基于压缩感知的宽带频谱检测

压缩感知是近年来提出的一种针对稀疏信号处理的新方法,其核心是将压缩与采样同步进行,由于信号的投影测量数据量远小于传统方法的数据量,突破了香农采样定理瓶颈从而使得高分辨率信号采集成为可能。频谱感知技术是认知无线电中关键技术之一,它要求次用户在短时间内快速检测出主用户的频谱占用情况。利用认知无线电中频谱的稀疏性,将压缩感知技术用于宽带信号频谱检测,通过少量的压缩数据能够判断频谱是否空闲是一种有效解决这个问题的方法。文中首先建立宽带频谱压缩感知的模型,并提出一种多感知节点多尺度检测算法。该方法将频谱检测分为两个步骤,即粗检测和细检测。在第一步的宽带粗检测过程中,文中分别就高、低信噪比环境下做出讨论,提出了相应的去噪办法;在进一步子带细检测过程中,推导并论证了压缩感知非重构检测算法。仿真结果证实了文中算法的有效性与可行性。     

基于动态组稀疏重构的频谱感知算法

针对认知无线电网络中宽带频谱感知问题,提出了一种基于主用户信号频谱结构的频谱感知算法,简称为DGS-SS算法.该算法首先利用压缩感知理论对信号进行欠采样,然后利用主用户信号频谱的组稀疏结构修正重构过程中的频谱和残差支撑集,从而能够加快重构主用户信号频谱的收敛速度,而且也能够提高主用户信号频谱的重构精度,最后利用重构信号频谱给出频谱空穴的有效检测.仿真结果表明,所提算法不仅能在低压缩比下精确重建信号频谱,而且对噪声变化具有更强的鲁棒性,从而有效地提高了频谱感知性能.     

宽带SSDF攻击下的压缩频谱感知

在宽带主用户信号的模型下,提出了一种新型的宽带SSDF(spectrum sensing data falsification)攻击模式,并结合了压缩感知(compressed sensing,CS)技术与平均一致(average consensus)算法,建立了可防御这种宽带SSDF攻击的分布式宽带压缩频谱感知模型.频谱感知分为感知阶段和信息融合阶段.在感知阶段,各个CR(cognitiveradio)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,并作出本地频谱估计.在信息融合阶段,为了更好地排除宽带SSDF攻击节点的影响,建立了子信道声望值指标,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,排除潜在恶意次用户的影响,得到最终的频谱估计结果.仿真结果表明,提出的频谱感知模型可以有效地抵御宽带SSDF攻击,并且利用了恶意次用户节点的有用数据获得了额外的分集增益,提高了频谱感知的性能.     

基于压缩感知的联合协作频谱感知算法

基于压缩感知的联合协作频谱感知方法实现动态频谱感知,通过融合各次用户(SU)采集的感知数据,寻找超参数,并与判决门限值进行比较,以获得最终的频谱判决结果.基于压缩感知的联合协作频谱感知算法减少了单个SU对压缩感知数据的不确定性,归一化均方误差（MSE）性能较好,并且该算法能够有效利用SU压缩感知数据信息,与其他典型算法相比,能获得更高的正确检测概率和较小的虚警概率.     

基于迭代支持检测的分布式压缩频谱感知算法

在宽带认知无线电网络中,为了解决频谱感知所面临的诸如高采样速率、信道衰落以及认知无线电用户硬件资源受限等技术挑战,提出一种基于迭代支持检测的分布式压缩频谱感知算法.通过一跳通信的方式,认知无线电用户能够将各自的检测信息扩散到整个网络,并得到全局一致的支持集;同时,认知无线电用户进行本地稀疏信号重构时,利用一致的支持集信息能够保证不同用户的估计结果具有联合稀疏特性,从而得到更为准确的频谱检测结果.仿真结果表明,文中的分布式频谱感知算法能够以低于奈奎斯特准则的采样速率有效地实现频谱检测,并且在不需要融合中心的前提下获得近似最佳的检测性能.     

基于压缩感知的新型宽带频谱协作检测算法

针对认知无线电领域现有的宽带频谱检测技术在低信噪比情况下检测性能不足的问题,提出了一种新型的基于压缩感知的宽带频谱协作感知算法。该算法依据无线通信信号在循环谱域具有独特的稀疏特性,首先从信号相关函数的压缩采样中获取循环谱的观测值,然后利用稀疏自适应同步匹配追踪协作重构算法重构出整个宽带内所有信号的循环谱。仿真结果表明：该宽带检测算法在低信噪比和瑞利衰落信道条件下,具有较好的检测性能。同时,与以往经典的重构算法相比,该算法中提出的稀疏自适应同步匹配追踪协作重构算法在重构精度和算法复杂度等方面都有较大的提高。     

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.     

