基于自适应压缩感知的信道估计算法

传统方法压缩感知算法截取训练序列最后未被数据干扰固定部分作为观测矩阵,该方法为了抵抗最差的信道而浪费了大量的可用观测数据。在此基础上提出了一种自适应压缩感知的信道估计算法,首先对训练序列进行自适应检测,得到整个未受干扰的观测矩阵,再用压缩感知算法计算信道估计。仿真结果表明,这种基于自适应压缩感知的信道估计算法大幅提高了信道估计的准确性。     

MIMO-OFDM快衰落信道的稀疏自适应感知估计

在多输入多输出（MIMO）-正交频分复用（OFDM） 系统中,怎样在较高频谱利用率的情况下对快时变信道进行较为准确的估计是一个具有挑战性的课题。该文在利用压缩感知理论可提高系统频谱利用率的基础上,提出了一种适合于快时变环境下MIMO-OFDM 系统的稀疏自适应信道估计方法。该方法不再受到奈奎斯特采样频率条件约束,避免了传统导频辅助信道估计方法频谱利用率低的缺点。该文方法通过构建多天线群时频结构特征稀疏基,利用多天线间和群时变OFDM符号内信道冲激响应具有更强稀疏性的特点,对MIMO-OFDM快衰落信道进行稀疏变换。由于实际MIMO-OFDM快衰落信道往往处于频率选择性、时变性和多种干扰并存的复杂环境,受到干扰的信道参数对系统而言是未知,采用该方法克服了现有基于压缩感知理论的信道估计方法需要预先知道信道冲激响应稀疏度才能重构信道参数的不足,在信道稀疏度未知道的情况下,运用稀疏自适应的方法来对不同时频结构特征的信道参数进行估计。仿真结果表明所提估计方法具有对快时变信道参数估计的鲁棒性和较高频谱利用率,且均方误差小。      

基于压缩感知的OFDM系统信道估计方法

针对无线信道的时域稀疏性以及稀疏度未知的问题,文章将压缩感知技术应用到正交频分复用(OFDM)系统信道估计中,提出了一种稀疏度自适应正交匹配追踪信道估计算法。算法利用离散傅里叶变换(DFT)信道估计算法对循环前缀内和外的噪声进行处理,估计得到的信道频率响应作为正交匹配追踪(OMP)算法稀疏迭代终止的判断条件,实现稀疏度自适应信号重建。同时在原子预选阶段,采用Dice系数准则代替内积准则作为相关性度量准则,可达到更优的估计性能。仿真结果表明,该算法相比于传统的压缩感知信道估计算法具有较好的性能,可以提高系统的归一化均方误差(NMSE)和误码率(BER)性能。     

基于矩阵感知的毫米波MIMO系统信道估计方法

在使用混合波束形成的毫米波大规模多输入多输出系统中,射频链路少于天线数,信道估计非常具有挑战性。当天线阵列缺陷导致未知相位和增益误差时,压缩感知信道估计器的性能会下降。为提高系统鲁棒性,提出了一种新型的基于矩阵感知的信道估计方案。该方案利用毫米波信道的低秩特性,采用凸函数差框架设计信道估计器。理论分析及仿真结果证明,所提方案不受阵列相位和增益误差的影响,与压缩感知方案比较增强了系统的鲁棒性,可获得比矩阵补全方案更好的估计性能。     

保障监测时延的无线传感器网络感知调度算法

针对重点区域事件监测应用中,无线传感器网络需要满足不同监测时延要求,该文首先分析了点目标监测应用的时延下界,设计了多项式的最优自适应占空比分布式感知调度算法。在此基础上,设计了一个面向局部重点区域的事件监测分布式感知调度算法(LDSS)。LDSS具有较低的计算复杂度和通信复杂度。仿真结果显示,与现有的随机调度算法相比,LDSS能获得监测时延更接近于理论时延下界的性能。     

LTE-A基于压缩感知的信道估计

针对在多普勒环境下LTE-A(改进的长期演进)系统时频域二维稀疏信道的特性,根据导频在时频域的分布以及二者之间的相关性,通过将搜索空间分解为时域上OFDM(正交频分复用)符号间和频域上子载波间范围,提出了一种基于OMP(正交匹配追踪)算法改进压缩感知的信道估计。仿真结果表明,改进的OMP算法较原始算法具有更低的MSE(均方误差)。     

