基于多子带信号采样和小波变换的宽带频谱感知*

在GHz级宽带信号频谱感知中,如果直接采样此宽带信号,其所需采样速率太高,超过现有的模数转换器指标;确切估计出主信号所占频段,可以进一步提高频谱利用率;因此本文基于调制宽带转换系统（MWC）,提出一种基于多子带信号采样和小波变换的宽带频谱感知方法。首先利用MWC实现宽带信号的低速率采样,得到子带信号;然后提出一种噪声功率及检测门限估计方法,再利用能量检测法实现对非噪声子带的频谱感知;最后利用小波变换对信号子带进行频谱边缘检测,以确定主用户信号占用频段的确切位置信息。仿真结果验证了本文所提出的宽带频谱感知方法的可行性和有效性。     

基于奇异值分解的宽带频谱感知改进算法

对认知无线电中宽带频谱感知的信号检测问题进行研究,在信道位置和带宽随机分布的条件下,提出一种基于Hankel矩阵奇异值分解的改进算法完成宽带频谱的频率点奇异性检测并获得各子频段的起始频率和带宽,有效实现盲宽带频谱感知,同时利用提出的三种性能评价参数对该算法与多尺度小波变换算法进行了性能对比。通过实际接收微波信号及仿真OFDM信号感知实验验证,该算法有效抑制了噪声不确定性,滤除了伪奇异点,提高了宽带频谱感知性能。     

基于压缩感知的信号欠采样和重建研究

为了实现基于压缩感知理论的信号欠采样和重建,采用模拟信息转换器和正交匹配追踪（0rthogonal Matching Pursuit,OMP）算法对正弦脉冲信号的欠采样和信号重建进行了仿真分析。通过Matlab仿真分析验证了压缩感知理论在信号欠采样和重建过程中的可行性,通过对此在不同信噪比下的效果发现,在高信噪比时,性能较好,可以为信号采样系统和信号恢复处理系统的设计应用提供理论参考。最后,总结讨论了压缩感知在射频和无线通信领域的应用价值。     

压缩感知框架下宽带功放预失真模型

射频功放的非线性特性是一个重要的研究方向,针对预失真系统采样率过高的问题,提出一种新的宽带功放预失真模型,即在反馈回路采用基于正弦调频(SFM)信号的调制宽带解调(MWC)对信号进行采样,再用变步长广义自适应匹配追踪(VS-GSAMP)算法对信号进行重构,降低反馈回路采样速率,提升线性化效果。实验结果表明,在提高信号重构精度的同时,NSME(normalized mean squared error)显示较MP、GMP模型提升了2~3 d B,ACPR(adjacent channel power radio)约改善了21 d B,该方法能够使系统在较低的采样率下获得良好的线性性能。     

认知无线电网络中宽频谱的信号分离算法

在认知无线电网络中,认知用户随机接入宽带频谱进行数据传输,但是这样很容易受到恶意用户的干扰,这些恶意用户随意地接入共享频带进行信号传输,这些信号会干扰主用户和认知用户。为此,提出了一种基于压缩感知的信号分离方法。该方法可以很好地从宽带信号中分离出恶意用户信号。算法主要采用以下三个步骤：（1）所有认知用户采用压缩感知技术从宽带频谱中恢复各信号;（2）认知用户将分离的信号发送到融合中心,融合中心通过小波边缘检测的方法确定频谱边缘,并按照边缘特性将频谱分成若干频段;（3）融合中心根据具体特征对每个子频段进行信号分离。分析和仿真结果表明,这种新的基于压缩感知的宽频带信号分离方法能很好地从宽带信号中将含有恶意用户干扰的混合信号分离出来。     

基于压缩感知和循环谱理论的信号载频估计方法

为实现在低信噪比的情况下对载频进行参数估计,提出了一种算法。首先,根据循环谱理论计算出信号的循环谱;然后,采用压缩感知的方法重新构造信号的循环谱切面;最后,根据信号循环谱切面中的离散谱线位置与信号的载频的关系采用平均法来计算载波频率。数值仿真显示在信号稀疏度较高的情况下,对载波频率的估计精度能控制在103△ Hz以下。在低信噪比的情况下,该算法能够有效地实现对信号载频的估计,在工程上具有一定的实用价值。     

动态分配模式下的宽带频谱感知

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,提高频谱利用率。提出两种宽带感知方法——矩形谱感知法和谱相关感知法,分别适用于已知主用户带宽和主用户功率谱(PSD)的情况。不同于以往将宽带频谱感知转换为窄带频谱感知的方法,利用主用户先验PSD在宽带范围内直接搜索主用户信号。该方法不需要带宽划分,直接在宽带内进行检测,对主用户信号PSD没有特殊要求,主用户信号可以随机出现在所检测的带宽范围内。仿真结果表明,由于谱相关法比矩形谱法利用了更多的先验信息,其检测性能优于矩形谱法,主用户载波估计更为准确。     

