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。     

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.     

分布式压缩感知实现宽带频谱感知的方法

频谱感知的第一步就是采集无线信号进行分析,越来越高的采样率成为宽带频谱感知研究中的难点。实际通信中主用户占用频谱具有稀疏特性,符合压缩感知理论的前提条件。因此,本文利用分布式压缩感知实现宽带频谱感知,提出基于差分信号分布式压缩感知（DS_DCS）的加权宽带频谱感知算法。该算法针对宽带频谱采样率高的问题,利用压缩感知技术降低采样率,同时引入差分处理方法降低计算复杂度;又针对单点检测带来的深衰落、隐节点以及抗噪声能力差等问题,采用分布式感知系统进行多节点协同检测并利用信噪比的估计对信号进行加权处理。仿真证明,该算法能有效降低各节点采样率,大幅提高系统检测概率,显著改善系统对噪声的鲁棒性。      

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。     

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。      

基于扩散机制的分布式宽带压缩频谱感知算法

针对认知无线电网络共享频谱资源的特征,本文提出一种基于扩散机制的分布式宽带压缩频谱感知方法。该算法包含两个工作阶段。在第一个阶段,每个认知用户对观测信号进行压缩感知和独立重构,产生本地频谱估计;在第二阶段,各个认知用户根据扩散机制协作更新频谱估计信息,实现最优估计。仿真结果表明,该算法与一致性分布式压缩频谱感知方法相比,可以快速增强认知无线电网络频谱感知能力,可应用于动态拓扑结构的认知无线电网络。     

基于压缩感知的加权宽带谱重构算法

压缩感知利用宽带无线信号的频域稀疏特性,能够在低于奈奎斯特速率的采样下利用少量观测数据实现宽带频谱估计和空穴检测。但相关频谱压缩感知算法的性能并不理想,为了实现宽带信道的快速准确感知,本文基于宽带信道的时频统计特性,在去噪基追踪算法(BPDN)的基础上提出了一种优化的加权去噪算法(WBPDN)。该算法利用子频段历史平均功率密度水平来构建各子频段权重以优化目标函数,改善算法性能。实验结果表明:该算法能通过少量观测数据准确重构宽带信道的谱估计,且比传统的BPDN和OMP算法具有更好的压缩性能及更小的重构误差;另外加权后的算法收敛速度更快,显著减少了算法所需的运行时间。      

基于监督学习的协作宽带压缩频谱检测方案

宽带压缩频谱检测存在信号稀疏度未知和次用户检测开销过大的问题.因此,本文提出一种高效的协作宽带压缩频谱检测方案.首先,推导了一种基于学习的稀疏度自适应预测模型.其次,设计了一种宽带频谱筛选算法.最后,提出一种协作宽带压缩频谱检测方案.仿真结果表明,自适应预测模型的拟合效果优于现有预测模型,并且所提检测方案也有效地降低了次用户采样率和频谱重构时延.     

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。     

Optimal-correlation-based reconstruction for distributed compressed video sensing

Distributed compressed video sensing (DCVS) is a framework that integrates both compressed sensing and distributed video coding characteristics to achieve a low-complexity video coding. However, how to design an efficient joint reconstruction by leveraging more realistic signal models is still an open challenge. In this paper, we present a novel optimal-correlation-based reconstruction method for compressively sampled videos from multiple measurement vectors. In our method, the sparsity is mainly exploited through inter-signal correlations rather than the traditional frequency transform, wherein the optimization is not only over the signal space to satisfy data consistency but also over all possible linear correlation models to achieve minimum-l₁-norm correlation noise. Additionally, a two-phase Bregman iterative based algorithm is outlined for solving the optimization problem. Simulation results show that our proposal can achieve an improved reconstruction performance in comparison to the conventional approaches, and especially, offer a 0.7–9.9 dB gain in the average PSNR for DCVS.     