基于自适应投影矩阵的压缩感知超宽带信道估计

超宽带信号由于功率谱密度较低和传输多径复杂,准确的信道估计十分重要。考虑其过高带宽带来的采样难度较高的问题,压缩感知理论提供了一种可行的低速采样方法。而目前常用的随机投影矩阵与超宽带信道稀疏变换矩阵相关度较高,算法必须在降维比较高时才能达到重构要求,采样速率依然较高。针对上述问题,提出使用贝叶斯压缩感知理论中的自适应投影矩阵设计方法进行超宽带信道估计。贝叶斯压缩感知理论给信道向量中的每个值设置受超参数控制的后验概率密度,计算信道向量的统计特性,并根据协方差矩阵计算新的投影向量,该投影向量可以使重构解的微分熵下降最快。通过这种自适应的投影矩阵设计方法,可以利用较少的采样值进一步地提高重构解的可信度,达到进一步降低采样速率的目的。实验结果表明该方法相对于现有的压缩感知重构算法可以在较低的降维比条件下达到较好的重构效果,显著降低了采样速率。     

基于压缩感知的MIMO-OFDM系统自适应信道估计

针对超密集组网中导频复用将产生导频干扰,严重影响移动用户下行链路信道估计准确性的问题,提出了一种使用短导频的幂函数稀疏度自适应匹配追踪(Power Sparsity Adaptive Matching Pursuit,PSAMP)算法.该算法由稀疏度预估计和追踪重构两部分构成.首先通过幂函数试探得到一个略小于真实稀疏度的预估值,再通过压缩采样匹配追踪重构信号,改善估计结果;若不能成功重构,则逐渐增加信号原子数量.仿真结果表明,相较于传统自适应压缩感知重建算法,所提的P SAMP算法在高信噪比区域具有更好的信道估计性能.     

MIMO-OFDM快衰落信道的压缩感知估计方法

在快衰落多输入多输出(MIMO)-正交频分复用(OFDM)系统中,为了避免传统的信道估计方法中存在大量系数需要估计的问题,利用快衰落信道在角时延多普勒域可稀疏的特性,提出了基于压缩感知的MIMO-OFDM系统快衰落信道估计方法。根据压缩感知的受限等距特性(RIP),推导了一种少量导频随机结构测量矩阵,用于测量快衰落信道在角时延多普勒域稀疏系数。接收端可从这些少量的测量数据中以高概率重构出快衰落信道。理论分析与仿真结果都表明:该方法与传统的信道估计方法相比,所得到的系统数据传输效率及估计性能都有了明显提高。     

基于用户感知的EDGE网络信道配置方法

是否能为用户提供具有差异性业务,并保证其服务质量QoS（Quality of Service）,是服务提供商必须考虑的关键问题。EDGE网络支持的数据业务类型多样,信道使用模式较为复杂,且不同的业务需求对小区信道资源的要求不同。如何准确配置小区内信道资源,使用户获得足够数据带宽,保证良好的业务体验成为一个关键问题。文章给出了面向用户感知的EDGE网络小区级信道配置方案,可以依据用户的可用速率对小区内数据业务信道进行精确配置。     

农业无线监测传感网中压缩感知的应用研究

针对农业无线监测传感网络中节点能耗过快,影响整个网络寿命问题,文章提出一种新型高效的数据采集传输的方法。该方法将压缩感知理论应用到传感器节点,采用离散傅里叶变换方法采集稀疏信号,利用重构误差更小的ROMP算法重构原信号。通过MATLAB对温度进行仿真实验,研究结果表明,采用压缩感知理论后,不但能近乎完美地重构信号,且以接近10%的压缩率来采样数据,节点发送能耗相对传统压缩算法最高提高80%左右,因此有效地延长网络的生命周期。     

Efficient Sensing Topology Management for Spatial Monitoring with Sensor Networks

We focus on exploiting redundancy for sensor networks in the context of spatial interpolation. The network acts as a distributed sampling system, where sensors periodically sample a physical phenomenon of interest, e.g. temperature. Samples are then used to construct a continuous spatial estimate of the phenomenon over time through interpolation. In this regime, the notion of sensing range typically utilized to characterize redundancy in event detection applications is meaningless and sensor selection schemes based on it become unsuitable. Instead, this paper presents pragmatic approaches for exploiting redundancy in such applications. Their underlying characteristic is that no a-priori assumptions need to be made on the statistical properties of the physical phenomenon. These are instead learned by the network after deployment. Our approaches are evaluated through real as well as synthetic sensor network data showing that significant reductions in the number of active sensors are indeed possible.     

