基于二项分布改进的宽带压缩频谱检测方案

宽带压缩频谱检测存在依赖稀疏度先验信息和信号重构时延较高的问题.因此,本文提出了一种高效可靠的宽带压缩频谱检测方案.首先,推导出了基于二项分布精确置信区间改进的稀疏度估计模型.其次,利用稀疏度估计上下界改进了稀疏度自适应匹配追踪算法.最后,提出了一种宽带压缩频谱检测方案.仿真结果表明,本文所提出方法可以同时精确的估计信号稀疏度的上下界,提高了频谱检测的效率和可靠性,加快了算法的收敛速度.     

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。     

稀疏度自适应的宽带压缩频谱感知方法

针对基于压缩感知的传统频谱感知方法通常假设稀疏度已知,而实际频谱感知中信道稀疏度是未知且时变的这一问题,提出一种稀疏度自适应的宽带频谱感知算法。首先采用分布式压缩感知和RIP性质预估计稀疏度,然后通过置信系数更新估计得到频谱支撑集,即主用户正在使用的频谱。仿真结果表明,在低信噪比条件下,本方法的检测概率高于稀疏度已知的频谱感知方法,而仅损失极少的频谱利用率,且计算复杂度低。     

基于OMP算法的宽带频谱感知

频谱感知是认知无线电的一项关键技术,其能够检测出未被主用户占用的频谱空穴供次用户接入使用,提高频谱利用率.宽带频谱感知要求对数GHz 的带宽进行检测,过高的采样速率、大的数据量对现有的硬件设备提出了巨大的挑战.本文利用宽带频谱的稀疏性提出一种基于OMP算法的宽带频谱感知方法.该方法利用MWC采样实现对宽带模拟信号直接压缩采样;利用自相关矩阵对称分解特性和主用户信号独立性,得到有限维压缩采样信号模型,利用AIC/MDL准则估计稀疏度作为OMP算法迭代停止的条件,大大减少了算法复杂度;该方法不需要重构接收信号的PSD,直接在时域根据低速率采样信号,检测被占用信道.仿真结果表明,当带内信噪比大于9dB时,频谱检测概率高于90％.     

动态稀疏频谱的自适应压缩感知与跟踪算法研究

在宽带频谱感知、通信侦察等应用中信号稀疏度往往是动态变化的。首先证明了重构误差随压缩比的增加单调减小,在此基础上,提出了一种压缩比随频谱稀疏度自适应调整的压缩采样新算法。新算法由压缩采样与压缩比自适应调整两部分组成,其中,压缩采样部分用于恢复原信号,并估计恢复信号与原信号之间的误差;压缩比自适应部分根据误差与压缩比之间的近似线性函数关系,自适应调整下一时刻的压缩比。计算机仿真结果表明:新算法能够以近似“最优”的压缩比对稀疏度慢变的频谱进行有效感知,并跟踪频谱稀疏度的变化;与传统压缩采样方法相比,在保证频谱感知精度的前提下,新算法能够总体上进一步显著降低采样速率。      

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.仿真结果证明了该方案的有效性和优异性.     

基于统计可信度的压缩感知协作频谱检测算法

压缩感知为认知无线电的宽频谱感知提供了一种新的方法和思路。基于压缩感知的原理,提出了一种多认知用户协作场景下基于用户统计可信度的协作频谱检测算法。该算法使用正交匹配协作追踪算法获得认知区域内的频谱占用情况,根据不同认知用户频谱检测的历史准确度综合判定用户感知结果的统计可信度。仿真结果表明,该算法在不同用户数、不同采样值、不同信噪比变化范围下其检测性能均优于传统算术平均方法,有效改善了检测性能。     

认知无线电最优线性协作宽带频谱感知

本文提出了基于最优线性协作的宽带频谱感知方案。通过次级用户之间的协作,为认知网络的频谱感知提供分集,利用融合中心融合多个次级用户的宽带频谱感知数据来获取最优权重,并生成全局判决统计量,最终使用全局阈值完成最后的检测判决。由于所提出的两种协作宽带感知方案或需要精确地估计授权用户的信号强度和噪声方差,或感知性能不足,因而,还提出一种更易实现的方案。理论分析和仿真结果表明,本文所提出的协作感知方案可以有效地提高频谱感知性能,并且性能优于传统等增益合并方案。      

稀疏阶数估计压缩频谱感知宽带认知通信研究

由于信号的稀疏度通常未知,因此需要按照样本数的上限进行采样.为了解决这个问题,提出一种稀疏阶数估计的方法压缩频谱感知宽带认知无线电通信技术,该技术采用一种统计学习的方法在稀疏信号恢复以前,利用极少的样本数据估计出信号的稀疏阶数.采用极少部分样本估计出宽带谱的稀疏阶数,然后根据估计的稀疏阶数调整所采集的样本数.采用这种方法能够自适应的调整数据获取量,从而减少数据获取代价而不会降低感知性能.     