模拟人群信任和决策机制的协作频谱感知方法

通过模拟人群内部的信任和决策机制,针对多用户的频谱协作感知一致性问题,提出了一种分布式算法。该算法首先通过网络的历次协作过程预测出各感知用户的动态可信值,据此产生用户的相对可信值,并结合决策机制使得用户之间进行数据交互,随着数据的可信、迭代交互,所有用户状态将趋于一致,最后通过判定算法得出最终结果。算法充分考虑了实际环境中各用户频带感知能力的不平衡性,而且各次级用户只需要进行少量局部数据交换即可实现协作感知,与传统的OR-rule、1-out-of-N rule以及普通迭代法有较大区别。对3种数据篡改攻击进行了分析,并在预测算法的基础上提出了相应的安全策略。理论分析与仿真结果表明,新算法在准确性和安全性上均优于传统合作频谱感知算法,能显著提高频谱感知准确率,同时兼具较强的防攻击能力。     

一种贪婪的异构多信道并行合作频谱感知方法

为了同时对多个异构信道进行有效地合作频谱感知,并克服现有方法中只考虑检测准确性而忽略感知开销和系统效益,忽略不同认知用户对不同异构信道感知性能的差异以及参与合作感知的认知用户较多等问题,提出了一种贪婪的异构多信道并行合作频谱感知方法。根据对感知开销和传输收益的定义,充分考虑不同认知用户对不同异构信道感知性能的差异,利用贪婪算法在多个认知用户和多个异构信道间最优地进行感知任务分配,使总系统效益最大。仿真结果表明,所提方法与基于迭代匈牙利的并行合作频谱感知方法、改进的基于迭代匈牙利的并行合作频谱感知方法和随机的合作频谱感知方法相比,能够获得较高的总系统效益,且所需的参加合作感知的认知用户数较少。     

基于小波域滤波的迭代硬阈值压缩感知重构

图像压缩感知迭代重构算法主要采用迭代阈值法解决信号的重构问题,但是迭代阈值法仅仅利用变换系数进行阈值处理,并未考虑系数的邻域统计特性,导致重构性能不高。提出一种基于小波域滤波的迭代硬阈值迭代算法,利用小波域系数的邻域统计特性修订迭代硬阈值重构算法的代价函数,进行两步迭代收缩,并在迭代中用小波域滤波除去其中的重构噪声。实验结果表明,在相同的观测数据下,相比已有的经典算法,新算法的重构图像质量较高,并且可以获得快速的重构速度。     

基于压缩感知的BOTDA性能增强方法

为了提高布里渊光时域分析系统(BOTDA)在长距离监测应用中的实时性,提出了一种基于压缩感知的布里渊光时域系统实时性增强方法。该方法包含稀疏表示、随机采样和信号重构三个部分。首先采用K-均值奇异值分解算法获得布里渊增益谱的稀疏表示,然后通过高斯随机采样和正交匹配追踪算法进行布里渊增益谱重构。为了验证所提方法的性能,仿真生成了不同信噪比水平的布里渊增益谱,搭建了45 km的布里渊光时域系统进行温度传感实验。仿真和实验结果表明:在累加平均次数为100时,所提算法将信噪比提升了6.37 dB,优于累加平均次数3000时的10.13 dB,对应测量时间减少了1/30;采用8 MHz步长数据重构布里渊增益谱,该方法的重构结果与4 MHz步长数据的相关系数为0.9992,对应扫频时间减少了一半。所提算法在保证测量精度的同时提升了测量实时性。     

基于卡尔曼滤波的压缩感知弱匹配去噪重构

现有的贪婪迭代类压缩感知重构算法均基于最小二乘对信号进行波形估计,未考虑到可能将量测噪声引入信号估计的情况.针对以上不足,提出了一种基于线性Kalman滤波的压缩感知弱匹配去噪重构算法.该算法不需已知稀疏度先验,通过引入Kalman滤波,在最小均方误差准则下,每次迭代都获得最佳信号估计;并以弱匹配的方式同时筛选出有效的原子,并剔除冗余原子进而重构原信号.新算法继承了现有贪婪迭代类算法的有效性,同时避免了因噪声干扰或稀疏度未知导致的重构失败.理论分析和实验表明,新算法在同等条件下,重构性能优于现有典型贪婪迭代类算法,且其运算时间低于BPDN算法和同类的KFCS算法.     

基于二项分布改进的宽带压缩频谱检测方案

宽带压缩频谱检测存在依赖稀疏度先验信息和信号重构时延较高的问题.因此,本文提出了一种高效可靠的宽带压缩频谱检测方案.首先,推导出了基于二项分布精确置信区间改进的稀疏度估计模型.其次,利用稀疏度估计上下界改进了稀疏度自适应匹配追踪算法.最后,提出了一种宽带压缩频谱检测方案.仿真结果表明,本文所提出方法可以同时精确的估计信号稀疏度的上下界,提高了频谱检测的效率和可靠性,加快了算法的收敛速度.