一种基于稀疏度估计的自适应压缩频谱感知算法

针对现有的频谱感知存在信号稀疏度估计所需压缩观测值不能满足信号稀疏度变化时实时跟踪的问题,研究一种基于稀疏系数信息估计的自适应宽带频谱压缩感知方法,在流信号进行稀疏度未知的压缩时,先采集由先验信息得到的观测值数目.在采集到的观测值数目上自适应调整,得到信号稀疏度估计所需的观测值数目,并精确估计信号的稀疏度.仿真结果表明,SCI-CSS算法对流信号频谱能够保持良好的收敛性和较快的跟踪速度,且能有效地确定使信号稀疏度估计所需压缩观测值数目并随信号稀疏度自适应调整,实现对信号稀疏度变化的实时跟踪.     

基于稀疏傅里叶变换的低采样率宽带频谱感知

针对传统频谱感知方法应用于宽带频谱感知时存在采样率过高的现象,提出一种基于稀疏傅里叶变换的采用奈奎斯特采样进行宽带信号频谱感知的方法。该算法在频谱分布稀疏时具有极低的误判率,并在频谱占用率增加时,提出了改进的算法,最后利用MATLAB仿真验证了稀疏傅里叶变换用于宽带频谱感知方案的可行性。相比传统方法,本文的频谱感知方案需要的采样率仅为奈奎斯特采样率的20%。     

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。     

基于高阶统计量的压缩宽带频谱盲检测方法

针对认知无线网络中宽带频谱感知受到高速模数转换器(ADC)器件的技术限制,利用压缩感知理论(CS),采用压缩信号处理技术,直接对压缩观测数据进行分析,推导出宽带频谱检测的高阶判决统计量的概率分布特性,并在此基础上提出了一种基于高阶统计量的压缩宽带频谱盲检测算法(HOS-CWSBD).该算法无需任何有关主用户(PU)信号的先验知识、也无需事先重构出原信号就能实现宽带频谱检测.理论分析和仿真结果均表明,与传统的基于压缩感知理论且需要信号重构的压缩频谱感知算法以及基于Nyquist采样数据的非压缩宽带频谱感知算法相比,该算法具有计算复杂度低、感知性能稳定等优点.     

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。     

基于压缩感知的MIMO-TDCS频谱感知方法

针对MIMO-TDCS系统频谱感知中因数据量大而较难实现的难题,提出一种利用压缩感知的MIMO-TDCS频谱感知方法.在电磁环境一致的情况下,收发两端分别用远低于乃奎斯特的采样速率对电磁环境信号进行采样,然后用正交匹配追踪算法对信号进行重构,并通过二元门限进行状态判决.实验结果证明,运用压缩感知技术能大大减少电磁环境宽带信号的快速采样和处理难度,在选取合理测量值的情况下能够准确恢复信号,进而能有效地检测和剔除干扰,达到抗干扰的目的.     

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WSNs的压缩频谱感知稀疏基设计

研究了现有利用无线传感器网络(WSNs)进行区域压缩频谱感知的算法,针对其运算量大,准确性有限的问题,设计了以子带基作为稀疏基进行压缩感知(CS)的算法;证明了子带基作为稀疏基的正交性和完备性;同时计算表明子带基满足重构的约束等距条件.仿真结果显示:以子带基进行重构可以准确给出频谱的占用位置和幅值,比传统的边缘检测算法提高了压缩频谱感知的准确性和鲁棒性,同时具有更高的压缩比,运算量小,适于在WSNs中实施.     

基于变步长序贯压缩的频谱快速感知算法

对信号稀疏度未知甚至时变的频谱感知应用 场景,将自适应思想与序贯压缩频谱感知技术相结合,提出了一种可变步长序贯压缩频 谱快速感知算法。新算法建立了下一次判决所需观测值数目步长因子与当前对数似然比距门 限距离之间的函数关系,克服了现有的序贯压缩检测算法以固定步长增加观测值的不足。分 别以分段函数和抛物线函数为步长因子调整规则进行理论分析和仿真实验。仿真结果表明： 与现有的序贯压缩检测算法相比,变步长算法具有检测速度快、观测值数目少和计算复杂度 小等优点。     