认知无线电差分协作压缩频谱估计算法

在分布式认知无线网络场景下,针对传统协作压缩频谱估计收敛速度慢、计算复杂度高的问题,提出了一种差分协作压缩频谱估计算法用于宽带频谱感知。算法通过利用不同认知用户感知的宽带信号所满足的相同频谱支撑集特征,实现了在邻居节点感知先验信息条件下,本地认知用户基于压缩测量向量差值的宽带频谱迭代估计。仿真分析结果表明,所提算法在频谱估计精度、检测性能与计算复杂度方面均获得了明显改善。     

Cooperative wideband spectrum sensing based on sequential compressed sensing

Compressed sensing offers a new wideband spectrum sensing scheme in Cognitive Radio (CR). A major challenge of this scheme is how to determinate the required measurements while the signal sparsity is not known a priori. This paper presents a cooperative sensing scheme based on sequential compressed sensing where sequential measurements are collected from the analog-to-information converters. A novel cooperative compressed sensing recovery algorithm named Simultaneous Sparsity Adaptive Matching Pursuit (SSAMP) is utilized for sequential compressed sensing in order to estimate the reconstruction errors and determinate the minimal number of required measurements. Once the fusion center obtains enough measurements, the reconstruction spectrum sparse vectors are then used to make a decision on spectrum occupancy. Simulations corroborate the effectiveness of the estimation and sensing performance of our cooperative scheme. Meanwhile, the performance of SSAMP and Simultaneous Orthogonal Matching Pursuit (SOMP) is evaluated by Mean-Square estimation Errors (MSE) and sensing time.     

认知无线电中基于感知门限的频谱预测研究

频谱感知为未获得频谱授权的次用户提供频谱空穴,并监测主用户以防止对其造成干扰。然而频谱感知会带来时间和能量消耗,采用准确、主动的频谱预测技术可以改善频谱感知过程。文中通过研究感知门限对平均感知时间和频谱利用率的影响,提出了基于感知门限的频谱预测-感知机制,并利用频谱预测结果按照空闲概率从大到小的顺序进行感知。仿真结果表明,文中所提出的机制能够减少感知时间并提高频谱利用率。     

基于加权一致优化的宽带分布式协作压缩频谱感知算法

宽带分布式协作压缩频谱感知不仅降低过高的采样速率,而且改善在低信噪比环境下的频谱感知性能。为进一步提高频谱感知性能,提出一种基于加权一致优化的宽带分布式协作压缩频谱感知算法。该算法根据当前迭代重构出的频谱信号设定下一次迭代重构的权值,促使频谱信号上存在授权用户的子频段产生信号值,降低重构出错的可能性。仿真结果表明,该算法不仅能够增大频谱重构的准确性,而且能够降低感知过程的时间和通信开销,改善频谱感知性能。     

Dynamic control approaches of spectrum sensing in multi-band cognitive radio networks

In this paper,the dynamic control approaches for spectrum sensing are proposed,based on the theory that prediction is synonymous with data compression in computational learning. Firstly,a spectrum sensing sequence prediction scheme is proposed to reduce the spectrum sensing time and improve the throughput of secondary users. We use Ziv-Lempel data compression algorithm to design the prediction scheme,where spectrum band usage history is utilized. In addition,an iterative algorithm to find out the optimal number of spectrum bands allowed to sense is proposed,with the aim of maximizing the expected net reward of each secondary user in each time slot. Finally,extensive simulation results are shown to demonstrate the effectiveness of the proposed dynamic control approaches of spectrum sensing.     

Cooperative spectrum sensing scheduling scheme based on discrete particle swarm optimization algorithm

The statistical characteristics of the network state changes were analyzed by using the CTMC model.Considering the difference of each secondary user’s sensing ability,two integer programming problems on cooperative sensing scheduling scheme were established from two aspects:the primary users and the secondary users respectively.A discrete particle swarm optimization algorithm was proposed to solve the integer programming problems,and compared with the traditional random scheduling scheme and greedy scheduling scheme based on SNR.The simulation results show that the cooperative sensing scheduling scheme based on discrete particle swarm optimization algorithm is superior to random scheduling scheme and greedy scheduling scheme based on the SNR,which gets a higher spectrum sensing accuracy.