基于信噪比估计的自适应频谱感知算法

针对传统能量检测不能对低信噪比条件下的信号进行准确感知,容易造成误判的缺点。为了提高在低信噪比条件下的频谱感知性能并缩短感知时间,结合循环特征检测具有较高的检测性能和鲁棒性但计算复杂度高的特点,提出了基于信噪比预估计的自适应频谱感知算法。该算法通过预估计待检信号与信道噪声的信噪比,当高于信噪比选择阈值时,采用改进后的自适应门限能量检测,降低运算复杂度;若低于选择阈值则进行循环特征检测,保证良好的检测精度;并可以根据系统对检测精度和感知速率的要求,自适应调整选择阈值的大小。仿真结果表明,所提算法有效的提高了低信噪比条件下频谱感知的准确性,缩短了平均感知时间。     

一种时域—码域联合的认知无线电频谱感知算法

为了提高认知无线电系统中频谱感知的性能,对多维联合的频谱感知进行了研究,提出一种时域—码域联合的频谱感知算法。该算法主要利用了直接序列扩频主用户信号频谱空间中时域与码域的特性,分别从时域与码域的角度对信道的状态进行检测,其中时域采用能量感知,码域分析扩频主用户信号的二次功率谱,最终共同确认信道状态。仿真结果表明,联合感知算法对应的检测性能优于单纯时域或码域感知,能够直接应用于直接序列扩频主用户的频谱感知。     

基于P-Ifourier观测矩阵的宽带压缩感知方法

针对压缩感知理论在宽带频谱感知领域应用时重构精度差的问题,根据平稳信号在频域所表现出的稀疏特性,提出了一种基于P-Ifourier(Partial-Inverse fourier)观测矩阵的宽带压缩频谱感知方法。新方法首先将频谱感知问题建模为一个典型的压缩感知问题,利用相关性能优良的标准正交傅里叶基构造观测矩阵,使观测矩阵具有良好的重构性能和重构精度。仿真结果表明,相比于高斯随机观测矩阵和嵌入式混沌序列-循环Toeplitz结构观测矩阵,该方法在较低信噪比环境下能够明显降低信号重构的均方误差,并且在相同条件下的重构概率得到了明显改善。     

基于对称谱的宽带相干信号快速DOA估计

针对聚焦类宽带信号方位估计算法运算量较大的问题,提出了一种快速算法。首先利用矩阵的Toeplitz化重构,不用对阵列进行子阵分割,就可实现宽带信号的解相干;然后根据接收数据协方差矩阵的厄尔米特特性,利用酉变换将复数矩阵映射为实数矩阵,通过在实数域特征分解,降低了特征分解的计算复杂度;最后通过投影子空间正交技术,利用噪声子空间和共轭噪声子空间重新构造空间谱,根据谱对称性,在半谱内搜索即可得到信号的角度,同时使谱峰搜索的运算量降低了一半。理论分析及仿真结果表明,新算法无需聚焦运算,精度较高,运算量小,对宽带相干信号有效。     

Mitigating spectrum sensing data falsification attacks in hard-decision combining cooperative spectrum sensing

In this paper we propose a simple yet robust secure cooperative spectrum sensing scheme with hard decision combining for Opportunistic Spectrum Access （OSA） networks. Based on the historical sensing records and the assistance of trusted OSA nodes, the proposed approach effectively mitigates spectrum sensing data falsification attacks by excluding misbehaving OSA nodes from the process of cooperation. Both analyses and numerical results are provided for various performance metrics, including overall detection probability. Comparison of the proposed method with existing well-known secure spectrum sensing methods verifies the robustness and effectiveness of the proposed scheme.     

压缩感知在数字电视信号频谱检测中的应用

目前频谱资源紧张,有效利用空闲频谱的认知无线电技术应运而生,IEEE802.22开放了VHF/UHF电视频段供认知无线电用户使用。为了合理利用电视频段,首先要对电视信号进行检测,随着数字电视的普及,对数字电视信号的检测尤为重要。传统奈奎斯特采样采样率高,耗费空间和时间,而电视信号在频域具有稀疏性,应用压缩感知技术能以随机采样的方式用更少的数据点来很好地恢复原始信号。鉴于此,应用压缩感知技术,采用能量检测法对数字电视信号进行频谱检测,提高频谱利用率。     

基于CS理论的LFM信号DOA估计

针对常用LFM（linear frequency modulated）信号DOA（direction of arrival）估计算法采样数据量大,在低信噪比情况下估计效果不理想的问题,提出一种基于CS（compressed sensing或compressive sampling）理论的LFM信号DOA估计新方法。实验仿真验证了CS理论的基本原理及运用其进行LFM信号DOA估计的可行性。     

一种基于信誉度的协作频谱感知方法

通过序贯检测可以提高协作频谱感知的准确度,但是在具有频谱感知数据篡改（SSDF,Spectrum Sensing Data Falsification）节点的环境下,系统感知性能急剧下降。为了解决上述问题,本文提出了一种基于加权序贯检测（WSPRT,Weighted Sequential Probability Ratio Test）的频谱感知融合算法,通过给每个节点赋予信誉度权值,设置合理的信誉度奖惩方案来区分SSDF节点,从而优化系统感知性能。仿真实验表明,本文所提出的算法减小了SSDF节点带来的影响提高了系统的检测准确率和稳定性。     

