基于压缩感知信道能量观测的协作频谱感知算法

压缩感知为认知无线电宽带频谱感知提供了一种新思路。基于压缩感知原理,该文提出一种不需要重构宽带频谱本身,而是直接重构各信道能量的协作频谱感知方法。多个次用户使用宽带随机滤波器组获取信道能量的观测值。融合中心同步接收多个用户的能量观测,并利用同步稀疏自适应匹配追踪协作重构算法重构所有次用户的信道能量。仿真结果表明加性高斯白噪声环境下该协作感知方法所需的滤波器数目仅为传统方法的20%左右,瑞利衰落信道下也仅需传统方法的40%,有效降低了系统复杂度并改善感知性能。同时,该文提出的同步稀疏自适应匹配追踪算法对比经典的同步正交匹配追踪算法在重构精度及算法复杂度两方面都有所提升。     

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。      

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。     

基于压缩感知的非重构频谱检测方法

本文基于压缩感知理论利用随机矩阵在时空域对CR用户接收到的授权用户信号进行压缩采样得到观测数据,然后直接对观测数据进行数据处理和分析,设计出一种非重构频谱检测方法。仿真结果表明,该方法的可行性,且具有计算复杂度低和检测性能稳定的优点。     

基于麻雀算法的压缩感知观测矩阵优化方法

为了解决在利用压缩感知理论重构信号时,随机矩阵优化算法不能很好地解决最优相关性的问题,提出用改进的麻雀搜索算法来加强观测矩阵的全局寻优性,使得观测矩阵与稀疏矩阵的互相关系数降低,以此提高信号的重构精度.该算法用黄金正弦算法优化了麻雀算法的种群生成模式,减少了算法的迭代次数,增强了全局寻优能力,然后用改进麻雀算法在随机高...     

压缩感知自适应观测矩阵设计

稀疏表示、不相关观测和重构是影响压缩感知性能的三大要素,本文设计的自适应观测矩阵以高斯随机观测阵为初始矩阵,利用信号稀疏域系数的部分先验信息进行自适应变换,形成新的观测阵,当压缩感知矩阵对信号的稀疏系数进行投影时,可使得稀疏系数中的小系数更接近于零;同时,通过减少观测阵行向量的方式来减少观测值,从而应用自适应观测阵后的数据传输量与用高斯随机矩阵的数据传输量相差不大。自适应观测矩阵对压缩感知的性能改进体现在重构精度上,用迭代硬阈值算法作为重构算法,我们从理论和实验仿真两方面验证了自适应观测阵的性能要优于高斯随机矩阵。     

基于压缩感知的分步合作频谱感知方法

在研究自相关矩阵检测理论的基础上,提出一种采用压缩感知的分步合作频谱感知方法.通过压缩感知将海量采样数据量减小,提取能够有效代表原信号的采样点;通过随机选择参与运算的认知用户及其数量进行合作检测,并反馈有益信息,减少了传统合作检测所有认知用户参与检测带来的运算复杂度.仿真表明该方法提高了频谱检测率,缩短了频谱检测时长,...     

基于两步式融合重构的压缩频谱检测方法

在宽带频谱检测技术中,针对传统分布式压缩感知方法(DCS)数据传输量大、能耗高的问题,提出了一种基于两步式融合重构的压缩频谱检测(TS-CSS)方法.该方法的数据重构过程分为先支撑集信息融合,后信号联合重构两步,通过支撑集信息融合获得的先验信息可指导信号的联合重构.仿真结果表明,联合重构时随机选择50％的用户参与,即可获得与传统DCS接近甚至更优的频谱检测性能,因而,该方法能够有效地降低系统数据传输量,节省频谱检测耗能.     

基于部分频谱小波边缘检测的压缩宽带频谱感知

压缩宽带频谱感知是一种采用压缩感知技术去感知相对较宽的频谱的方法.针对压缩宽带频谱感知中信号重构引起的计算资源消耗比较大以及能量检测在低信噪比下感知性能差的问题,提出了基于部分频谱小波边缘检测的压缩宽带频谱感知方法.首先使用基于最大熵准则的部分傅里叶矩阵获得部分频谱,然后根据部分频谱进行小波边缘检测,最后判别.仿真结果...     

利用压缩测量值的非重构宽带频谱感知

为了解决在认知无线电(CR)宽带系统中快速精确分析数据并实现频谱感知的技术难题,对非重构压缩频谱检测进行了研究。提出了一种利用压缩测量值的非重构宽带频谱感知算法,推导分析了虚警概率和检测概率的封闭表达式。该算法利用离散余弦变换（DCT）矩阵的能量压缩特性观测得到主用户能量压缩信息,并利用新型压缩检测器对压缩信息进行判决。仿真表明,所提算法降低了计算复杂度,提供了比传统的能量检测器和压缩检测器更好的工作特性。     

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 novel signal separation algorithm based on compressed sensing for wideband spectrum sensing in cognitive radio networks

