一种基于压缩采样的多用户联合宽带频谱感知方法

在理想的认知无线电系统中,认知用户能够同时感知很宽的频带,而受限于前端器件的物理性能,实时全频带检测很难实现.针对这一问题,文章提出一种基于压缩采样的宽带频谱感知方法.首先设计了一种集中式多认知用户分组并行压缩采样架构,使每个认知用户只需要一个低速率AD转换器即可实现宽带频谱感知中的模拟信号高速采样.另外,根据压缩采样理论,该方法充分利用了主用户信号在频域上的稀疏性,基站只需要远少于奈奎斯特采样点数的观测值即可对主用户信号的频域信息进行恢复,并通过恢复出的信息对频谱占用状态进行判定.仿真结果表明,该压缩检测算法相比于传统能量检测具有较高的系统检测概率和较短的检测时间,且只需要10%的存储单元.     

压缩传感及其在稀疏信道估计中的应用

压缩传感是一种全新的数据采集、处理方式,它能够从极少数的观测样本中准确的恢复出原始数据.这个特点使其能够很好的应用在具有稀疏特性的通信环境下.对压缩传感及其在稀疏信道估计中的应用进行研究,总结了应用压缩传感进行信号采集、处理的一般方法.在系统阐述压缩传感理论之后,以具有稀疏性的超宽带通信信道和OFDM水声通信信道为例,...     

高速模拟信号压缩采样实现

压缩传感理论能够有效地降低信号的采样频率,实现对稀疏信号的压缩采样。该文在信号延时多通道采样技术的基础上,提出了一种基于压缩传感理论的模拟信号采样实现方法,根据该采样模型构造了压缩传感测量矩阵。该采样模型能够以低于信号Nyquist频率的采样率对频域稀疏信号进行采样,通过最优化算法准确重构原始信号。仿真结果表明,基于压缩传感理论的模拟信号采样模型能够对频域稀疏信号进行压缩采样,该方法具有可行性。     

基于PARAFAC分解的大规模MU-MIMO稀疏信道估计

针对大规模MU-MIMO(多用户多输入多输出)系统中上行链路的信道估计问题,提出了一种基于平行因子(PARAFAC)分解的稀疏信道估计算法.该算法利用稀疏数学模型构造稀疏信道模型,将稀疏理论与张量分解相结合,对基站端的接收信号进行PARAFAC建模.在满足唯一性分解条件下,利用双线性交替最小二乘(BALS)拟合算法联合估计出多个用户的信号矩阵与信道矩阵.仿真结果表明:所提算法的估计性能优于经典的正交匹配跟踪算法等稀疏信道估计算法,与基于导频序列的估计方法相比,其信道估计的精度大幅提高;仅需少量导频,降低了导频开销,实现了高频谱效率的通信传输.     

移动机器人环境视觉图像小波稀疏压缩传感与恢复重构

基于最新压缩传感技术理论,采用小波稀疏方法和正交匹配跟踪算法,对移动机器人常规环境视觉图像压缩传感存储与恢复重构进行了研究.结果表明：进行小波稀疏的压缩传感编码可以大大减少机器人环境视觉图像信息量,降低存储与传输代价,通过正交匹配追踪算法恢复的视觉图像,可以满足机器人常规环境视觉探测.     

基于压缩感知的MIMO-OFDM系统稀疏信道估计方法

在多输入多输出正交频分复用(MIMO-OFDM)系统中, 信号经过频率选择性衰落的信道后, 在接收端需要进行均衡和相干信号的检测, 故准确的信道估计量必不可少. 传统的信道估计方法均基于信道抽头是密集型的假设, 利用线性重构算法, 如最小二乘(LS)或最小均方误差(MMSE)等, 可以达到Cramer-Rao下界(CRLB). 然而, 通过物理信道测量发现, 在实际通信系统中, 宽带信道抽头分布通常表现出稀疏特性. 通过充分利用信道的稀疏特性, 该文将压缩感知中的CoSaMP重构算法应用于MIMO-OFDM系统的稀疏多径信道估计. 在达到与传统的信道估计方法相同性能的前提下, 基于CoSaMP的信道估计方法以非常小的计算复杂度为代价, 大大减少了导频信号开销, 从而提高了频谱资源利用率.     