基于Gerschgorin理论稀疏度估计的宽带频谱感知算法

针对在低信噪比(SNR)情况下稀疏度欠估计和高信噪比情况下稀疏度过估计的问题,提出了一种基于Gerschgorin理论稀疏度估计的宽带频谱感知算法。首先,该算法利用Gerschgorin理论分离信号圆盘与噪声圆盘得到稀疏度估计值;然后,利用正交匹配追踪(OMP)算法得到频谱支撑集;最后,完成宽带频谱感知。仿真结果表明,所提算法、AIC-OMP算法和MDL-OMP算法频谱感知的检测概率达到95%信噪比分别需要4.6 dB、8.5 dB和9.7 dB;所提算法频谱感知的虚警概率在信噪比大于13 dB时趋近于0,明显低于BPD-OMP和GDRI-OMP算法的虚警概率,因此,所提算法对于压缩感知(CS)的信号稀疏度估计兼顾了低信噪比和高信噪比时的稀疏度估计性能,频谱感知性能优于AIC-OMP算法、MDL-OMP算法、BPD-OMP算法和GDRI-OMP算法。     

双门限三级联合频谱感知算法——基于能量检测和高阶循环谱检测

认知无线电中,快速有效的频谱感知是一项关键技术。传统的能量检测算法不能抵抗低信噪比的影响,高阶循环谱检测又有着较高的算法复杂度。将二者进行结合,提出一种双门限三级联合频谱感知算法,有效提高了系统的检测性能并降低了算法复杂度。对传统的能量检测算法进行了仿真,并对检测概率的影响因素进行了分析和仿真;对高阶循环谱检测算法进行了理论分析,并对三级联合感知算法的性能进行了详细分析。最终得出结论,三级联合感知算法不但大大提高了认知用户的检测性能,而且并没有增加过多的运算量,因此是一种高效、快速的频谱感知算法。     

Partial cooperative spectrum sensing schedule in cognitive network

Cognitive radio has emerged as a promising technology for maximizing the utilization efficiency of the limited spectrum resources while accommodating the increasing amount of services and applications in wireless networks. One of the most important and critical components of the cognitive radio is spectrum sensing and accordingly, detection of primary users. Considering the hardware constraints existing in cognitive devices, based on the coarse estimation of channel occupancy, partial cooperative spectrum sensing with adaptive spectrum schedule scheme is proposed to increase the possibility to discover more spectrum opportunities promptly. Simulation results show the gain of sensing performance and the energy-saving feature of partial spectrum sensing. Special security scheme is designed to protect the reliability of sensing result from the false message attack. For the scenarios tested, the proposed scheme is shown to increase opportunities by up to 15 percent.     

A compressed sensing approach for efficient ensemble learning

This paper presents a method for improved ensemble learning, by treating the optimization of an ensemble of classifiers as a compressed sensing problem. Ensemble learning methods improve the performance of a learned predictor by integrating a weighted combination of multiple predictive models. Ideally, the number of models needed in the ensemble should be minimized, while optimizing the weights associated with each included model. We solve this problem by treating it as an example of the compressed sensing problem, in which a sparse solution must be reconstructed from an under-determined linear system. Compressed sensing techniques are then employed to find an ensemble which is both small and effective. An additional contribution of this paper, is to present a new performance evaluation method (a new pairwise diversity measurement) called the roulette-wheel kappa-error. This method takes into account the different weightings of the classifiers, and also reduces the total number of pairs of classifiers needed in the kappa-error diagram, by selecting pairs through a roulette-wheel selection method according to the weightings of the classifiers. This approach can greatly improve the clarity and informativeness of the kappa-error diagram, especially when the number of classifiers in the ensemble is large. We use 25 different public data sets to evaluate and compare the performance of compressed sensing ensembles using four different sparse reconstruction algorithms, combined with two different classifier learning algorithms and two different training data manipulation techniques. We also give the comparison experiments of our method against another five state-of-the-art pruning methods. These experiments show that our method produces comparable or better accuracy, while being significantly faster than the compared methods.     

System model and performance estimation of dynamic spectrum allocation strategy with multi-channel and imperfect sensing

The concept of cognitive radio networks (CRNs) is a promising candidate for enhancing the utilization of existing radio spectrum. In CRNs, secondary users (SUs) are allowed to use the spectrum unused by primary users (PUs). In order to mathematically estimate the system performance of dynamic spectrum allocation strategy with multi-channel and imperfect sensing, we propose a novel preemptive priority queueing model. We establish a discrete-time Markov chain in line with the stochastic behaviour of SU and PU packets. Then, we derive some performance measures, such as the interference rate of PU packets, the normal throughput and the average delay of SU packets. Moreover, we provide theoretical and simulation experiments to investigate the system performance. Numerical experiments show that there is a tradeoff between different performance measures when imperfect sensing is considered. Finally, we present an optimal design for setting the number of the channels in a spectrum.