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。     

采用支持向量机的宽带频谱感知算法

认知无线电系统中,压缩感知理论已广泛运用于宽带频谱检测。但是,压缩感知中的重构问题造成频谱检测算法计算复杂度高,且在低信噪比下检测效果不佳。本文提出了采用支持向量机的宽带频谱感知算法,该算法利用支持向量机建立频谱检测分类器,代替信号的重构与检测过程。根据系统对实时性的要求,分别设计了多级二元分类器感知算法和单级多元分类器感知算法。前者适用于分级数有限且实时性要求不高的场景,后者可大幅降低系统的算法复杂度,降低感知时间,适用于实时检测系统。仿真结果表明,与基于重构的能量检测算法相比,本文提出的两种算法均可以有效改善系统对噪声的鲁棒性,提高在较小信噪比下的检测性能。      

一种基于子频带匹配选择的宽带压缩频谱感知方法

基于压缩感知的宽带频谱感知技术能有效降低过高的采样率和频谱感知复杂度.为了增强频谱感知中频谱信号的重构性能,根据宽带频谱信号具有的块稀疏特性,利用宽带频谱子频带划分的边界信息,提出一种改进OMP(MOMP)子频带匹配选择的宽带频谱重构算法,该算法旨在减少传统的OMP算法在频谱重构中的迭代次数,增强频谱重构的稳定性.仿真结果表明,基于该算法的宽带频谱感知方法不仅提高了频谱重构的准确性,而且有效缩短了频谱重构时间,具有很好的宽带频谱感知性能.     

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。     

基于DSCS的宽带频谱感知新算法

频谱感知是认知无线电技术的基础,随着通信技术不断发展,越来越高的采样速率成为一大瓶颈.实际应用中频谱占用通常具有稀疏性,根据这一特点并结合频谱检测要求,本文提出一种基于差分信号压缩感知(Differential SignalCompressed Sensing,DSCS)的宽带频谱感知方法.该方法在能量检测法的基础上引入压缩感知理论(compressed sensing,CS),使系统能以远低于奈奎斯特采样速率的速率无损采样,降低对硬件的要求;为降低计算量、提高算法稳定性,采用检测差分信号代替检测信号本身作为判断频谱占用变更的依据;引入精度作为算法的迭代停止条件,可根据需要灵调整算法准确度、降低计算复杂度.仿真表明,适当精度下DSCS法能大幅降低迭代次数、减少计算量,并获得更好的检测性能.     

分布式的1 bit压缩频谱感知算法

由于频谱感知中信道稀疏度动态变化,导致分布式频谱感知网络中节点间信息传输频繁,消耗感知网络通信带宽。为了缓解网络通信带宽压力,提出分布式的1 bit压缩频谱感知算法。各节点对感知数据进行压缩采样并1 bit量化,然后融合节点采用JSM-2模型对数据进行融合,最后通过BIHT算法重构信号频谱,实现频谱感知。仿真结果表明,在低信噪比和较少的采样数目下,分布式的1 bit压缩频谱感知算法能具有较好的频谱检测性能,是一种可实用的频谱感知方法。     

一种基于子空间追踪的宽带压缩频谱感知方法

频谱感知是认知无线电进行动态频谱管理的首要任务。为了克服传统频谱感知算法对采样速率的过高要求,本文将压缩感知理论中的子空间追踪(SP)重构算法应用于协作式宽带压缩频谱感知中,提出了基于SP的宽带压缩频谱感知方法。该方法首先通过SP重构算法恢复出信号频谱,然后根据所恢复的频谱确定认知用户的能量判决门限,进而利用能量检测算法最终判决出可利用的频谱空穴。仿真结果表明,该方法在低压缩比下具有良好的频谱检测能力,且计算复杂度降低。     