Transmission Power Control in Body Area Sensor Networks for Healthcare Monitoring

This paper investigates the opportunities and challenges in the use of dynamic radio transmit power control for prolonging the lifetime of body-wearable sensor devices used in continuous health monitoring. We first present extensive empirical evidence that the wireless link quality can change rapidly in body area networks, and a fixed transmit power results in either wasted energy (when the link is good) or low reliability (when the link is bad). We quantify the potential gains of dynamic power control in body-worn devices by benchmarking off-line the energy savings achievable for a given level of reliability.We then propose a class of schemes feasible for practical implementation that adapt transmit power in real-time based on feedback information from the receiver. We profile their performance against the offline benchmark, and provide guidelines on how the parameters can be tuned to achieve the desired trade-off between energy savings and reliability within the chosen operating environment. Finally, we implement and profile our scheme on a MicaZ mote based platform, and also report preliminary results from the ultra-low-power integrated healthcare monitoring platform we are developing at Toumaz Technology.     

Efficient Data Transmission of Wireless Sensor Networks Through Compressive Sensing and Matrix Completion

Data transmission has attracted widely concerning from worldwide researchers in wireless sensor networks. Jointly considered compressive sensing and matrix completion, a novel cross-layer optimal data transmission algorithm by maximizing utility function is proposed, which develops the stability control signal and valid link capacity. Original signals, with low-rank and sparsity, are processed that lead to the transmission is much less than original traffic. At same time, link capacity is allocated in a fair way, which avoids the congestion for data flow too large. Simulation results demonstrate that the algorithm is significantly effective for network lifetime and energy consumption.     

基于无线传感技术的接触网导线接头及换相点温度监测系统

为了确保铁路接触网的稳定运行,设计了一种电气化铁路接触网导线接头及换相点温度监测系统,通过温度传感器检测高压部分的温度,采用两级无线数据传输网络实现温度的实时传输。第1级采用自由频段的短距离无线通讯方式,第2级采用不受地区限制的GPRS网络传输方式,用户通过远端数据监测中心软件可以方便地对监测信息进行远程管理,实现对各处接触网导线接头及换相点温度信息的调阅、查询和监测报警。     

基于图论的无线传感器网络并行禁忌搜索信道分配方法

Wireless sensor networks are suffering from serious frequency interference. In this paper, we propose a channel assignment algorithm based on graph theory in wireless sensor networks. We first model the conflict infection graph for channel assignment with the goal of global optimization minimizing the total interferences in wireless sensor networks. The channel assignment problem is equivalent to the generalized graph coloring problem which is a NP complete problem. We further present a meta heuristic Wireless Sensor Network Parallel Tabu Search (WSN PTS) algorithm, which can optimize global networks with small numbers of iterations. The results from a simulation experiment reveal that the novel algorithm can effectively solve the channel assignment problem.     

压缩感知在传感器网络中的应用研究

无线传感器网络(Wireless Sensor Networks,WSN)被应用在诸多领域,如在工业自动化、环境检测、网络控制、生物及能量管理等方面。主要讨论了压缩感知在传感器网络中的应用,研究了压缩感知在传感器网络中应用所需的数学基础,以及重要参数的描述。     

一种暗通道先验去雾后图像参数的调节方法

针对在暗通道先验去雾方法中图像亮度随着去雾深度加深而降低的情况,分析了导致图像亮度降低的原因,并结合户外自动白平衡的有雾图像,提出了一种采用图像能量回补来调节图像参数的方法,以此来提高图像亮度和对比度.实验结果表明,通过对去雾后图像损失的能量进行回补,对于不同的去雾深度,图像的亮度和对比度都能得到较好的调节.     

无线传感网中基于卡尔曼预测的自适应压缩感知

针对无线传感网中节点间相关性较弱但节点内相关性较强的情况,本文提出了基于卡尔曼预测的自适应压缩感知算法。在中继传输模型下,通过卡尔曼预测来决定观测节点是否发送数据,减少发送节点来构建空间稀疏性,同时在融合中心采用自适应选择中继数量的序贯重构算法,降低中继节点的传输能耗。仿真结果表明,和其他基于预测的压缩感知算法相比,本算法观测节点的计算复杂度和中继节点的传输能耗大大降低而不会带来误差的增加。