基于變分稀疏貝葉斯學(xué)習(xí)的頻譜檢測與定位.pdf

1、稀疏貝葉斯學(xué)習(xí)方法是一種基于貝葉斯框架的函數(shù)方法,它能夠充分挖掘和利用先驗(yàn)信息,假定先驗(yàn)信息的概率分布情況,對要解決的問題進(jìn)行合理的建模,實(shí)現(xiàn)低維模型的學(xué)習(xí)。將稀疏貝葉斯學(xué)習(xí)方法用于空閑頻譜感知的難點(diǎn)在于確定貝葉斯最優(yōu)假設(shè)的計(jì)算代價(jià)比較大以及感知精度不準(zhǔn),本文圍繞這些問題展開了研究工作。
　　為了降低對寬帶信號進(jìn)行壓縮頻譜感知的復(fù)雜度,提出了一種基于變分稀疏貝葉斯學(xué)習(xí)的頻譜檢測方法。該算法直接利用壓縮測量值對授權(quán)用戶的位置、個(gè)數(shù)以

2、及功率傳播圖進(jìn)行了估計(jì),在先驗(yàn)知識未知的情況下,利用變分稀疏貝葉斯求解稀疏權(quán)值。在變分算法中采用簡單函數(shù)因子逼近復(fù)雜難以求解的后驗(yàn)分布,這樣大大降低了邊緣似然函數(shù)的計(jì)算難度。而且變分稀疏貝葉斯方法在推導(dǎo)圖示模型時(shí)還能夠提供一致的推導(dǎo)框架。實(shí)驗(yàn)結(jié)果表明:該方法在感知速度和精度上都有明顯提高。
　　為了克服深衰落、陰影效應(yīng)、隱藏終端等對認(rèn)知用戶感知精度的影響,同時(shí)在沒有融合中心的情況下,使每個(gè)認(rèn)知用戶能夠獲得全局最優(yōu)解。本文提出了基于