分布式动态频谱压缩感知技术研究

复杂电磁环境的频谱感知呈现分布式、集群化、去中心化的趋势,要求前端设备具有更低的硬件成本、耗能和更宽频带的频谱信息获取能力。基于频率压缩采样的调制解宽带调器（MWC）技术实现了高压缩比的子奈奎斯特采样和和最优还原,但依然存在通道数量过多和一致性要求高、信噪比要求高等问题。着眼频谱感知的分布式、去中心化的场景,针对低空电磁目标检测,提出并定义了分布式动态频谱感知模型,在网络化场景中通过低复杂度、低成本的集群式多感知节点实现MWC多通道的频谱压缩感知方法。在研究解决空间分布带来的多径衰减、干扰与相位差异难题的同时,通过马尔可夫随机场相关性分析,动态选择和切换感知节点,实现集群化的多节点协作频谱感知。实验表明,通过马尔可夫随机场（MRF）动态调节节点可以逐步提高系统的稳定性。

宽带认知无线电网络分布式协作压缩频谱感知算法

针对宽带认知无线电网络中压缩频谱感知算法在低信噪比环境下频谱检测性能下降的问题,提出了一种基于高斯过程的分布式压缩频谱感知(PBCS)算法.首先应用层次化的正态分布概率模型来表示压缩频谱的重构,然后各个认知无线电用户交换模型参数并结合本地的压缩采样数据进行压缩频谱感知.有别于其他直接融合频谱感知结果或检测数据的协作式算法,PBCS算法通过模型参数融合来进行协作,能有效减小信噪比低的协作用户的影响,从而提高算法的抗噪性.仿真结果表明,PBCS算法可以在-5dB的信噪比条件下达到检测概率大于0.9、误检概率为0.1的频谱检测性能.

一种基于稀疏度估计的自适应压缩频谱感知算法

针对现有的频谱感知存在信号稀疏度估计所需压缩观测值不能满足信号稀疏度变化时实时跟踪的问题,研究一种基于稀疏系数信息估计的自适应宽带频谱压缩感知方法,在流信号进行稀疏度未知的压缩时,先采集由先验信息得到的观测值数目。在采集到的观测值数目上自适应调整,得到信号稀疏度估计所需的观测值数目,并精确估计信号的稀疏度。仿真结果表明,SCI-CSS算法对流信号频谱能够保持良好的收敛性和较快的跟踪速度,且能有效地确定使信号稀疏度估计所需压缩观测值数目并随信号稀疏度自适应调整,实现对信号稀疏度变化的实时跟踪。

基于WSNs的压缩频谱感知稀疏基设计

研究了现有利用无线传感器网络(WSNs)进行区域压缩频谱感知的算法,针对其运算量大,准确性有限的问题,设计了以子带基作为稀疏基进行压缩感知(CS)的算法;证明了子带基作为稀疏基的正交性和完备性;同时计算表明子带基满足重构的约束等距条件。仿真结果显示:以子带基进行重构可以准确给出频谱的占用位置和幅值,比传统的边缘检测算法提高了压缩频谱感知的准确性和鲁棒性,同时具有更高的压缩比,运算量小,适于在WSNs中实施。

基于可信数据或门融合的合作压缩频谱感知算法

针对认知无线电(cognitive ratio,CR)中的频谱感知问题,提出一种基于可信数据或门融合的合作压缩频谱感知(reliable-OR rule data fusion cooperative compressed spectrum sensing,RFCSS)算法。首先,次级用户(secondary user,SU)利用压缩理论,获取低维观测数据,再利用基追踪去噪(basis pursuit denoising,BPDN)重构频谱,进而作出感知结果。然后,对SU的感知结果进行可信度估计,只有可信的感知结果的用户,才可向融合中心发送数据。融合中心依据所接收的数据,采用或门准则,作出最终的感知结果。仿真结表明,提出的算法能够降低系统复杂度以及提高感知结果的准确性。

基于置信传播分组的多任务压缩频谱感知

针对认知无线电中主用户覆盖范围存在交叠区域的情况,给出先次用户分组再组内协作感知的方法.首先提出一种基于简化置信传播(belief propagation,BP)的次用户频谱相似性分组算法,挖掘各次用户前一次频谱感知信息并提取相关参数,再根据相关参数利用BP算法对当前频谱感知次用户进行相似性分组.在组内采用恢复效果较好的多任务压缩频谱感知方法来完成感知任务.仿真结果表明,所提出的频谱感知方法与现有方法相比,能在混杂频谱环境下保证较好的虚警概率,同时提高频谱感知的正确检测概率,且随着全网感知用户数的增加,频谱感知结果也不断改善.

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。

基于近似消息传递的超宽带压缩频谱感知方法

现有的宽带压缩频谱感知方法无法高效地处理高维信号。针对该情况,提出了一种改进的基于近似消息传递的超宽带压缩频谱感知方法。考虑在频谱感知时未知稀疏率和方差的先验信息,首先,设置稀疏率上界并估计出方差的先验参数;然后,利用广义近似消息传递算法得到稀疏向量中元素的估计值;最后,将稀疏向量较小值对应的频谱判决为频谱空洞。仿真结果表明,与已有方法相比,所提方法在处理中低维和高维问题时都具有较高的性能。

宽带压缩频谱感知非稀疏保护策略

针对频谱非稀疏情况下宽带压缩频谱感知性能下降的问题,提出一种基于信号重构模型参数分析的频谱非稀疏保护策略,该策略根据次用户接收到的相邻三帧信号之间的相关系数的大小动态判断宽带压缩频谱感知正确与否.首先建立基于高斯分层概率的宽带压缩信号模型对压缩重构进行分析,在此基础上综合考虑重构各帧信号模型参数的相关系数与频谱稀疏性之间的关系,设计一种认知用户能够根据信号模型参数相关系数的大小制定频谱稀疏与否的判决条件,进而制定保护措施.仿真结果表明:所提保护策略可以有效检测到由频谱非稀疏导致的宽带压缩频谱感知错误,降低对主用户的干扰概率.

Spectrum sensing sequence prediction in cognitive radio networks

Spectrum sensing is one of the key issues in cognitive radio networks. Most of previous work concenates on sensing the spectrum in a single spectrum band. In this paper, we propose a spectrum sensing sequence prediction scheme for cognitive radio networks with multiple spectrum bands to decrease the spectrum sensing time and increase the throughput of secondary users. The scheme is based on recent advances in computational learning theory, which has shown that prediction is synonymous with data compression. A Ziv-Lempel data compression algorithm is used to design our spectrum sensing sequence prediction scheme. The spectrum band usage history is used for the prediction in our proposed scheme. Simulation results show that the proposed scheme can reduce the average sensing time and improve the system throughput significantly.