認知無線系統(tǒng)中分布式寬帶頻譜壓縮感知技術研究.pdf

1、伴隨無線通信技術的高速發(fā)展及無線通信業(yè)務需求的極速增長，可分配的無線頻譜資源也變得越來越匱乏。認知無線電技術是解決頻譜稀缺問題的最佳方案，它旨在不影響主用戶通信的前提下，通過動態(tài)頻譜接入的方式利用空閑頻譜進行通信。頻譜感知是認知無線電技術的前提，對寬帶無線頻譜進行可靠、準確、快速的感知也成為認知無線電技術能否從理論走向現(xiàn)實應用的決定性因素之一。
　　壓縮感知技術可以解決寬帶頻譜感知中存在的高速采樣與海量信息處理問題，但由于壓縮感知

2、改變了原始信號的時間關系，無法直接從觀測序列獲取頻譜信息，因此也難以直接利用觀測數(shù)據(jù)進行頻譜感知。本文針對這一的背景開展研究，針對現(xiàn)有寬帶頻譜感知方法所存在的一些問題，探索可以快速、準確感知寬帶頻域范圍的頻譜感知方法，并取得了一些研究成果。本文的主要工作和創(chuàng)新如下：
　?。?）通過分析認知網(wǎng)絡中的頻域稀疏特性，構建了滿足分布式壓縮感知的聯(lián)合稀疏模型。針對傳統(tǒng)寬帶頻譜壓縮感知方案難以確定最優(yōu)觀測序列長度的問題，提出基于序貫壓縮感知的

3、自適應寬帶頻譜壓縮感知方案。該方案通過次用戶與次基站間的反饋機制估算當前重構稀疏向量的重構誤差，并利用重構誤差確定觀測序列長度。同時，利用多個次用戶間的聯(lián)合稀疏性實現(xiàn)了多維觀測數(shù)據(jù)的聯(lián)合重構，提高重構性能并降低觀測序列長度。仿真結果驗證了重構誤差估計的準確性，聯(lián)合重構算法對比單用戶重構算法顯著提升了重構精度?；诼?lián)合稀疏模型的多用戶協(xié)作感知也明顯提升了系統(tǒng)的感知性能。
　　（2）為了在貝葉斯壓縮感知框架下對觀測矩陣進行優(yōu)化，利用關

4、聯(lián)向量機高斯先驗模型及拉普拉斯先驗模型兩種方式對聯(lián)合稀疏信號進行建模。由于常用的匹配追蹤算法不適用于貝葉斯壓縮感知，因此在兩種模型基礎上分別提出分布式關聯(lián)向量機聯(lián)合重構算法和分布式貝葉斯快速拉普拉斯聯(lián)合重構算法，并從理論上分析了兩種算法的性能差異及聯(lián)系。通過對稀疏信號微分熵的分析，利用特征值分解法對擴充后的觀測矩陣進行優(yōu)化。仿真結果表明，分布式貝葉斯快速拉普拉斯聯(lián)合重構算法具有更好的重構性能，經(jīng)過優(yōu)化的觀測矩陣相比隨機擴展方式能夠更好地

5、提升重構精度，降低所需的觀測序列長度。
　　（3）寬帶頻譜感知并不一定需要寬帶信號的所有信息，通過重構獲取的功率譜密度只是作為提取特征參數(shù)的中間量存在。為了能夠直接獲取作為判決準則的特征參數(shù)，提出一種基于隨機濾波器組的分布式非完全重構寬帶頻譜壓縮感知方法，利用隨機濾波器的輸出數(shù)據(jù)實現(xiàn)信道能量的壓縮采樣。為了對現(xiàn)有的聯(lián)合重構算法進行優(yōu)化，通過分析匹配追蹤系列算法的特點，提出同時壓縮采樣匹配追蹤及同時稀疏度自適應匹配追蹤兩種聯(lián)合重構算

6、法。仿真結果表明，非完全重構頻譜壓縮感知可以明顯降低系統(tǒng)所需的濾波器數(shù)目，同時稀疏度自適應匹配追蹤算法在重構性能明顯優(yōu)于同時正交匹配追蹤算法，但略低于壓縮采樣匹配追蹤算法，由于該算法能夠自適應稀疏度，因此更具有實用價值。
　?。?）壓縮采樣后的觀測序列可以完整重構原稀疏信號，因此包含了稀疏信號的完整信息?；谝陨鲜聦?，提出基于串行掃描結構的多分辨率感知方案，低分辨率模式采用非重構頻譜壓縮感知算法。該算法直接利用觀測序列對掃描頻段的