统计分析，仅主观设置，本文仅提供思路，

import numpy as np
import matplotlib.pyplot as plt
import h5py
out = h5py.File('temp.hdf5', 'w')
out_X = []
out_Y = []
out_Z = []

N=1024
muls=[50,40,30,20,10,8,3]
counts=[200,300,500,1000,1500,500,96]
for i in range(len(muls)):
# for i in range(2):
    index=0
    while(index<counts[i]):
        noise = (np.random.randn(N) + 1j*np.random.randn(N))/muls[i]# AWGN with unity power
        I,Q=np.real(noise).astype('float32'),np.imag(noise).astype('float32')
        temp = np.array([I, Q]).T
        out_X.append(temp)
        out_Y.append(muls[i])
        out_Z.append([-1])
        index+=1
        # plt.scatter(np.real(noise),np.imag(noise))
        # plt.title('星座图', fontdict={'weight': 'normal', 'size': 10, 'color': 'blue'})
        # plt.show()
out['X'] = out_X
out['Y'] = out_Y
out['Z'] = out_Z

print(out['X'].shape,out['Y'].shape,out['Z'].shape)