非重構頻譜感知的測量矩陣設計與優(yōu)化.pdf

1、認知無線電技術能夠提高頻譜的利用率，緩解現(xiàn)存的頻譜資源緊張的狀況。而頻譜感知技術是認知無線電的前提和基礎，由于采樣率和實現(xiàn)成本的約束，奈奎斯特采樣定理越來越成為頻譜感知的瓶頸。針對這個問題，利用信號的稀疏性采用壓縮感知方法對模擬信號進行壓縮采樣，也就是壓縮和采樣同時進行，這樣在原始信息未丟失的情況下實現(xiàn)了低速率采樣。眾所周知，利用壓縮感知進行頻譜感知的傳統(tǒng)思路就是首先對壓縮的信號進行重構，然后再利用頻譜感知的各種算法進行頻譜檢測。根據(jù)壓

2、縮感知理論可知，數(shù)據(jù)重構是壓縮感知消耗計算量最大的環(huán)節(jié)，因此為了減少頻譜感知算法的計算量，研究非重構框架下的頻譜感知成為亟待解決的問題。
　　非重構頻譜感知算法省略了對原始信號重構的環(huán)節(jié)，直接根據(jù)壓縮采樣數(shù)據(jù)進行頻譜感知，這樣大大減小了壓縮采樣后進行頻譜感知的計算量。測量矩陣是非重構頻譜感知算法的基礎，測量矩陣設計的優(yōu)劣程度會影響信號的壓縮采樣進而會影響非重構頻譜感知算法的檢測效果。本文在單天線非重構框架下分別針對能量頻譜感知算法

3、和基于稀疏分解的頻譜感知算法設計了對應的測量矩陣。此外還研究了在多天線條件下的非重構頻譜感知技術，利用多天線的優(yōu)勢來減小測量矩陣的規(guī)模并提高頻譜感知效果。
　　針對單天線非重構能量頻譜感知算法，本文通過分析壓縮對信號和噪聲能量分布的影響，提出了測量矩陣的格拉姆矩陣盡量接近于單位陣作為測量矩陣的設計準則。根據(jù)提出的準則，應用迭代訓練法和梯度法分別對高斯隨機矩陣進行優(yōu)化，提高了頻譜檢測的效果。針對信號可以被稀疏分解的特性，提出了單天線

4、基于稀疏分解的非重構頻譜感知算法，并且通過將多個單位陣相連接并結合稀疏分解矩陣構造了適用于該算法的測量矩陣。通過仿真驗證該方法在信號稀疏度較低的情況下能夠取得良好的檢測效果。此外，本文還將單天線非重構頻譜感知算法擴展到了多天線的情況，針對多天線非重構頻譜感知，應用對測量矩陣進行“分割”的思想，為每根天線設計了相應的測量矩陣，降低了每根天線的測量矩陣的規(guī)模，進而降低了每根天線的采樣率。通過與單天線瑞利信道下頻譜感知效果相比較，多天線非重構