In cognitive radio networks, since cognitive terminals use a shared wideband frequency spectrum for data transmissions, they are susceptible to malicious denial‐of‐service attacks, where adversaries try to corrupt communication by actively transmitting interference signals. To address this issue, in this paper, we propose a novel signal separation algorithm based on compressed sensing, which can not only recover the entire spectrum but also separate mixed occupying signals. Specifically, the proposed algorithm is executed following three steps: (i) each cognitive terminal attempts to recover all signals over an entire wideband spectrum employing the compressed sensing technique; (ii) all cognitive terminals send their recovered signals to the fusion center where a wavelet edge detection method is adopted to locate the spectrum edges of these signals and then divide the entire spectrum into several sub‐bands; (iii) the fusion center separates its received signals on each spectrum sub‐band into different categories according to their features. Both analytical and simulation results indicate that this novel compressed‐sensing‐based algorithm can effectively separate wideband signals at a low cost and combat interference of the malicious terminals in cognitive radio networks as well. Copyright © 2013 John Wiley & Sons, Ltd.     

Cooperative blind spectrum sensing using autocorrelation matrix

To improve the spectrum sensing performance in cognitive radios, a scheme of cooperative blind spectrum sensing based on autocorrelation matrix is proposed. The test statistic is extracted from the autocorrelation matrix of the received signal samples and a bi-threshold hybrid decision scheme is designed for local spectrum sensing. The cognitive radio base station makes a credibility fusion based on the local soft decisions and then takes global fusion combining with the local hard decisions. The proposed method is blind in the sense since it requires no apriori knowledge of the signal and the noise power. Theoretical analysis and computer simulation results show that the proposed method can enhance the spectrum sensing capability.     

Probabilistic greedy pursuit for streaming compressed spectrum sensing

This paper presents a probabilistic greedy pursuit(PGP)algorithm for compressed wide-band spectrum sensing under cognitive radio(CR)scenario.PGP relies on streaming compressed sensing(CS)framework,which differs from traditional CS processing way that only focuses on fixed-length signal’s compressive sampling and reconstruction.It utilizes analog-to-information converter(AIC)to perform sub-Nyquist rate signal acquisition at the radio front-end(RF)of CR,the measurement process of which is carefully designed for streaming framework.Since the sparsity of wide-band spectrum is unavailable in practical situation,PGP introduces the probabilistic scheme by dynamically updating support confidence coefficient and utilizes greedy pursuit to perform streaming spectrum estimation,which gains sensing performance promotion progressively.The proposed algorithm enables robust spectrum estimation without the priori sparsity knowledge,and keeps low computational complexity simultaneously,which is more suitable for practical on-line applications.Various simulations and comparisons validate the effectiveness of our approach.     

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。      

基于压缩传感的太赫兹成像

介绍了一种基于压缩传感理论的THz 成像方式,该理论突破了传统奈奎斯特采样定律的限制,可以以远小于图像总像素数的少量测量值来恢复出原始图像,从而很大程度上缩短了成像时间、提高了内存资源的利用率。通过对该理论的分析可知,变换基、测量矩阵和重构算法是该理论的三个重要因素,通过一系列仿真试验,分别对不同的变换基、测量矩阵和重构算法作了对比,根据对比结果,得到了最适合于文中被成像物体的变换基、测量矩阵以及重构算法。最后,利用离轴抛面镜代替聚乙烯透镜搭建了成像系统,得到了初步的试验结果。     

一种低速采样的协同宽带频谱感知方法

频谱感知是通信系统抗干扰和智能化的关键能力.针对认知无线电系统窄带频谱感知技术受制于数模转换器件的发展水平,难以解决认知无线电系统宽带、实时频谱感知的问题,提出一种多节点协作的认知无线电系统宽带频谱感知方法.该方法设计由多个认知节点对目标频段执行次奈奎斯特采样来降低采样速率,采用能量检测方式对采样矢量进行集中式融合判决,实现宽频段范围内干扰信号的谱定位和判断,降低各个感知节点的采样速率,支撑认知网络系统构建高实时、宽频带频谱感知的能力.计算机仿真试验结果表明,所提方法达到90％检测概率时压缩比要求为0.025,具有可靠性与有效性.     

认知无线电中基于自相关矩阵的协作盲感知

为了克服传统的认知无线电频谱感知算法存在的不足,提出了一种基于自相关矩阵的协作式盲频谱感知方法,以提高频谱感知能力.该方法从样本自相关矩阵中提取检测统计量,采用双门限混合判决方法得到本地检测结果.认知基站将本地检测信息分成两类,并对软判决信息实施可靠性融合,最后给出全局判决结果.该方法是一种盲感知方法,不需要知道主用户...     

基于业务感知的协作频谱决策机制研究

认知无线电频谱分配中为了追求绝对公平而采用随机分配策略,然而由于次用户业务服务质量要求不同,会导致用户中断概率增加.在主用户行为预测模型中应用二状态马尔科夫链,主用户出现概率随机产生,不能反映信道真实状态.为此,提出时频联合检测与实时监测相结合的主用户行为预测,在频谱分配中区分业务类型.仿真结果显示,所提算法次用户平均中断概率优于随机分配机制.