基于压缩感知的非重构频谱检测方法

本文基于压缩感知理论利用随机矩阵在时空域对CR用户接收到的授权用户信号进行压缩采样得到观测数据,然后直接对观测数据进行数据处理和分析,设计出一种非重构频谱检测方法。仿真结果表明,该方法的可行性,且具有计算复杂度低和检测性能稳定的优点。     

基于部分频谱小波边缘检测的压缩宽带频谱感知

压缩宽带频谱感知是一种采用压缩感知技术去感知相对较宽的频谱的方法.针对压缩宽带频谱感知中信号重构引起的计算资源消耗比较大以及能量检测在低信噪比下感知性能差的问题,提出了基于部分频谱小波边缘检测的压缩宽带频谱感知方法.首先使用基于最大熵准则的部分傅里叶矩阵获得部分频谱,然后根据部分频谱进行小波边缘检测,最后判别.仿真结果...     

一种基于子空间追踪的宽带压缩频谱感知方法

频谱感知是认知无线电进行动态频谱管理的首要任务。为了克服传统频谱感知算法对采样速率的过高要求,本文将压缩感知理论中的子空间追踪(SP)重构算法应用于协作式宽带压缩频谱感知中,提出了基于SP的宽带压缩频谱感知方法。该方法首先通过SP重构算法恢复出信号频谱,然后根据所恢复的频谱确定认知用户的能量判决门限,进而利用能量检测算法最终判决出可利用的频谱空穴。仿真结果表明,该方法在低压缩比下具有良好的频谱检测能力,且计算复杂度降低。     

基于两步式融合重构的压缩频谱检测方法

在宽带频谱检测技术中,针对传统分布式压缩感知方法(DCS)数据传输量大、能耗高的问题,提出了一种基于两步式融合重构的压缩频谱检测(TS-CSS)方法.该方法的数据重构过程分为先支撑集信息融合,后信号联合重构两步,通过支撑集信息融合获得的先验信息可指导信号的联合重构.仿真结果表明,联合重构时随机选择50％的用户参与,即可获得与传统DCS接近甚至更优的频谱检测性能,因而,该方法能够有效地降低系统数据传输量,节省频谱检测耗能.     

用于调制宽带转换器压缩频谱感知的重构失败判定方法

调制宽带转换器(Modulated Wideband Converter, MWC)压缩采样应用于频谱感知的一个基本前提是信号在频域上的稀疏性。如果信号不稀疏,将导致MWC重构结果不正确。该文提出了一种MWC压缩采样重构成败的判定方法。该方法利用连续两次重构得到的子带能量之间的相关性进行判决。仿真结果表明,该方法能够较准确地判断重构是否成功,应用于认知无线电频谱感知中能够避免频谱不稀疏时认知用户对主用户造成干扰,达到保护主用户的目的。     

一种低速采样的协同宽带频谱感知方法

频谱感知是通信系统抗干扰和智能化的关键能力.针对认知无线电系统窄带频谱感知技术受制于数模转换器件的发展水平,难以解决认知无线电系统宽带、实时频谱感知的问题,提出一种多节点协作的认知无线电系统宽带频谱感知方法.该方法设计由多个认知节点对目标频段执行次奈奎斯特采样来降低采样速率,采用能量检测方式对采样矢量进行集中式融合判决,实现宽频段范围内干扰信号的谱定位和判断,降低各个感知节点的采样速率,支撑认知网络系统构建高实时、宽频带频谱感知的能力.计算机仿真试验结果表明,所提方法达到90％检测概率时压缩比要求为0.025,具有可靠性与有效性.     

