基于快速变分稀疏贝叶斯学习的频谱感知与定位

针对稀疏贝叶斯压缩感知算法存在复杂度高、收敛速度慢等缺陷,提出了一种快速变分稀疏贝叶斯学习的频谱检测与定位算法.该算法在原始问题求解过程中增加了辅助变量,消除了原问题模型中未知变量之间耦合度高的问题.并依据稀疏参数的收敛情况,自适应删除不收敛稀疏参数对应的基函数,从而进一步加快了算法的收敛速度.实验结果表明:该算法在收敛速度和频谱检测精度上有显著的改善.     

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。     

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。     

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.     

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.     

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.     

基于多任务贝叶斯压缩感知的宽带频谱检测

针对认知无线网络中主用户信号在空频域的稀疏性,基于贝叶斯压缩感知(BCS)的信号重构通过层次化贝叶斯分析分级先验模型获得稀疏信号估计.将贝叶斯压缩感知应用于认知无线电宽带压缩频谱检测,利用多认知用户感知信号的时空相关性实现在多用户多任务传输条件下的稀疏信号重构与宽带压缩频谱检测.研究了基于期望最大化算法和相关向量机模型的多任务BCS参数估计.仿真结果表明:相比于传统单任务BCS重构方法,多任务BCS在节点能耗与网络带宽受限的条件下,通过对估计参数的合理优化,在较低压缩比区域可实现重构均方误差的快速收敛,且检测性能随着任务数的增加而提高.当感知数据相关性从25%增加到75%,且任务数一定时,所提方法的重构观测数明显下降,宽带频谱检测性能显著提高.     

基于WRAN的认知无线电频谱感知

电视频段的频谱感知技术研究的主要对象集中于目前只被3个国家采纳的数字电视信号ATSC信号.根据DVB-T信号的特点,采用基于循环前缀的频谱感知算法,对DVB-T电视信号进行了研究.通过计算机仿真表明:该算法具有较好的检测性能,能够满足对DVB-T信号检测的性能要求.     

认知无线电中基于循环平稳特征的频谱感知方法

提出一种基于信号频域循环平稳特征的频谱感知方法,该方法能够区分出授权和非授权信号的类型从而获取不同的频谱共享策略.将授权信号及非授权信号分别建模成线性周期时变变换,对授权信号和非授权信号进行频域的循环平稳特征分析,给出2类信号呈现循环平稳特征的位置,并给出用于鉴别2类信号的检测方法,其中推导了复过程中近似协方差矩阵的计算.仿真结果验证了该方法能在低信噪比中有效地鉴别出授权及非授权2类信号.     

基于无线电环境地图信息辅助的协作频谱感知算法

针对基于信噪比(signal noise ratio,SNR)合并协作感知算法实用性限制问题,提出一种无线电环境地图(radio environment maps,REM)信息辅助协作感知算法,该算法利用REM存储的关于授权用户发射台与感知用户位置信息辅助计算各用户合并权重系数.仿真表明,该算法在高斯白噪声(addit...     

基于频谱感知信息的认知无线电网络功率密度约束问题

通过机会式地共享已分配的授权频谱,认知无线电技术可以极大地提高频谱的利用率,解决目前频谱资源日益匮乏的难题。当认知无线电网络与传统的通信网络共存时,首先要保证不会对传统的通信系统产生有害的干扰。为此,就需要考虑认知无线电网络中节点的配置密度,使得其对传统用户（主用户）的干扰低于干扰温度的容限。针对此问题考虑了多个认知用户组网时的最大可达到的功率密度问题,在认知用户与主用户间的距离参数未知条件下,将此距离用认知用户检测到的本地信噪比等价表示,获得了认知用户在不同检测概率条件下的可允许的最大功率密度约束条件,并给出了仿真结果。     

基于压缩感知的空间信息网络拥塞监测

在空间信息网络中,各卫星间是通过星间链路(Inter Satellite Links,ISLs)相连接的,其空间网络节点的处理能力和资源存储能力受限,网络拓扑具有高动态性,通信链路存在间歇性连接.这造成空间网络节点出现高排队时延的情况,导致网络拥塞甚至丢包,空间数据传输的可靠性下降.为了高效准确地实现网络拥塞监测,本文作者分析了空间信息网络的链路稀疏性,结合其传输方式,将链路状态检测建模为压缩感知问题,并以贪婪算法求解链路延时,进而定位拥塞链路.仿真结果证明,这种链路状态检测算法可以在较少的采样数据量的情况下,以较高的精度恢复链路延时.     

认知无线电中基于循环平稳特征的频谱感知方法

提出一种基于信号频域循环平稳特征的频谱感知方法,该方法能够区分出授权和非授权信号的类型从而获取不同的频谱共享策略将授权信号及非授权信号分别建模成线性周期时变变换,对授权信号和非授权信号进行频域的循环平稳特征分析,给出2类信号呈现循环平稳特征的位置,并给出用于鉴别2类信号的检测方法,其中推导了复过程中近似协方差矩阵的计算。仿真结果验证了该方法能在低信噪比中有效地鉴别出授权及非授权2类信号。     

基于压缩感知的时频双选信道估计研究

针对时频双选信道,利用信道的时间相关性,即同一条时延径在相邻时刻对应的信道系数之间具有很强的相关性,提出一种线性近似方法对时频双选信道进行建模,有效降低了未知参数的个数.考虑到无线信道在时延域具有稀疏性,基于压缩感知(Compressed sensing,CS)理论对线性近似模型进行了恢复重构.分别对未线性近似模型和线性近似模型的系统性能进行了仿真,并结合最小二乘(leastsquare,LS)算法、正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法、稀疏贝叶斯学习(Sparse Bayesian Learning,SBL)算法给出了系统的归一化均方误差(Normalized Mean Square Error,NMSE)曲线.仿真结果显示,线性近似方法能有效对时频双选信道进行建模,针对本研究提出的线性近似模型,SBL算法能精确恢复出信道响应,并能有效地克服多谱勒效应.     

基于二阶循环统计量的频谱感知方法

认知无线电可以自动感知周围环境并能调整系统参数,以适应环境的变化,是一种新的智能无线通信技术,而有效可靠的频谱感知技术是认知无线电得以发展的关键和前提。该文通过对基于二阶循环统计量检测方法的综合分析和研究,将该方法应用到认知无线电频谱空洞的检测当中,给出了利用二阶循环统计量实现对授权用户检测的具体实施方案。仿真试验结果表明,基于二阶循环统计量的频谱感知方法具有良好的检测性能,能够有效地完成对授权用户的检测。     

基于视觉显著性的分块自适应压缩感知算法

针对SAR图像的压缩感知重建问题,在分块压缩感知框架的基础上,提出了基于视觉显著性的分块自适应压缩感知算法.在采样阶段,每个子块的采样率依据显著信息自适应的变化;在重建阶段,根据不同图像显著信息的差异,自适应地滤波.实验结果表明:该方法不仅重建结果的整体质量更优,视觉效果更好,而且在重建后的图像中能更好地保持边缘和目标等重要特征.     

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。