基于压缩采样的宽带跳频信号盲检测算法

为了在非协作情况下,达到对宽带跳频信号进行实时检测的目的,提出一种基于压缩采样值数字特征的盲检测算法.首先分析了不同先验假设条件下压缩采样值的期望和方差,然后讨论了利用这些不同数字特征对高斯白噪声中的跳频信号进行检测的方法.仿真结果显示,该算法能在Eb/N0大于8dB时对高斯白噪声中的跳频信号进行有效的检测.该算法相对于传统基于奈奎斯特采样值的检测算法,运算复杂度低,实时性较好.     

一种改进的跳频信号时频分析方法

利用正交匹配追踪的稀疏表示算法进行跳频信号时频分析时,性能受到傅里叶基矩阵长度和稀疏度未知的限制。针对此问题,结合跳频信号特点对稀疏表示算法加以改进:将跳频信号分段,对每段信号进行傅里叶变换并进行门限检测,得到频率预估计值和信号稀疏度;利用频率预估计值构造频率细化子傅里叶基矩阵;基于正交匹配追踪算法得时频谱图。在运算量相同的情况下,改进方法比直接采用正交匹配追踪算法可获得更高精度的时频谱。     

频谱聚合中非数据辅助的幅频相估计与补偿

认知无线电中宽带信号需采用频谱分割与聚合滤波器组技术实现对频谱空穴的高效利用.由于不同子频谱的幅频相受到无线信道的干扰,在接收端子谱聚合时,幅、频、相误差对聚合信号会产生畸变,导致检测性能恶化.对此,提出了基于非数据辅助的幅、频、相失真估计补偿算法,利用相邻子频谱在过渡带内的幅频相一致性特点,在频域进行过渡带内信号的对齐处理,从而在子频谱聚合之前修正幅度、频率和相位,以恢复原信号谱.仿真结果表明,该算法能够有效地解决因分割子频谱在信道传输过程中造成的幅频相失真问题,系统解调的误码率性能接近相同系统参数下常规的导频估计算法,所提算法具有较高的估计精度和高效的频谱利用率.     

无线音频传感网络中的压缩采样

在无线音频传感网络中,降低带宽一直是研究人员关心的问题。新近出现的压缩采样技术,以远低于奈奎斯特频率的速度采样,精确地恢复出原始信号。压缩采样,针对稀疏信号,根据测量矩阵进行随机采样,应用最优化算法进行信号重构,恢复出原始信号。以随机抽取的局部DCT矩阵作为测量矩阵,采用CoSaMP作为恢复算法,实现了音频传感网络中的压缩采样。实验结果表明,在采样速率降低4倍的条件下,音频信号能够清晰恢复,信号处理速度完全满足实时性要求。     

单比特协作压缩频谱感知

提出了一种低开销的协作压缩频谱感知方案,其中每个认知用户利用单比特量化获取压缩采样值的符号信息作为测量值. 融合中心收到不同认知用户的符号信息后,利用2种联合感知算法来确定频谱的占用情况. 仿真结果表明,新方案具有较好的感知性能,不仅优于独立感知方案,而且在低信噪比时优于多比特量化感知方案.     

基于EEF准则的认知无线电宽带频谱感知

提出了基于指数嵌入族(EEF)准则的认知无线电宽带频谱感知算法. 在EEF准则宽带感知算法的基础上,充分考虑信号子空间和噪声子空间的性质,利用Gerschgorin酉变换改进EEF算法,提出了基于Gerschgorin EEF(GEEF)的宽带感知算法. 该方案主要是利用EEF准则或GEEF准则估算出授权频带中被主用户占用子带集合的势,从而完成宽带授权频段上空闲频带的感知,以便于被次级用户动态接入. 理论推导和仿真结果表明,所提出的方案无须知晓任何有关噪声功率和主用户信号的先验信息,对噪声功率的不确定性具有鲁棒性.     