基于压缩感知信道能量观测的协作频谱感知算法

压缩感知为认知无线电宽带频谱感知提供了一种新思路。基于压缩感知原理,该文提出一种不需要重构宽带频谱本身,而是直接重构各信道能量的协作频谱感知方法。多个次用户使用宽带随机滤波器组获取信道能量的观测值。融合中心同步接收多个用户的能量观测,并利用同步稀疏自适应匹配追踪协作重构算法重构所有次用户的信道能量。仿真结果表明加性高斯白噪声环境下该协作感知方法所需的滤波器数目仅为传统方法的20%左右,瑞利衰落信道下也仅需传统方法的40%,有效降低了系统复杂度并改善感知性能。同时,该文提出的同步稀疏自适应匹配追踪算法对比经典的同步正交匹配追踪算法在重构精度及算法复杂度两方面都有所提升。     

基于加权平均一致算法的宽带压缩频谱感知

在认知无线电(CR)网络中进行频谱共享接入,首要的任务是进行频谱感知,并发现频谱空洞。基于认知无线网络中信号频域的固有稀疏性,本文结合了压缩感知(CS)技术与加权平均一致(weighted average consensus)算法,建立了分布式宽带压缩频谱感知模型。频谱感知分为两个阶段,在感知阶段,各个CR节点对接收到的主用户信号进行压缩采样以减少对宽带信号采样的开销和复杂度,并做出本地频谱估计;在信息融合阶段,各CR节点的本地频谱估计结果以分布式的方式进行信息融合,并得到最终的频谱估计结果,获得分集增益。仿真结果表明,结合压缩感知与加权平均一致算法增强了频谱感知的性能,比在相同的CR网络中使用平均一致算法时有了性能上的提升。      

基于优化贝叶斯压缩感知算法的频谱检测

近年来,压缩感知理论依旧是信号处理领域的研究热点之一。将压缩感知应用于频谱检测技术可以突破传统的奈奎斯特采样定理,降低检测时采样率,因此可以减轻硬件处理的压力。因此适合用在频谱检测技术中,特别是宽带信号的频谱检测。本文对贝叶斯压缩感知理论（BCS,Bayesian Compressed Sensing）进行研究,并将其引入频谱检测技术中。在BCS算法的基础上,通过进一步减小高斯随机观测矩阵列向量的相关度,实现对观测矩阵的优化,得到一种优化的贝叶斯压缩感知算法（称其为OBCS算法,即Optimized BCS）。在MATLAB仿真中,本文提出将数零法作为频谱检测判决规则,并使用BCS和OMP算法作为对照,验证了OBCS算法无论在重构误差、检测概率还是虚警概率等指标上都具有最佳的效果。      

基于压缩感知的分步合作频谱感知方法

在研究自相关矩阵检测理论的基础上,提出一种采用压缩感知的分步合作频谱感知方法.通过压缩感知将海量采样数据量减小,提取能够有效代表原信号的采样点;通过随机选择参与运算的认知用户及其数量进行合作检测,并反馈有益信息,减少了传统合作检测所有认知用户参与检测带来的运算复杂度.仿真表明该方法提高了频谱检测率,缩短了频谱检测时长,...     

基于随机矩阵理论的非重构宽带压缩频谱感知方法

该文采用随机矩阵理论(RMT)直接对压缩采样得到的观测数据进行分析,设计出了一种基于广义似然比检验(GLRT)的非重构宽带压缩频谱感知新算法。该算法无需任何先验知识就能对宽带频谱中的每个子带进行盲检测。此外,为了减轻次用户(SU)在数据获取和频谱感知过程中的通信开销,该文提出一种基于传感器节点(SN)辅助感知的合作频谱感知架构。理论分析和仿真结果均表明,与传统基于信号重构的GLRT感知算法以及Roy最大根检测(RLRT)算法相比,该算法不仅具有计算复杂度低、开销小、感知性能稳定等诸多优点;而且只需较少的SN就能获得较好的检测性能。     

