稀疏阶数估计压缩频谱感知宽带认知通信研究

由于信号的稀疏度通常未知,因此需要按照样本数的上限进行采样.为了解决这个问题,提出一种稀疏阶数估计的方法压缩频谱感知宽带认知无线电通信技术,该技术采用一种统计学习的方法在稀疏信号恢复以前,利用极少的样本数据估计出信号的稀疏阶数.采用极少部分样本估计出宽带谱的稀疏阶数,然后根据估计的稀疏阶数调整所采集的样本数.采用这种方法能够自适应的调整数据获取量,从而减少数据获取代价而不会降低感知性能.     

基于压缩感知观测序列倒谱距离的语音端点检测算法

本文基于语音信号在离散余弦基上的近似稀疏性,采用稀疏随机观测矩阵和线性规划重构算法对语音信号进行压缩感知与重构。研究了语音信号的压缩感知观测序列特性,根据语音帧和非语音帧压缩感知观测序列频谱幅度分布分散且差异较大的特性,提出基于压缩感知观测序列倒谱距离的语音端点检测算法,并对4dB-20dB下的带噪语音进行端点检测仿真实验。仿真结果显示,基于压缩感知观测序列倒谱距离的语音端点检测算法与奈奎斯特采样下语音的倒谱距离端点检测算法一样具有良好的抗噪性能,但由于采用压缩采样,减少了端点检测算法的运算数据量。      

基于调制宽带转换器的自适应频谱感知研究

在基于调制宽带转换器(MWC)的频谱感知中,存在主用户数不确定而难以确定信号处理的通道数问题,为解决此问题提出一种能够自动调整通道数的自适应调制宽带转换器(AMWC)系统。同时,引入信号稀疏度自适应匹配追踪(AOMP)算法,结合AMWC系统,在信号子带数、稀疏度和最大带宽都未知的情况下,实现自适应的频谱感知。仿真实验结果证明,AMWC结合AOMP算法不仅能够快速、准确地恢复宽带稀疏信号的频谱,而且能够灵活地匹配信号子带数与通道之间的关系,可以应用在认知无线电中。     

基于主成分分析的压缩感知重构算法

针对实际信号稀疏性与压缩感知框架要求之间的矛盾,基于主成分分析充分挖掘信号的稀疏性,利用压缩感知降低观测数量。提出主成分追踪算法,准确恢复原信号。理论分析和实验表明,基于主成分分析的压缩感知能将信号稀疏度充分挖掘,在节省九成采样资源的前提下,主成分追踪算法最终的重构结果仍然能够达到重构信噪比20 d B的水平。     

基于OMP算法的宽带频谱感知

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供次用户接入使用,提高频谱利用率.宽带频谱感知要求对数GHz 的带宽进行检测,过高的采样速率、大的数据量对现有的硬件设备提出了巨大的挑战.本文利用宽带频谱的稀疏性提出一种基于OMP算法的宽带频谱感知方法.该方法利用MWC采样实现对宽带模拟信号直接压缩采样;利用自相关矩阵对称分解特性和主用户信号独立性,得到有限维压缩采样信号模型,利用AIC/MDL准则估计稀疏度作为OMP算法迭代停止的条件,大大减少了算法复杂度;该方法不需要重构接收信号的PSD,直接在时域根据低速率采样信号,检测被占用信道.仿真结果表明,当带内信噪比大于9dB时,频谱检测概率高于90％.     

低信噪比下非凸化压缩感知超宽带信道估计方法

受感知信息算子矩阵相干性和噪声的影响,压缩感知超宽带(UWB)信道估计误差过大.为此,首先提出利用压缩观测信号加权构造自适应感知信息(ASI)算子矩阵的方法,ASI算子矩阵不仅具有弱相干性,而且包含观测信息,适用于重建算法选择最优稀疏表示原子.其次提出修正稀疏度自适应匹配追踪(SAMP)算法,无需稀疏度或信噪比的先验信息实现压缩感知稀疏信号准确重建.最后基于ASI算子矩阵和修正SAMP算法提出非凸化压缩感知UWB信道估计方法,理论分析和仿真结果均表明该方法能在低信噪比和极低压缩比下实现UWB信道的准确估计.     

