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.     

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。      

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。     

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％.     

基于 Gerschgorin 圆盘理论的认知无线电宽带频谱感知

摘 要：提出了基于Gerschgorin圆盘理论的宽带频谱感知算法：Gerschgorin似然估计算法和Gerschgorin圆盘半径迭代算法。通过在宽带频谱感知中引入Gerschgorin圆盘理论,将认知无线电用户频谱观测数据中噪声圆盘空间和信号圆盘空间进行分离,并基于对主用户所占用子频段集合势的估计,实现对宽带授权频谱中多个子频段状态的监测。为了进一步提高感知性能,还提出利用宽带频谱中主用户信号占用子频段的连续性特性改善算法性能。理论推导和仿真结果表明,在信噪比较小时,Gerschgorin似然估计算法较基于信息论准则的宽带感知算法具有更稳定的检测性能;Gerschgorin圆盘半径迭代算法与传统能量检测方法相比,优势在于不依赖任何噪声功率先验信息,且在采样次数较少情况下的感知错误率较小。因此,基于Gerschgorin圆盘理论的频谱感知更适合于实际CR系统,可为宽带频谱感知提供行之有效的算法实施方案。     

基于一致优化的分布式宽带合作频谱感知算法

在压缩采样的框架下,提出一种基于一致优化的分布式宽带频谱压缩感知算法。算法思想如下:认知无线电网络中每个认知节点首先根据压缩采样理论获取压缩采样,并恢复本地的频谱信息,然后在一跳范围内交换频谱信息。认知节点将获取的邻居节点频谱信息进行加权平均,此加权平均作为频谱恢复一致优化问题的约束,以此来降低计算开销,加速算法的收敛。优化问题通过最优交替方向乘子法迭代求解来获取整个认知无线电网络的频谱估计。给出了算法的收敛性证明,并进行了仿真实验以验证算法的有效性。     

基于压缩采样和DWPT的认知无线电频谱感知方案

认知无线电频谱感知技术要求能够快速、准确地对高达上千兆赫兹的带宽进行频谱感知,它需要很高速率的模数转换器（A/D）,这对传统的工作在Nyquist采样率下的频谱估计方法提出了很大的挑战。利用实际信号频谱在开放式频谱接入环境中的稀巯性,提出了基于压缩采样和小波包分解的宽带频谱感知方案。通过SIMULINK仿真表明,该方法对宽带信号能以远远低于Nyquist采样率的速率采样,并且能够精确地估计出可用信道列表。     

基于PSO-LSSVM的非重构宽带压缩频谱感知方法

频谱感知是认知无线电的关键技术之一，而宽带环境使采样设备压力大，宽带压缩频谱感知有效地解决了此问题，但压缩重构造成巨大计算复杂度，并且传统检测方法受门限限制，在低信噪比下检测率低。提出将机器学习与非重构压缩感知技术应用到频谱感知当中的方法，原始信号经压缩感知得到测量值，对其进行采样协方差预处理后，通过改进PSO-LSSVM算法对数据进行训练分类，解决门限困扰，并适用于宽带频谱感知。仿真结果表明，此方法在低信噪比下，与传统检测相比有较好的检测结果。     

浅析认知无线电在军事通信中的应用

认知无线电在无需专门授权的情况下,能够借助频谱感知等技术接入已授权频段,实现对无线频谱资源的动态共享,极大地提高频谱利用效率和通信系统性能,必将对无线通信,尤其是军事通信产生深远的影响.文中首先简要叙述了认知无线电产生的背景,尔后对频谱感知、位置感知、链路保持、频谱池共享等关键技术进行了简要叙述.重点分析了认知无线电在军事通信中的应用及其优势.最后对军用认知无线电面临的机遇和挑战做了简要展望.     

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。      

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.仿真结果证明了该方案的有效性和优异性.     

基于多尺度小波模极大融合的宽带频谱感知算法

针对传统宽带频谱感知算法速度慢、设备复杂度高、对实际信号适用性不强等问题,提出了一种基于多尺度小波模极大融合的宽带频谱感知算法,根据信号带宽等因素选择合适尺度下的小波变换结果进行信号检测,能够准确估计频带范围内信号个数、载频、带宽、信噪比等参数.实际信号测试证明了这一算法的有效性.该算法对频谱监测、认知无线电(CR)频...     

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.     

多天线感知无线电中的协作频谱感知算法

不同于以往单天线感知用户的频谱感知研究,该文提出多天线情形下基于最优功率分配和协作分集的频谱感知算法。根据信道条件利用奇异值分解(SVD)在每根天线上进行功率注水,并考虑多天线情况下两用户网络协作频谱感知授权用户的判决检测过程,利用基于指数衰减的路径损耗模型,分析多天线感知网络的各态历经容量和检测授权用户的概率及时间。理论分析及仿真结果表明,多天线感知用户通过最优功率分配和协作频谱感知不仅使感知网络具有最大的各态历经容量,同时改善系统的检测性能。     

基于滤波器组的认知无线电频谱检测

认知无线电的首要任务是动态、可靠地检测无线电频谱环境。因此,每个认知无线电终端必须具有频谱检测的功能。文章在简述认知无线电频谱检测技术的基础上,提出了基于滤波器组的频谱检测方案,详细描述了多相滤波器组的设计方法和功率谱估计算法,并在加性高斯白噪声环境下进行了仿真。仿真结果表明,在恰当设置判决门限的情况下基于滤波器组的认知无线电频谱检测具有良好的性能。