利用组稀疏特性的宽带压缩频谱感知

基于认知无线电的动态频谱接入需对宽带信道进行频谱感知,而越来越高的采样速率日益成为宽带频谱感知的瓶颈。压缩感知作为一种新的信号获取技术为亚奈奎斯特采样速率下的宽带频谱感知提供了一种可行方案。在相关应用场景中,如果能够挖掘相关先验信息并在重构算法中整合这些信息,将大幅提高压缩感知的性能。本文基于压缩感知技术,利用信道的划分信息及宽带信号的组稀疏特性,提出了一种组稀疏贪婪算法GOMP。该方法在成熟的贪婪算法基础上,利用子信道内多频点的组测量信息,根据组测量的概率分布特性来识别宽带信道的活动子信道。这种组测量识别方式使算法能以较少的观测数据实现对宽带信道的快速准确感知,极大地降低了宽带频谱感知所需的采样速率。实验结果表明:该算法比传统的OMP算法及BP算法不仅具有更好的重构效果及频谱检测性能,而且具有更好的压缩性能及实时性能。      

基于加权平均一致算法的宽带压缩频谱感知

在认知无线电(CR)网络中进行频谱共享接入,首要的任务是进行频谱感知,并发现频谱空洞。基于认知无线网络中信号频域的固有稀疏性,本文结合了压缩感知(CS)技术与加权平均一致(weighted average consensus)算法,建立了分布式宽带压缩频谱感知模型。频谱感知分为两个阶段,在感知阶段,各个CR节点对接收到的主用户信号进行压缩采样以减少对宽带信号采样的开销和复杂度,并做出本地频谱估计;在信息融合阶段,各CR节点的本地频谱估计结果以分布式的方式进行信息融合,并得到最终的频谱估计结果,获得分集增益。仿真结果表明,结合压缩感知与加权平均一致算法增强了频谱感知的性能,比在相同的CR网络中使用平均一致算法时有了性能上的提升。      

基于压缩感知和最小二乘的分布式协作频谱感知

针对认知无线电(CR)集中式频谱感知算法对融合中心要求高,而且对节点失效的容忍性也不高等缺点,提出了一种基于压缩感知的分布式多节点协作算法.认知无线电网络中每个CR节点在接收信号频谱后,首先根据压缩采样理论在本地获取压缩采样测量值,然后利用l1范数约束的最小二乘算法在本节点估计频谱,把在此节点估计的频谱传给下一相邻节点,以此进行迭代优化直到算法收敛.理论分析和仿真结果表明,所提算法不仅计算复杂度低,收敛速度快,而且精确重构性能好,可靠性较高.     

A sparsity and compression ratio joint adjustment method for collaborative spectrum sensing

Spectrum sensing is the fundamental task for Cognitive Radio (CR). To overcome the challenge of high sampling rate in traditional spectral estimation methods, Compressed Sensing (CS) theory is developed. A sparsity and compression ratio joint adjustment algorithm for compressed spectrum sensing in CR network is investigated, with the hypothesis that the sparsity level is unknown as priori knowledge at CR terminals. As perfect spectrum reconstruction is not necessarily required during spectrum detection process, the proposed algorithm only performs a rough estimate of sparsity level. Meanwhile, in order to further reduce the sensing measurement, different compression ratios for CR terminals with varying Signal-to-Noise Ratio (SNR) are considered. The proposed algorithm, which optimizes the compression ratio as well as the estimated sparsity level, can greatly reduce the sensing measurement without degrading the detection performance. It also requires less steps of iteration for convergence. Corroborating simulation results are presented to testify the effectiveness of the proposed algorithm for collaborative spectrum sensing.     

基于压缩传感的红外或毫米波无源高分辨率成像

设计了一种基于压缩传感理论的红外或毫米波无源成像系统。 压缩传感是一种利用稀疏或可压缩的先验信息进行信号获取和重建的技术,它能以远低于奈奎斯特采样率的速率对信号 进行采样,并可实现高精度的重建。针对传统系统的固有缺点设计的上述毫米波无源成像系统,能在压缩传感理论的指导下进行成像。仿真结果表 明,该系统具有良好的成像性能,提高了峰值信噪比,改善了分辨率,并大大压缩了数据存储量。     

