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.     

基于频谱池边界检测的宽带压缩频谱感知方法

频谱感知是认知无线电的一项重要内容,引入频谱池策略能够有效降低其复杂度,由于频谱池具有内在稀疏性,利用压缩感知技术能够进一步减少频谱感知的实现开支。提出一种基于频谱池边界检测的宽带压缩频谱感知方法,该方法能够利用较少的采样数据恢复出频谱池子带功率在边界发生跳变的程度并据此完成频谱感知。分析了压缩采样信号和频谱池边界的数学联系,并在此基础上建立了基于频谱池边界检测的宽带频谱感知的压缩感知模型。分析和仿真表明,该方法在不同虚警概率和压缩比下,相对基于边界检测的压缩频谱感知方法具有更优的检测性能和更低的计算复杂度。     

一种基于信任度的协作频谱感知算法

文章简单介绍了一种认知无线电中的基于信任度的协作频谱感知算法,在分析现有多节点频谱感知算法不足的基础上,结合无线通信环境的实际情况．提出了基于信任度与D—S证据理论的协作频谱感知算法。     

一种基于可靠度的频谱感知算法

认知无线电系统中频谱感知的作用是有能力以尽量快且准确地确定是否有主用户存在。为了达到这个要求,提出了一种通过考虑感知结果可靠性的频谱感知算法。只有当认知同户的感知结果具有足够的可靠性时,才将其判决的二进制结果（0或1）直接发送到MAC层;否则,该认知用户同一阶特征技术重新检测该频段。由于一阶特征检测技术是在时域完成的,因此提出的算法具有实时操作和低功耗等优点。对提出的基于可靠性的频谱感知算法的感知性能进行理论分析研究,并对其进行了仿真。仿真结果表明：提出的这种频谱感知算法能够大大改善频谱感知性能相比于传统的能量检测器和一阶特征检测技术。     

认知无线电中的频谱感知技术

分析了认知无线电中的频谱感知技术.对加性白高斯噪声信道下匹配滤波器检测法和能量检测法进行了研究,并比较了能量检测法下认知用户单独检测、合作检测以及采用多样性技术来检测第一用户的性能.仿真结果表明:在低信噪比情况下,匹配滤波器具有良好的检测性能;当信噪比大于0 dB时,采用能量检测法能够检测各种信号;认知无线电用户之间合作检测和采用多样性技术能够提高能量检测法的可靠性.     

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。     

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.     

基于AOMP 重建的宽带频谱感知算法

为解决OMP(Orthogonal Matching Pursuit)算法在盲稀疏度情况下迭代终止条件带来的过匹配问题, 提出了一种AOMP(Adptive Orthogonal Matching Pursuit)算法。该算法在迭代过程中通过额外增加观测样本估算原始信号的重构误差, 通过寻找最小误差点自适应地确定最佳频谱重构对应的迭代次数。仿真结果表明, 该算法在
低信噪比下, 能有效地重构原始信号, 与已知信号稀疏度的重构效果相当。     

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.     

宽带认知无线电中高效协作频谱压缩感知方案

文中将压缩感知、协作频谱感知、数据融合方法结合在一起,提出了一种新型高效协作频谱感知方案.除采用协作检测概率、协作虚警概率来衡量单个子信道的频谱感知性能外,还提出了系统无空率、系统误阻率两个概念以衡量整个宽带认知系统的频谱感知性能.仿真结果表明压缩感知理论可在近乎完美地重建信号的情况下有效地减少处理的数据量.     

