基于壓縮感知的寬帶頻譜檢測技術(shù)研究.pdf

1、當今無線電頻譜的應(yīng)用需求不斷增加，導(dǎo)致可用的頻譜資源變得非常有限。認知無線電技術(shù)是解決頻譜資源匱乏問題的有效方案之一，其主要思想是在保證主用戶正常通信的前提下將空閑頻段讓出，使得次用戶可以臨時性地共享此頻譜資源。認知無線電系統(tǒng)要求次用戶能對頻譜空穴作出快速準確的判斷，它是認知無線電系統(tǒng)進行通信的前提條件。判斷頻譜空穴是對信號先進行采集然后再分析的過程，由于模數(shù)轉(zhuǎn)換器件對寬頻信號的處理能力仍然有限，傳統(tǒng)方法無法直接對寬帶頻譜空穴作出快速判

2、斷。壓縮感知技術(shù)是一種數(shù)據(jù)采集與壓縮同時進行的信號處理新技術(shù)，基于壓縮感知技術(shù)的頻譜檢測能突破奈奎斯特采樣速率的瓶頸對寬頻信號進行快速處理，是近年來認知無線電技術(shù)中正在不斷深入研究的課題。本研究主要內(nèi)容包括：
　?、呕谡J知用戶分簇的協(xié)作壓縮頻譜感知。壓縮感知實現(xiàn)了信號從模擬到信息的直接采集過程，壓縮頻譜感知是在頻譜檢測過程中采用了壓縮感知技術(shù)。在多認知用戶檢測系統(tǒng)中，用戶之間的參與協(xié)作能提高頻譜檢測概率，但距離融合中心較遠的用戶

3、通常衰落較嚴重，這些用戶的數(shù)據(jù)反而會使得總體感知性能惡化。本文將全部協(xié)作用戶進行分簇處理，結(jié)合分布式壓縮感知技術(shù)，構(gòu)建了分簇協(xié)作頻譜檢測的系統(tǒng)模型，并在此基礎(chǔ)上提出了一種基于分簇的聯(lián)合匹配追蹤算法。本系統(tǒng)中的各個簇頭收集該簇內(nèi)所有用戶的壓縮測量值，簇頭將信息重構(gòu)后計算出的信號能量值并送往融合中心，融合中心根據(jù)各簇信噪比對信號能量值進行加權(quán)處理。本創(chuàng)新點解決了邊遠用戶所帶來的負面影響問題，提高了多用戶壓縮數(shù)據(jù)的重構(gòu)概率。本文提出的分簇協(xié)作

4、壓縮頻譜感知方法能對所有待測子頻帶進行判決，能快速準確地給出頻譜空穴的判定結(jié)果。
　　⑵基于無線傳感網(wǎng)的空頻聯(lián)合壓縮感知技術(shù)。本文采用了無線傳感網(wǎng)對寬帶信號進行頻譜檢測，由于無線傳感網(wǎng)節(jié)點的數(shù)據(jù)之間具有空間相關(guān)性，通過設(shè)計空間小波基可以使頻譜數(shù)據(jù)在其上面表現(xiàn)出稀疏性。本文設(shè)計了與無線傳感網(wǎng)頻譜檢測相適應(yīng)的投影矩陣，研究了多個傳感網(wǎng)節(jié)點在不同頻段感知時的分工與協(xié)作，利用小波提升技術(shù)提取了節(jié)點數(shù)據(jù)之間的相關(guān)性。通過設(shè)計合理有效的小波基

5、，降低單節(jié)點的計算復(fù)雜度并利用節(jié)點之間的數(shù)據(jù)相關(guān)性，提出了頻譜數(shù)據(jù)在空間小波基上的稀疏表示方法。本文建立了數(shù)據(jù)在頻域和空域二維同時壓縮感知的模型，并提出了空頻壓縮感知聯(lián)合重構(gòu)算法，解決了一維壓縮下重構(gòu)效果欠佳的問題。仿真結(jié)果表明，在總壓縮比相同的情況下，本文算法的重構(gòu)概率高于一維壓縮下的重構(gòu)概率，并能夠?qū)︻l譜空穴做出準確的判斷。
　?、腔谕队熬仃嚺c自適應(yīng)過程聯(lián)合優(yōu)化的壓縮頻譜感知。投影矩陣的優(yōu)劣直接影響到壓縮感知的重構(gòu)效果，通過

6、減少投影矩陣列向量之間的相關(guān)性可以提高重構(gòu)概率。當列向量之間的相似程度越高時，重構(gòu)算法中的基追蹤能力就越弱。為了提高壓縮頻譜感知中的檢測概率，需要設(shè)計出合適的投影矩陣并進行優(yōu)化。本文研究了如何減少投影矩陣列向量之間的相關(guān)性，設(shè)計出了壓縮頻譜感知中優(yōu)化投影矩陣的方案。另外，壓縮感知中的觀測次數(shù)也影響到重構(gòu)準確度，為了選取合適的觀測次數(shù)，本文利用序貫測量的方法來調(diào)整投影矩陣的大小，無需通過重構(gòu)即能估計出誤差值，并提出了壓縮頻譜感知中投影矩陣

7、的自適應(yīng)方法。本文結(jié)合投影矩陣優(yōu)化與觀測次數(shù)自適應(yīng)的特點，構(gòu)建了基于投影矩陣與自適應(yīng)過程聯(lián)合優(yōu)化實現(xiàn)的模型，提出了寬頻檢測中的稀疏自適應(yīng)匹配追蹤優(yōu)化算法，解決了如何尋求最佳投影矩陣的問題。仿真結(jié)果表明該算法下的性能優(yōu)于未經(jīng)優(yōu)化的傳統(tǒng)方法。
　?、然诟倪M相關(guān)向量機的分布式貝葉斯壓縮頻譜感知技術(shù)。盡管通常情況下待測信號頻譜是未知的，但主用戶對頻段的占用情況往往與歷史經(jīng)驗相關(guān)，因而具備了一定的先驗概率分布的特性。貝葉斯壓縮感知能有效地

8、利用頻段占用的先驗知識，使其在檢測頻譜空穴時具有一定優(yōu)勢。本文通過分析貝葉斯壓縮頻譜感知中壓縮與重構(gòu)的詳細過程，研究了貝葉斯回歸與分類模型，討論了經(jīng)典貝葉斯壓縮重構(gòu)算法與拉普拉斯分層先驗重構(gòu)算法。根據(jù)分布式感知節(jié)點的特點，本文進一步探討了分布式貝葉斯壓縮感知的頻譜重構(gòu)技術(shù)，通過修改多個用戶聯(lián)合貝葉斯重構(gòu)的目標函數(shù)，建立了寬帶分布式貝葉斯壓縮頻譜感知模型，提出一種分布式魯棒性相關(guān)向量機算法，解決了單用戶中魯棒性不強的問題。仿真結(jié)果表明，該