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。     

基于信号采样自相关的步进宽带频谱感知方法

采用步进频域能量检测法可以提高在软件无线电平台的频谱感知的带宽范围,但能量检测法易受噪声不确定性的影响,而信号采样自相关检测法对噪声不确定性有很好的鲁棒性。为进一步提高软件无线电的检测性能,提出了基于信号采样自相关的步进宽带频谱感知方法。首先阐述了信号采样自相关检测的原理,然后对基于该原理的步进宽带检测方法的流程进行了分析,最后利用MATLAB软件仿真其检测性能。仿真结果表明,在信噪比（Signal-noise-ratio, SNR）不同的情况下,基于信号采样自相关的步进宽带频谱检测方法能达到所要求的检测性能。此 外,为了兼顾频谱感知的检测速度和频带带宽分辨率之间的关系,进一步提出了在原本固定步进值的步进宽带信号采样自相关的频谱感知方法中采用可变步进值的两阶段检测方法,该方法可 以获得较高的频带带宽检测分辨率和较短的检测时间。     

基于MUSIC算法的宽带频谱感知

利用MUSIC算法进行宽带频谱感知时,主用户信号个数估计是关键问题。为此,提出一种动态门限搜索匹配的信号个数估计算法。利用信号子空间和噪声子空间的正交性动态调整门限,搜索与预设维度最匹配的信号个数作为最终的估计值。仿真结果表明,在低信噪比的情况下,该算法能准确估计信号个数,提高宽带频谱感知性能。     

光子学压缩感知技术研究进展

压缩感知是近来发展的一种新型的信号获取方法。根据压缩感知理论,频域稀疏信号可以以远低于奈奎斯特定律所规定的采样率进行采样和高精度的恢复。压缩感知在宽带信号获取中的应用将有利于降低对模数转换器的要求。最近,利用光子学技术实现基于压缩感知的稀疏信号获取引起了相关领域的广泛兴趣。光子学技术及其相关器件的应用可以大大提高系统的带宽,使得光子学压缩感知成为超宽带稀疏信号获取的一种很有前景的方法。本文综述了光子学压缩感知技术在稀疏信号获取中应用的研究进展,并给出一些研究成果。     

Sub-Nyquist sampling-based wideband spectrum sensing: a compressed power spectrum estimation approach

In this paper, we introduce a sub-Nyquist sampling-based receiver architecture and method for wideband spectrum sensing. Instead of recovering the original wideband analog signal, the proposed method aims to directly reconstruct the power spectrum of the wideband analog signal from sub-Nyquist samples. Note that power spectrum alone is sufficient for wideband spectrum sensing. Since only the covariance matrix of the wideband signal is needed, the proposed method, unlike compressed sensing-based methods, does not need to impose any sparsity requirement on the frequency domain. The proposed method is based on a multi-coset sampling architecture. By exploiting the inherent sampling structure, a fast compressed power spectrum estimation method whose primary computational task consists of fast Fourier transform (FFT) is proposed. Simulation results are presented to show the effectiveness of the proposed method.     

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。     

基于压缩感知和宽带调制的统一测控信号处理仿真

针对测控信号处理中,在可用频谱上分布着多种频分下行信号的场景,分别利用标准测控信号和扩频测控信号在频域上的绝对稀疏性和相对稀疏性,提出了一种基于压缩感知和宽带调制的低速采样方案.首先通过多通道调制得到低速的采样序列,而为了克服现有信号重构算法重构精度较差的缺点,利用阈值迭代方法从采样序列中重构出原信号,最后对重构后的信号进行解调/解扩处理并进行误码率分析.仿真结果表明,新方案能够在低采样率的条件下获得很好的性能.     

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。     

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。     

基于重加权快速交替方向法的频谱感知

在认知无线电网络中,由于深衰落和低信噪比的影响,单个认知用户的宽带频谱检测性能较差,且算法复杂度较高。针对该问题,提出一种基于重加权快速交替方向法的频谱感知算法。利用目标函数的凸性,通过求导简化辅助变量的更新过程。对目标函数进行线性化处理,增加一个二次项,使待估变量更新时部分项线性化的增广拉格朗日函数成为严格凸函数,并使用迭代软阈值算法进行求解。在目标项中增加大权值抑制信号中的非零元素,获得接近于最小?0范数的解。实验结果表明,该算法能有效提高低信噪比环境下的检测概率和检测速度。