基于优化贝叶斯压缩感知算法的频谱检测

近年来,压缩感知理论依旧是信号处理领域的研究热点之一。将压缩感知应用于频谱检测技术可以突破传统的奈奎斯特采样定理,降低检测时采样率,因此可以减轻硬件处理的压力。因此适合用在频谱检测技术中,特别是宽带信号的频谱检测。本文对贝叶斯压缩感知理论（BCS,Bayesian Compressed Sensing）进行研究,并将其引入频谱检测技术中。在BCS算法的基础上,通过进一步减小高斯随机观测矩阵列向量的相关度,实现对观测矩阵的优化,得到一种优化的贝叶斯压缩感知算法（称其为OBCS算法,即Optimized BCS）。在MATLAB仿真中,本文提出将数零法作为频谱检测判决规则,并使用BCS和OMP算法作为对照,验证了OBCS算法无论在重构误差、检测概率还是虚警概率等指标上都具有最佳的效果。      

非合作跳频信号参数的盲压缩感知估计

针对非合作跳频通信系统采样速率高,先验信息少等问题,论文提出基于盲压缩感知重构理论参数估计算法。利用稀疏编码与正交基变换交替迭代的思想实现信号精确重构,并根据重构结果直接对跳频信号进行参数估计。与传统的压缩感知理论相比,盲压缩感知理论避免了对信号先验信息的需求,有效解决了非合作通信系统中先验信息少的问题。首先,建立信号模型,然后利用正交块对角盲压缩感知算法（Orthonormal Block Diagonal Blind Compressed Sensing,OBD-BCS）实现信号的重构,并估算出跳变频率及跳变周期。通过实验分析,该方法可以在低信噪比环境下恢复信号原始结构及信息,完成参数估计。      

帧间自适应语音信号压缩感知

近年来提出的压缩感知是一种以低于传统奈奎斯特速率对信号采样可得到精确恢复的理论。该理论很快应用于简化传统的采样硬件、缩短采样时间、以及减少数据的存储空间。针对语音信号的传输问题,本文提出一种帧间自适应语音信号压缩感知的方法。在离散余弦变换域的语音信号具有稀疏性的前提下,以大量语音信号帧的分析统计为依据,提出一种基于语音帧能量分级和帧间位置惯性的语音信号自适应压缩感知算法。实验结果表明,能量自适应可以显著地提高语音信号的恢复质量,而位置自适应可以明显地减少语音信号的恢复时间,从而本文提出的算法可以用较少的恢复时间获得较好的恢复效果。      

一种宽带频谱检测的空域频域压缩感知方法

压缩感知(CS)技术使快速宽频检测成为可能,采用CS技术的WSN可为认知无线电用户提供频谱信息.针对WSN检测到的频谱数据,该文建立了一种基于空域和频域2维压缩的空频压缩感知(SFCS)模型,提出了相应的重构算法,并详细分析了SFCS的各种性能.仿真结果证实了在同一检测概率下,SFCS模型下比传统模型所需传输数据更少;在相同总压缩率下,该文算法下的ROC性能优于传统算法的性能.     

利用基追踪算法实现图像压缩感知重建研究

压缩感知理论突破了奈奎斯特采样频率的限制,利用该理论研究和实现了二维图像的压缩采样和重建。该方案利用小波变换实现图像稀疏化,利用标准伪随机数均匀分布和二维中心傅里叶变换生成随机测量矩阵,并对小波变换后的高频子带进行加权采样,用改进的基追踪算法实现二维图像压缩感知重建。仿真实验结果表明,该方案重建图像的客观评价PSNR效果较好。     

利用SSDF攻击特征的加权分布式频谱感知算法

协作频谱感知可以提高频谱感知的可靠性,但易遭到篡改感知数据(Spectrum Sensing Data Falsification,SSDF)攻击。该文利用SSDF攻击特征,判断邻居节点发送值是否是恶意状态值,并提出一种加权分布式协作频谱感知算法。该算法根据状态值在本地节点网络中的偏离程度,设定其融合权值。仿真结果表明,所提算法在节点收敛率和鲁棒性两方面,比基于梯度的协作频谱感知算法和基于最大差值的协作频谱感知算法都有所提升,检测性能也因此显著提高。