一种基于压缩感知的非重构频谱检测新算法

提出了一种基于压缩感知的非重构频谱检测算法,将压缩感知处理得到的观测值直接用于主用户检测,解决了宽频主用户信号的检测问题.文中定量分析了检测性能,并通过认知用户的协作频谱检测对算法进行了改进.仿真结果表明,该算法在信噪比大于0 dB环境下具有良好的检测效果,协作检测法可作为低信噪比环境下算法的有效改善途径.此外,相比于基于重构的频谱检测算法,该算法大大降低了数据量和算法复杂度,显著缩短了检测时间.     

基于变分稀疏贝叶斯学习的频谱检测方法

为了降低对宽带信号进行压缩频谱感知的复杂度,提出了一种基于变分稀疏贝叶斯学习的频谱检测方法.该算法直接利用压缩测量值对授权用户的位置、个数以及功率传播图进行了估计,在先验知识未知的情况下,利用变分稀疏贝叶斯求解稀疏权值.而且用简单函数因子逼近的方法降低了边缘似然函数的计算难度.实验结果表明:该方法在感知精度和速度上有显著提高.     

基于卷积神经网络的宽带合作频谱感知

利用认知无线电网络中的多个次用户所能提供的大量频谱观测数据,提出一种基于卷积神经网络（convolutional neural network,CNN）的宽带合作频谱感知方案。宽带频谱感知旨在灵活地检测跟踪目标宽带授权频段上的可供使用的频谱空穴,该方案考虑利用宽带频谱上被占用的子带与未被占用的子带之间在信号能量及占用位置方面所体现出的类别差异,通过设计一种CNN模型并基于此对频谱观测数据进行训练学习,得到频带占用模式分类模型,从而实现宽带合作频谱感知。仿真结果证明,与传统的基于能量检测技术和典型机器学习（machine learning,ML）分类算法的宽带合作频谱感知方案相比,该方案在检测性能上具有较大的优势,特别是在低信噪比环境下的检测性能。     

Consensus-based decentralized clustering for cooperative spectrum sensing in cognitive radio networks

A large number of previous works have demonstrated that cooperative spectrum sensing(CSS) among multiple users can greatly improve detection performance.However,when the number of secondary users(SUs;i.e.,spectrum sensors) is large,the sensing overheads(e.g.,time and energy consumption) will likely be intolerable if all SUs participate in CSS.In this paper,we proposed a fully decentralized CSS scheme based on recent advances in consensus theory and unsupervised learning technology.Relying only on iteratively information exchanges among one-hop neighbors,the SUs with potentially best detection performance form a cluster in an ad hoc manner.These SUs take charge of CSS according to an average consensus protocol and other SUs outside the cluster simply overhear the sensing outcomes.For comparison,we also provide a decentralized implementation of the existing centralized optimal soft combination(OSC) scheme.Numerical results show that the proposed scheme has detection performance comparable to that of the OSC scheme and outperforms the equal gain combination scheme and location-awareness scheme.Meanwhile,compared with the OSC scheme,the proposed scheme significantly reduces the sensing overheads and does not require a priori knowledge of the local received signal-to-noise ratio at each SU.     

Consensus-based decentralized clustering for cooperative spectrum sensing in cognitive radio networks

A large number of previous works have demonstrated that cooperative spectrum sensing (CSS) among multiple users can greatly improve detection performance. However, when the number of secondary users (SUs; i.e., spectrum sensors) is large, the sensing overheads (e.g., time and energy consumption) will likely be intolerable if all SUs participate in CSS. In this paper, we proposed a fully decentralized CSS scheme based on recent advances in consensus theory and unsupervised learning technology. Relying only on iteratively information exchanges among one-hop neighbors, the SUs with potentially best detection performance form a cluster in an ad hoc manner. These SUs take charge of CSS according to an average consensus protocol and other SUs outside the cluster simply overhear the sensing outcomes. For comparison, we also provide a decentralized implementation of the existing centralized optimal soft combination (OSC) scheme. Numerical results show that the proposed scheme has detection performance comparable to that of the OSC scheme and outperforms the equal gain combination scheme and location-awareness scheme. Meanwhile, compared with the OSC scheme, the proposed scheme significantly reduces the sensing overheads and does not require a priori knowledge of the local received signal-to-noise ratio at each SU.     

