基于壓縮感知的寬帶頻譜檢測(cè)技術(shù)研究.pdf

1、當(dāng)今無(wú)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(rèn)知無(wú)線電技術(shù)是解決頻譜資源匱乏問(wèn)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(shí)性地共享此頻譜資源。認(rèn)知無(wú)線電系統(tǒng)要求次用戶能對(duì)頻譜空穴作出快速準(zhǔn)確的判斷，它是認(rèn)知無(wú)線電系統(tǒng)進(jìn)行通信的前提條件。判斷頻譜空穴是對(duì)信號(hào)先進(jìn)行采集然后再分析的過(guò)程，由于模數(shù)轉(zhuǎn)換器件對(duì)寬頻信號(hào)的處理能力仍然有限，傳統(tǒng)方法無(wú)法直接對(duì)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(shí)進(jìn)行的信號(hào)處理新技術(shù)，基于壓縮感知技術(shù)的頻譜檢測(cè)能突破奈奎斯特采樣速率的瓶頸對(duì)寬頻信號(hào)進(jìn)行快速處理，是近年來(lái)認(rèn)知無(wú)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(rèn)知用戶分簇的協(xié)作壓縮頻譜感知。壓縮感知實(shí)現(xiàn)了信號(hào)從模擬到信息的直接采集過(guò)程，壓縮頻譜感知是在頻譜檢測(cè)過(guò)程中采用了壓縮感知技術(shù)。在多認(rèn)知用戶檢測(cè)系統(tǒng)中，用戶之間的參與協(xié)作能提高頻譜檢測(cè)概率，但距離融合中心較遠(yuǎn)的用戶

3、通常衰落較嚴(yán)重，這些用戶的數(shù)據(jù)反而會(huì)使得總體感知性能惡化。本文將全部協(xié)作用戶進(jìn)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(cè)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(gè)簇頭收集該簇內(nèi)所有用戶的壓縮測(cè)量值，簇頭將信息重構(gòu)后計(jì)算出的信號(hào)能量值并送往融合中心，融合中心根據(jù)各簇信噪比對(duì)信號(hào)能量值進(jìn)行加權(quán)處理。本創(chuàng)新點(diǎn)解決了邊遠(yuǎn)用戶所帶來(lái)的負(fù)面影響問(wèn)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(duì)所有待測(cè)子頻帶進(jìn)行判決，能快速準(zhǔn)確地給出頻譜空穴的判定結(jié)果。
　?、苹跓o(wú)線傳感網(wǎng)的空頻聯(lián)合壓縮感知技術(shù)。本文采用了無(wú)線傳感網(wǎng)對(duì)寬帶信號(hào)進(jìn)行頻譜檢測(cè)，由于無(wú)線傳感網(wǎng)節(jié)點(diǎn)的數(shù)據(jù)之間具有空間相關(guān)性，通過(guò)設(shè)計(jì)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(jì)了與無(wú)線傳感網(wǎng)頻譜檢測(cè)相適應(yīng)的投影矩陣，研究了多個(gè)傳感網(wǎng)節(jié)點(diǎn)在不同頻段感知時(shí)的分工與協(xié)作，利用小波提升技術(shù)提取了節(jié)點(diǎn)數(shù)據(jù)之間的相關(guān)性。通過(guò)設(shè)計(jì)合理有效的小波基

5、，降低單節(jié)點(diǎn)的計(jì)算復(fù)雜度并利用節(jié)點(diǎn)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(shí)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(wèn)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(zhǔn)確的判斷。
　?、腔谕队熬仃嚺c自適應(yīng)過(guò)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(guò)

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(dāng)列向量之間的相似程度越高時(shí)，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(cè)概率，需要設(shè)計(jì)出合適的投影矩陣并進(jìn)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(jì)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(cè)次數(shù)也影響到重構(gòu)準(zhǔn)確度，為了選取合適的觀測(cè)次數(shù)，本文利用序貫測(cè)量的方法來(lái)調(diào)整投影矩陣的大小，無(wú)需通過(guò)重構(gòu)即能估計(jì)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(cè)次數(shù)自適應(yīng)的特點(diǎn)，構(gòu)建了基于投影矩陣與自適應(yīng)過(guò)程聯(lián)合優(yōu)化實(shí)現(xiàn)的模型，提出了寬頻檢測(cè)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(wèn)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(jìn)相關(guān)向量機(jī)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(cè)信號(hào)頻譜是未知的，但主用戶對(duì)頻段的占用情況往往與歷史經(jīng)驗(yàn)相關(guān)，因而具備了一定的先驗(yàn)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(yàn)知識(shí)，使其在檢測(cè)頻譜空穴時(shí)具有一定優(yōu)勢(shì)。本文通過(guò)分析貝葉斯壓縮頻譜感知中壓縮與重構(gòu)的詳細(xì)過(guò)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(yàn)重構(gòu)算法。根據(jù)分布式感知節(jié)點(diǎn)的特點(diǎn)，本文進(jìn)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(guò)修改多個(gè)用戶聯(lián)合貝葉斯重構(gòu)的目標(biāo)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(jī)算法，解決了單用戶中魯棒性不強(qiáng)的問(wèn)題。仿真結(jié)果表明，該