适用于无线传感器网络的层次化分布式压缩感知

分布式压缩感知(Distributed Compressed Sensing, DCS)是在无线传感器网络(Wireless Sensor Network, WSN)中减少数据传输量、降低能量消耗的有效手段。该文面向分簇WSN,提出层次化分布式压缩感知(Hierarchical Distributed Compressed Sensing, HDCS)。在利用簇内DCS消除簇内时间、空间冗余的基础上,利用簇间DCS消除簇间空间冗余,减少簇头的数据发送量。针对分簇WSN采集信号的结构化稀疏特性,建立块稀疏簇内联合稀疏模型与块稀疏簇间联合稀疏模型,提出HDCS观测方案与层次化联合重构算法。仿真结果表明,与普通DCS相比,HDCS在保证重建信号质量的同时,能够有效减轻簇头的通信负担,并显著降低Sink上的信号重构时间。     

认知无线电中基于截断序贯检测的频谱感知技术

序贯检测的检测时间是随实际接收信号采样点的变化而不同的随机变量,在平均意义上,序贯检测有较高的检测速度,但是个别情况下可能需要很长的检测时间,为了避免这种现象的发生,同时提高认知无线电中频谱感知的速度,该文提出了一种截断序贯检测算法。首先分析了截断对传统序贯检测性能的影响,给出了虚警概率和漏检概率的上限,然后基于该性能上限得到了截断序贯检测的检测门限,最后给出了截断序贯检测算法的流程。仿真结果表明,该算法在有限的检测时间内,能够满足系统的性能要求,且其平均检测时间小于传统的能量检测。     

基于压缩感知的WSNs长生命周期数据收集方法

该文针对基于事件驱动的无线传感器网络(WSNs)数据收集查询的长期应用需求,基于压缩感知理论将混合压缩感知的数据收集技术与数据收集树的构建过程相结合,设计出一种长生命周期数据收集方法。该方法在数据收集查询到达时,构造一棵数据收集树。建树过程中,利用混合压缩感知思想,在分析转发节点和融合节点能耗的基础上,以收集查询后节点最小剩余能量最大化为目标,构造最大数据收集树集合。仿真实验表明,该方法能够充分利用节点能量资源,显著提高网络能量效率,达到延长网络生命周期的目标。     

一种高效的协作频谱感知架构

为了有效利用协作频谱感知中的上传时隙以改善感知性能,该文设计一种新的协作频谱感知(CSS)架构。其核心思想是：当一个次用户上传信息时,后面的次用户继续执行本地感知直至轮到其上传时才停止,该方法合理地将一半的空闲上传时隙用于感知,因而更为高效。同时,该文基于Neyman-Pearson准则,研究了AND准则和OR准则下的最优调度策略问题,并讨论了该架构带来的感知性能增益。仿真结果表明：所提架构可以有效改善协作频谱感知性能,而不带来额外的感知时延。     

Sensing tasks allocation in cellular-based cognitive radio network

In Cognitive Radio (CR) Networks, especially in Cellular-based CR networks, in order to obtain the precise spectrum state which is available in the whole coverage, the spectrum sensing function need to be accomplished by the cooperation of multi-sensing nodes, i.e., cooperative spectrum sensing. This paper mainly focuses on the key question of the cooperative spectrum sensing: How many sensing nodes are required and how to allocate the sensing tasks to these sensing nodes in an effective way? In this paper, we classify the spectrum bands into three categories by a pre-sensing mechanism, in order to firstly exclude unavailable channels and select candidate channels for fine sensing in the next stage. Then the required number of sensing node for each candidate channel is determined by the proposed scheme. Through the scheme proposed in this paper, the sensing tasks allocation in cellular-based CR network can be accomplished in a high effective way and the sensing overhead could keep a low level.     

基于LU分解的稀疏目标定位算法

针对基于orth的稀疏目标定位算法中orth预处理会影响原信号的稀疏性的问题,该文提出一种基于LU分解的稀疏目标定位算法。该算法通过网格化感知区域把目标定位问题转化为压缩感知问题,并利用LU分解法对观测字典进行分解得到新的观测字典。该观测字典有效地满足了约束等距性条件,同时对观测值的预处理过程不影响原信号的稀疏性,从而有效地保证了算法的重建性能,提升了算法的定位精度。实验结果表明,基于LU分解的稀疏目标定位算法的性能远优于基于orth的稀疏目标定位算法,目标的定位精度得到了较大地提升。