认知无线电网络中压缩协作频谱感知

低频谱利用率条件下的信道状态向量具有稀疏性,为降低认知无线电网络中各个认知用户的频谱感知冗余,基于压缩感知技术提出了一种低复杂度的协作频谱感知方法. 仿真结果表明,通过稀疏观测矩阵提高了单个认知用户感知过程的速度和效率;在融合中心对观测数据进行重构过程中使用因子图迭代算法,大幅降低了计算难度;同时可以根据认知网络中的频率使用情况,自适应调整认知用户的感知点数,确保整个网络的高效感知.     

基于GBIC准则的认知无线电宽带频谱感知

提出了基于广义贝叶斯信息准则(GBIC)的认知无线电宽带频谱感知算法. 该方案主要是利用GBIC准则估算出宽带授权频带中被主用户占用子带的个数,并确定其在宽带频段上的相应位置,从而完成宽带感知频段上的空闲频段定位以便于次级用户动态接入. 理论分析和仿真结果表明,所提出的GBIC准则宽带频谱感知方案对先验信息的依赖程度低,可以有效地提高频谱感知性能,其性能十分接近传统的能量感知方案.     

基于联合稀疏模型的OFDM压缩感知信道估计

针对正交频分多路复用（OFDM）系统,比较了基于压缩感知的不同导频设计方案及相应信道估计性能. 基于信道响应的时域稀疏和缓变特征,提出了基于联合稀疏模型的压缩感知信道估计方法,进一步提高了信道估计的性能. 该方法将连续若干个OFDM符号的信道估计问题转化为联合稀疏模型下的压缩感知问题,充分利用信道的稀疏特性和时间相关性进行信道估计. 结合短波OFDM系统,比较了几种信道估计方法的性能. 仿真结果表明,与传统的最小平方误差信道估计方法和逐符号的压缩感知信道估计方法相比,基于联合稀疏特征的信道估计方法可进一步改善估计性能,对时变信道具有更好的适应性.     

水声单载波分块传输中基于压缩感知的稀疏信道估计方法

为利用水声信道的稀疏特性,提高循环前缀单载波分块传输系统的信道估计精度和误比特率性能,提出一种新的基于压缩感知的稀疏信道估计方法.新方法利用任意具有单位能量的导频构造满足约束等距条件的频域测量矩阵,通过Dantzig selector算法重构稀疏水声信道冲激响应.基于实测湖试信道模型的仿真结果表明,在相同训练序列长度条件下,利用频域最小均方误差检测方法,新的压缩感知信道估计方法较传统最小二乘信道估计方法有近5 dB的性能增益.     

基于压缩感知的宽带信号采集系统性能分析与算法实现

为了解决目前超宽带信号采集过程中面临的采集困难、数据量大的难题,文章从基于压缩感知的信号采集理论出发,提出了基于GPU平台的超宽带信号采集系统实现方法,重点分析了采集系统的重构性能。分析表明该方法对于宽带稀疏信号的采集能够有效降低采样速率,提高采集效率。     

基于广义功率谱密度的分布压缩宽带频谱感知

为实现在Alpha稳定分布噪声下宽带频谱感知,扩展了传统功率谱密度概念,提出广义功率谱密度的概念,在此基础上提出基于广义功率谱密度的分布压缩宽带频谱感知。此方法能有效地抑制Alpha稳定分布噪声。首先,将接收的宽带信号进行分数低阶处理,计算自相关函数,再结合压缩感知原理将分数低阶自相关向量压缩和融合重构,最后经傅立叶变换得到广义功率谱密度。仿真结果表明,该方法具有良好的宽带功率谱密度估计性能,在Alpha稳定分布噪声下能较好地完成宽带频谱感知。     

分布式宽带合作频谱感知算法

针对传统宽带合作频谱感知中集中式频谱重构带来的网络通信负担重、重构复杂度高的缺点,提出了一种基于分布式子空间估计的非重构宽带合作频谱感知算法.该算法直接从欠采样数据中估计信号子空间,利用子空间的正交性实现频谱感知.为了获得空间分集增益,采用基于扩散自适应的分布式估计算法求解全局信号子空间.理论分析与仿真结果表明,该算法无需重构原始信号的频谱,运算复杂度低,全分布式的多用户合作提高了频谱感知性能,且具有更少的节点通信量.