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。     

认知无线电中基于压缩感知的非重构频谱检测算法

基于压缩感知的频谱感知研究多是要重构出原始信号,而重构的精确度却直接影响到频谱检测的效果,为降低由此因素而造成的低检测率以及计算复杂度,提出一种在压缩感知框架下的非重构频谱检测算法,将信道划分为多个小信道,依次感知每个小信道,得出所划分信道组的采样协方差矩阵,再与能量检测算法结合分析最终得到每个小信道中的占用情况。对不同的压缩率、信噪比以及用户数分别进行仿真,仿真的结果表明,当压缩率在30%以上和信噪比在-6 d B以上时检测效果较为理想,且多用户的情况下检测概率更高。相对于重构算法,本算法的检测概率更高,计算复杂度更低,检测时间也更短。     

一种新颖的多用户协作频谱检测算法

频谱检测是认知无线电的一项核心技术,其检测性能容易受到信道衰落的影响.与单用户频谱检测相比较,多用户频谱检测能够克服认知无线电中衰落环境对系统检测性能的影响.文章分析了能量检测在高斯信道、瑞利衰落信道和阴影衰落信道下的检测性能,提出了一种新的多用户协作频谱检测数据融合算法.该方法采用1 bit的双极性信号表示单节点认知用户能量检测的判决结果并送至融合中心,融合中心根据每个认知用户的信噪比进行加权融合.仿真结果表明,该算法能够更加有效地克服信道衰落对频谱检测性能的影响,其检测性能明显优于OR准则算法.     

一种新颖的多用户协作频谱检测算法

频谱检测是认知无线电的一项核心技术,其检测性能容易受到信道衰落的影响.与单用户频谱检测相比较,多用户频谱检测能够克服认知无线电中衰落环境对系统检测性能的影响.文章分析了能量检测在高斯信道、瑞利衰落信道和阴影衰落信道下的检测性能,提出了一种新的多用户协作频谱检测数据融合算法.该方法采用1 bit的双极性信号表示单节点认知用户能量检测的判决结果并送至融合中心,融合中心根据每个认知用户的信噪比进行加权融合.仿真结果表明,该算法能够更加有效地克服信道衰落对频谱检测性能的影响,其检测性能明显优于OR准则算法.     

认知无线电中一种新的基于MED的频谱感知算法

提出了一种新的基于最大特征值检测的频谱感知算法,并利用最新的大维随机矩阵理论的结果来获取新的理论判决门限.该门限能够使检测器产生更加可靠的感知性能,获得更高的检测概率.仿真结果验证了新算法的有效性.     

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.     

基于贝叶斯判决规则的异步合作频谱感知新算法

依据认知无线电中授权频谱占用情况的On-Off模型,提出了一种新型的合作频谱感知算法。该算法将次用户在不同时刻的软判决结果传输给数据融合中心,在考虑到不同认知节点具有不同信噪比的情况下,将On-Off模型求得的贝叶斯融合似然比作为感知权重对各认知用户的感知结果进行数据融合。理论分析与仿真结果表明,相比传统的同步合作感知算法,该算法具有合理性更强、可靠性更高、检测性能更优以及代价更少等优点。     

基于压缩感知的交通监控视频目标检测算法

针对公路交通监控的需求增大与网络带宽资源有限的矛盾,本文提出一种贝叶斯压缩感知的目标检测算法.该算法采用小波基对信号进行稀疏,用部分哈达玛测量矩阵进行观测,实现视频的压缩,为了得到更为准确的前景,提出在部分时间均衡自适应背景模型下,将背景分割思想和小波树结构的贝叶斯压缩感知结合的重构算法完成目标检测.通过对多个场景监控视频的试验,验证了该方法的准确性和有效性,并对光线变化具有一定的鲁棒性和减少视频传输的成本.     

一种稀疏度拟合的图像自适应压缩感知算法

针对运用压缩感知理论对图像进行自适应压缩采样时,采样率及稀疏度阈值确定具有很强的主观性,提出一种稀疏度拟合的精确自适应采样算法.该算法通过循环迭代来确定各个稀疏度下满足PSNR要求的最低采样率,利用最小二乘法对稀疏度及采样率数据进行拟合,得到稀疏度-采样率选取的最佳目标函数.基于TVAL3重构算法对上述自适应采样算法进行了实验仿真,结果表明,重构图像的PSNR均高于用相同值的固定采样率重构的PSNR值,其中纹理特征区分明显的图像此PSNR差值能达到3.5 dB以上.相比粗糙自适应算法,平均采样率比其降低的同时,重构图像仍得到了更高的PSNR值.