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。     

基于分治试探的盲自适应匹配追踪重构算法

压缩感知是一种针对稀疏可压缩信号进行压缩采样的信号处理新方法,针对现有稀疏度探测方法中探测次数较多的问题,基于分治思想提出了盲稀疏度自适应匹配追踪（BSAMP）算法,首先分治试探信号稀疏度,使得其估计值快速逼近真实值,然后通过自适应分组并扩充信号支撑域的方法,快速筛选出有效支撑,并通过弱匹配剪枝得到重构信号。可以在信号稀疏度未知的情况下,快速估计出信号的稀疏度并精确重构出原信号。仿真实验表明：在相同条件下,该算法的重构时间比其他同类算法短,且重构概率也大于其他同类算法。     

一种采用压缩协方差的无线电宽带频谱感知方法

为有效降低宽带频谱感知的观测时间和计算复杂度,提出了一种基于压缩协方差的无线电宽带频谱感知方法。首先,通过循环稀疏规则测量不同标记的距离,运用多陪集采样组代替奈奎斯特模数转换器,形成基于多陪集采样库的欠奈奎斯特采样结构;其次,构建压缩协方差频谱感知模型,运用频谱决策模块对输入样本进行处理,完成频谱分析;最后,通过Matlab生成测试信号数据,对所提频谱感知算法进行建模与性能分析。实验结果表明,所提方法能够将检测误差控制在有效范围内,且与传统频谱检测方法相比,所提方法在不同信噪比环境下具有更高的频谱检测水平度。     

基于无线麦克风信号的频谱压缩感知算法

频谱感知是认知无线电网络中的关键技术之一。快速傅里叶采样算法作为压缩感知算法的一种,可用于稀疏信号的频谱感知。文章研究了无线麦克风信号频谱的特殊性,并从频谱感知角度分析了快速傅里叶采样算法的应用。通过对比,对于大信号,快速傅里叶采样算法能在达到频谱感知性能需求的情况下,以较快的时间重构出无线麦克风信号的频谱。     

Non-reconstruction compressive detector for wideband spectrum sensing based on GLRT

Spectrum sensing is an essential ability to detect spectral holes in cognitive radio (CR) networks. The critical challenge to spectrum sensing in the wideband frequency range is how to sense quickly and accurately. Compressive sensing(CS) theory can be employed to detect signals from a small set of non-adaptive, linear measurements without fully recovering the signal. However, the existing compressive detectors can only detect some known deterministic signals and it is not suitable for the time-varying amplitude signal, such as spectrum sensing signals in CR networks. First, a model of signal detect is proposed by utilizing compressive sampling without signal recovery, and then the generalized likelihood ratio test (GLRT) detection algorithm of the time-varying amplitude signal is derived in detail. Finally, the theoretical detection performance bound and the computation complexity are analyzed. The comparison between the theory and simulation results of signal detection performance over Rayleigh and Rician channel demonstrates the validity of the performance bound. Compared with the reconstructed spectrum sensing detection algorithm, the proposed algorithm greatly reduces the data volume and algorithm complexity for the signal with random amplitudes.     

基于压缩感知的红外与可见光图像融合算法

压缩感知是一种新的信号采样理论,突破了传统的Nyquist采样率须为信号最高频率的2倍以上的定理。对于稀疏信号,它能够以远低于Nyquist采样速率对信号进行采样,并通过重构算法恢复出原信号。提出了一种基于压缩感知的红外与可见光图像融合算法,对图像进行测量,并通过融合算法对测量值进行融合。仿真实验显示,压缩感知能较好地实现图像的融合。     

Distributed Cooperative Wideband Spectrum Sensing Algorithm Based on Subspace Methods

We present a novel distributed cooperative spectrum sensing algorithm from compressive sampling in wideband cognitive radio (CR) networks. Each CR utilizes compressive sampling to reduce data acquisition costs. A subspace method is then adopted to directly detect occupied channels without reconstructing the sparse spectrum. To obtain the spatial diversity gain, global signal subspace is estimated by the distributed projection approximation subspace tracking (DPAST) algorithm in which the CRs exchange information locally and cooperate without the need for a fusion center. Then, the orthogonality property of the signal subspace and noise subspace can be exploited to find spectral support to complete the spectrum sensing. We study the convergence behavior of the DPAST algorithm and evaluate the performance of spectrum sensing. Simulation results indicate that the DPAST can effectively estimate the global signal subspace, and the proposed compressed wideband spectrum sensing scheme performs better than spectrum sensing at a single CR.     

