基于壓縮感知的寬帶協(xié)作頻譜檢測(cè)算法研究.pdf

1、在認(rèn)知無(wú)線(xiàn)電網(wǎng)絡(luò)中，壓縮感知(CS)技術(shù)通過(guò)利用寬帶頻譜的稀疏性，將采樣與壓縮過(guò)程結(jié)合為一個(gè)整體，使得頻譜檢測(cè)能夠以亞奈奎斯特采樣率(sub-Nyquist)來(lái)采集寬帶信號(hào)，對(duì)突破寬帶頻譜檢測(cè)的帶寬瓶頸具有現(xiàn)實(shí)意義。然而，CS重構(gòu)算法的復(fù)雜性降低了頻譜檢測(cè)的實(shí)時(shí)性，且信號(hào)在無(wú)線(xiàn)通信過(guò)程中受到多徑衰落、陰影衰落等影響，導(dǎo)致單節(jié)點(diǎn)檢測(cè)難以滿(mǎn)足頻譜檢測(cè)的準(zhǔn)確性要求。本文針對(duì)壓縮頻譜檢測(cè)算法準(zhǔn)確性、實(shí)時(shí)性和復(fù)雜度的問(wèn)題開(kāi)展了研究，主要內(nèi)容概括如

2、下：
　　第一，首先簡(jiǎn)單介紹了幾種常見(jiàn)的單用戶(hù)頻譜檢測(cè)算法，并針對(duì)單用戶(hù)檢測(cè)的局限性展開(kāi)了對(duì)協(xié)作頻譜檢測(cè)技術(shù)的介紹。然后對(duì)CS的三個(gè)環(huán)節(jié)：稀疏表示、壓縮觀測(cè)和信號(hào)重構(gòu)進(jìn)行了分類(lèi)描述，并對(duì)信號(hào)重構(gòu)這部分基于稀疏貝葉斯學(xué)習(xí)的快速邊緣似然最大化(SBL-FMLM)算法做了重點(diǎn)介紹。在此基礎(chǔ)上，闡述了分布式壓縮感知(DCS)的聯(lián)合稀疏模型和聯(lián)合重構(gòu)算法。
　　第二，針對(duì)認(rèn)知無(wú)線(xiàn)電中傳統(tǒng)的寬帶壓縮頻譜檢測(cè)算法計(jì)算復(fù)雜度高、檢測(cè)實(shí)時(shí)性差

3、的缺點(diǎn)，給出了基于分布式壓縮感知信道能量觀測(cè)差值的寬帶協(xié)作頻譜檢測(cè)算法。該算法結(jié)合了差分處理和直接重構(gòu)信道能量?jī)煞N方法，使得計(jì)算復(fù)雜度大幅下降。同時(shí)針對(duì)單點(diǎn)檢測(cè)的缺陷，采用分布式壓縮感知系統(tǒng)進(jìn)行多節(jié)點(diǎn)協(xié)作檢測(cè)。所提的算法通過(guò)降低被處理信號(hào)的稀疏度來(lái)減小計(jì)算復(fù)雜度，大大減少了檢測(cè)時(shí)間，并且提高了檢測(cè)性能。
　　第三，單節(jié)點(diǎn)的寬帶壓縮頻譜檢測(cè)算法存在檢測(cè)準(zhǔn)確性低、實(shí)時(shí)性差的缺點(diǎn)，因此提出了基于多測(cè)量向量塊稀疏貝葉斯學(xué)習(xí)-快速邊緣似然函

4、數(shù)最大化(Multiple Measurement Vector(MMV) Block SBL-FMLM, MBSBL-FMLM)的寬帶協(xié)作頻譜檢測(cè)算法。該算法采用了DCS系統(tǒng)進(jìn)行多節(jié)點(diǎn)協(xié)作檢測(cè)來(lái)充分利用空間分集；另外，融合中心結(jié)合 MMV模型和寬帶信號(hào)的塊稀疏結(jié)構(gòu)得出多測(cè)量向量塊稀疏貝葉斯學(xué)習(xí)(MBSBL)框架，并利用快速邊緣似然函數(shù)最大化(FMLM)方法進(jìn)行了快速參數(shù)估計(jì)。數(shù)值分析表明，MBSBL-FMLM算法的檢測(cè)概率、歸一化均方