基于稀疏分解的頻譜感知方法研究.pdf

1、近年來(lái)，隨著各種無(wú)線(xiàn)電新技術(shù)和新業(yè)務(wù)的廣泛應(yīng)用以及通信技術(shù)的迅速發(fā)展，對(duì)頻譜資源的需求程度和數(shù)量日益增長(zhǎng)，如何在頻譜資源有限的情況下對(duì)其更為有效的利用成為一個(gè)急需解決的問(wèn)題。認(rèn)知無(wú)線(xiàn)電技術(shù)的提出為我們解決這個(gè)問(wèn)題提供了方法。
　　頻譜感知技術(shù)是認(rèn)知無(wú)線(xiàn)電的基礎(chǔ)環(huán)節(jié)，它的好壞關(guān)系著系統(tǒng)性能的優(yōu)劣。稀疏分解可以抓住信號(hào)內(nèi)部的主要特征，提取信號(hào)成分，具有去噪的功能；近年來(lái)興起的壓縮感知技術(shù)也是以信號(hào)能夠在變換域上稀疏分解為前提的，它能夠

2、突破奈奎斯特采樣定理的限制，僅通過(guò)少量的壓縮測(cè)量值便能夠?qū)崿F(xiàn)信號(hào)的重構(gòu)。本文對(duì)基于稀疏分解的頻譜感知方法進(jìn)行了研究。
　　在頻譜能量檢測(cè)方式中，門(mén)限的設(shè)置與接收信號(hào)的信噪比直接相關(guān)，因此，接收信號(hào)的信噪比是影響頻譜感知性能的一個(gè)決定性因素。在一定范圍內(nèi)，隨著信噪比的降低，恒虛警條件下的檢測(cè)概率快速下降。在本文中，考慮到稀疏分解有一定程度的去噪作用，因此將稀疏分解引入到接收機(jī)前端，在接收信號(hào)后，首先進(jìn)行去噪處理，再進(jìn)入后端的頻譜感知

3、部分。在經(jīng)過(guò)稀疏分解去噪的過(guò)程后，隨著信噪比的改善，在目前的信噪比下設(shè)定新的門(mén)限，檢測(cè)性能必然有很大程度的提高。
　　在認(rèn)知 MIMO系統(tǒng)中，多天線(xiàn)提供了更高的檢測(cè)可靠性，但也帶來(lái)了采樣數(shù)據(jù)量的急劇提升，而分布式壓縮感知技術(shù)正是基于多信號(hào)的聯(lián)合采樣技術(shù)，降低采樣的數(shù)據(jù)量。它要求在多信號(hào)的基礎(chǔ)上滿(mǎn)足聯(lián)合稀疏模型，而MIMO技術(shù)由于天線(xiàn)之間的相關(guān)性，剛好滿(mǎn)足 JSM-2模型，因此基于認(rèn)知 MIMO的分布式壓縮感知技術(shù)迫切需要一個(gè)針對(duì)多

4、天線(xiàn)環(huán)境的聯(lián)合稀疏字典。字典訓(xùn)練算法作為一種較為新穎的字典獲取方法，只給出了單信源訓(xùn)練信號(hào)的情況下如何獲得訓(xùn)練字典。本文結(jié)合字典訓(xùn)練算法與多天線(xiàn)下的聯(lián)合稀疏模型，將普通的字典訓(xùn)練算法拓展為三種不同合并方式下的多天線(xiàn)聯(lián)合訓(xùn)練字典算法。相比于一般的字典訓(xùn)練算法，聯(lián)合字典訓(xùn)練算法能夠在同樣的訓(xùn)練次數(shù)的情況下，獲得更好的稀疏表示效果。因此，在分布式壓縮感知重構(gòu)之后，重構(gòu)概率顯著提高，之后的頻譜檢測(cè)性能也有了進(jìn)一步的提升。基于聯(lián)合訓(xùn)練字典的頻譜感