基于OMP的非合作宽带脉冲压缩雷达信号的压缩感知研究

压缩感知技术可以用来实现对非合作宽带信号的欠采样快速处理。宽带脉冲压缩雷达能够有效解决雷达探测距离和距离分辨力的矛盾,在探测领域得到了广泛应用,为实现对非合作宽带脉冲压缩雷达信号的快速欠采样接收处理,本文首先开展了信号稀疏分解与重构算法研究,通过对贪婪算法、凸松弛类算法、组合类算法三大算法进行对比分析,选用了运行速度快且重构精度高的正交匹配追踪(OMP)算法针对非合作宽带脉冲压缩雷达信号进行压缩感知仿真分析。仿真结果表明:在一定信噪比条件下,OMP算法完全能够实现对非合作宽带脉冲压缩雷达信号的欠采样和信号重构,从而实现了对非合作宽带雷达信号的欠采样处理,为处理非合作超宽带雷达信号提供了很好的理论指导。     

基于随机矩阵理论的非重构宽带压缩频谱感知方法

该文采用随机矩阵理论(RMT)直接对压缩采样得到的观测数据进行分析,设计出了一种基于广义似然比检验(GLRT)的非重构宽带压缩频谱感知新算法。该算法无需任何先验知识就能对宽带频谱中的每个子带进行盲检测。此外,为了减轻次用户(SU)在数据获取和频谱感知过程中的通信开销,该文提出一种基于传感器节点(SN)辅助感知的合作频谱感知架构。理论分析和仿真结果均表明,与传统基于信号重构的GLRT感知算法以及Roy最大根检测(RLRT)算法相比,该算法不仅具有计算复杂度低、开销小、感知性能稳定等诸多优点;而且只需较少的SN就能获得较好的检测性能。     

认知无线电中随机解调器压缩采样重构确认的改进方法

随机解调器压缩采样用于认知无线电宽带频谱感知的一个前提是要保证频谱的稀疏性,当频谱不满足稀疏条件时,根据重构所得频谱进行频谱空穴判决将得到错误的频谱空穴信息。提出了一种随机解调器压缩采样重构成败判定的改进方法。该方法利用多次重构所得稀疏信号的支撑来判断本次重构是否成功。仿真结果表明,相比于利用两次重构的方法,所提出的改进方法能够进一步提高判断准确率。     

采用压缩采样匹配追踪算法的频谱感知

频谱资源的匮乏成为无线电发展的瓶颈,解决频率匮乏有两类方法:一是提高频谱利用率;二是扩大可利用的频率范围。频谱感知技术能提高频谱利用率,但在高频的应用中会面对过高的采样速率、较大的数据量,这对硬件实现提出了艰巨的挑战。本文根据无线电频谱稀疏性介绍一种基于调制宽带转换器的压缩采样匹配追踪（CoSaMP）算法。本文利用调制宽带转换器对无线电信号进行亚奈奎斯特采样,再利用CoSaMP算法对采样后的自相关矩阵求解。本文的方法不仅能应用在更高的频谱,且能提高频谱利用率。仿真结果表明:该方法能在能以一个较低的采样速率对信号进行采样,且CoSaMP算法的恢复误差要小于OMP和ROMP算法。      

基于压缩感知的信号重构研究

按照Nyquist采样定理,信号的采样率必须为信号最高频率的2倍以上,这会产生大量的冗余数据。压缩感知是一种新兴的采样理论,对于可以稀疏表示的信号,它能够以远低于Nyquist采样速率对信号进行采样,并通过优化算法实现重构。介绍了压缩感知的基本理论,并分别选取时域稀疏、频域稀疏和图像信号进行了仿真分析,实验结果显示,压缩感知理论能较好的重构原始信号。     

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。