CRSNs中基于传感器选择的高能效频谱感知算法

协同频谱感知(cooperative spectrum sensing, CSS)是认知无线电传感器网络中解决频谱资源稀缺的主要手段,针对现有频谱感知方法在降低能耗方面存在的不足,考虑一种从主要用户接收的具有不同的信噪比值的传感器所组成的真实网络场景,提出一种基于传感器选择的高能效频谱感知算法。该算法将可被传感器用来传输数据的信道按时间分成相等的框架,每框架中包含3个阶段：频谱感知、报告和数据传输;通过聚类得到所有能够满足CSS所需精度的传感器子集,并计算在每次协同频谱感知中这些传感器的平均能耗;在考虑传感器剩余能量的基础上,将每个框架中使用最少数量的传感器参与CSS过程建模为面向能耗的优化问题,并提出一种启发式算法进行求解。仿真实验结果表明,与现有的其他频谱感知方法相比,提出的算法在能量利用方面具有更好的性能。     

LTE-U与WiFi系统在非授权频段共存机制研究

部署长期演进(long-term evolution,LTE)系统到非授权频段,已经被视为一种缓解目前频谱资源短缺的有效方法.当前的主要挑战是LTE与WiFi系统如何在非授权频段和谐共存.为降低系统总冲突概率,提升非授权频谱利用率并保障WiFi系统的传输性能,提出2种接入机制:基于先听后发(listen before talk,LBT)的随机接入机制(LBT-based random access mechanism,LBT-RA)和基于边听边发(listen and talk,LAT)的冲突避免接入机制(LAT-based collisions avoid access mechanism,LAT-CA).LBT-RA机制基于LBT检测发送方式在传输前对信道进行空闲信道评估(clear channel assessment,CCA),如果检测信道空闲,便随机接入可用的非授权频段.LAT-CA机制基于全双工技术的LAT检测发送方式,能实现频谱检测与数据传输的同时进行,降低用户间的冲突概率.仿真结果表明,提出的LBT-RA和LAT-CA机制能有效提升非授权频谱的利用率,并确保非授权频段LTE(LTE-unlicensed,LTE-U)与WiFi系统的和谐共存.     

一种基于支持向量机的认知无线电频谱感知方案

针对以能量检测为代表的传统频谱感知算法一般存在低信噪比下性能不足,容易面临隐藏节点效应,对检测灵敏度要求高等问题,提出一种新型的基于蜂窝认知用户位置定位的频谱认知方案。该方案以无线指纹数据库为基础,通过无线指纹定位驱动认知用户实现频谱认知功能。认知用户利用无线指纹对其自身进行定位,并根据指纹数据库确定其对于授权频段接入的可能性。针对网络中的主用户发射机位置存在已知和未知2种情况,可通过认知用户读取数据库来确定授权频段可用性,或将已收集获取的历史数据作为训练数据,引入支持向量机(support vector machine,SVM)算法对认知用户所处位置的授权频段可用状态进行预测。此外,针对单个用户频谱状态预测性能不足的缺陷,提出了联合地理位置相近的多个认知用户的合作预测机制。仿真实验验证了本方案相对于传统能量检测算法的性能优势以及能效优势。     

基于异步分布式检测的协作频谱感知研究

构建了一种基于异步分布式检测的协作频谱感知(CSS)模型,推导了此模型在贝叶斯准则下的最优融合方案,并提出了一种不需要主用户先验信息的次优方案——最大后验概率(MAP)检测-K/N规则融合方案.分别对采用这两种方案时,协作频谱检测的虚警概率和检测(漏检)概率性能进行了理论分析和仿真,仿真结果显示两种方案都能有效提高频谱...     

一种基于多个循环频率的联合循环谱感知方法

认知无线电是提高频谱利用效率的一种有效途径,快速可靠地检测到主用户和频谱空穴是认知无线电实现的关键和前提.循环平稳检测是认知无线电中进行频谱空穴检测的可靠方法,可以在低信噪比时有效检测出授权用户是否存在.针对单循环检测不能充分利用信号所包含信息的缺点,提出了将Chair-Varshney数据融合准则的思想应用于循环频谱检测的改进算法,使用多个循环频率处的循环谱进行联合检测.仿真分析表明:改进算法充分利用了各单点循环频率上的循环谱信息,在低信噪比时有更好的检测性能.     

基于迭代用户选择的合作频谱感知算法

针对认知无线电中经典频谱感知算法 (能量检测、算术几何平均、信号特征值子空间、最大特征值检测)存在不同程度缺陷的问题,为了进一步提高频谱感知算法的检测性能,提出了基于迭代用户选择(iterative user selection, IUS)的合作频谱感知算法。该算法先对参与合作感知的全部认知用户进行选择,然后在选出的部分用户频谱观测数据的基础上,生成全局检验统计量(global decision statistic, GTS),以此做出授权用户(primary user, PU)信号是否存在的全局判决。仿真结果显示,在虚警概率保持不变的情况下,进行迭代用户选择后,合作频谱感知的检测概率要优于未进行用户选择时的算法。与经典频谱感知算法相比较, IUS的合作频谱感知算法不需要任何先验信息,且以较少的频谱观测数据达到较好的检测性能。