基于分布式壓縮感知的高能效寬帶壓縮頻譜檢測(cè)方法研究.pdf

1、認(rèn)知無(wú)線電（Cognitive Radio, CR）可以在有限的頻譜資源條件下顯著提高頻譜利用率。以授權(quán)用戶寬頻帶范圍作為檢測(cè)目標(biāo)的寬帶頻譜感知已成為CR研究新的發(fā)展方向。對(duì)于認(rèn)知無(wú)線網(wǎng)絡(luò)（Cognitive Radio Network, CRN）寬帶頻譜感知，利用壓縮感知（Compressive Sensing, CS）可以減輕傳統(tǒng)采樣對(duì)硬件的要求，具有低功耗、低采樣率和低計(jì)算量?jī)?yōu)勢(shì)。此外，隨著CRN節(jié)點(diǎn)密度的增加和網(wǎng)絡(luò)覆蓋面積的擴(kuò)大

2、，CRN對(duì)節(jié)點(diǎn)能量有效性提出了更高要求，綠色CRN逐漸成為未來(lái)CRN研究熱點(diǎn)之一。
　　論文研究了CRN中基于CS理論的寬帶頻譜感知算法，主要研究了多任務(wù)貝葉斯壓縮感知（Bayesian Compressive Sensing, BCS）的寬帶頻譜檢測(cè)算法。在此基礎(chǔ)上，考慮了能量有效性問題，研究了基于能量有效性的BCS寬帶頻譜檢測(cè)算法和基于能效優(yōu)先的分布式壓縮感知（Distributed Compressive Sensing,

3、DCS）頻譜檢測(cè)與功率分配方案。以下是論文的具體研究工作：
　　論文第一章介紹了研究的背景及意義，簡(jiǎn)要地介紹了認(rèn)知無(wú)線網(wǎng)絡(luò)的頻譜檢測(cè)以及高能效綠色認(rèn)知無(wú)線電的概況，另外分別介紹了CS理論和基于CS的寬帶頻譜檢測(cè)的研究現(xiàn)狀，并在此基礎(chǔ)上，闡述了基于能量有效性的寬帶壓縮頻譜檢測(cè)的研究現(xiàn)狀。
　　論文第二章論述了 CS的理論框架，重點(diǎn)介紹了信號(hào)的稀疏變換、觀測(cè)矩陣的設(shè)計(jì)以及信號(hào)的重構(gòu)算法。此外，介紹了DCS的三種聯(lián)合稀疏模型并詳細(xì)

4、介紹了DCS的凸松弛法和貪婪追蹤重構(gòu)法。
　　論文第三章研究了基于貝葉斯壓縮感知的寬帶頻譜檢測(cè)算法。首先介紹了CRN中的寬帶頻譜檢測(cè)以及貝葉斯壓縮感知模型，然后研究了基于多任務(wù)BCS寬帶頻譜的檢測(cè)，研究結(jié)果表明此方法可以實(shí)現(xiàn)重構(gòu)均方誤差（Mean Square Error, MSE）的快速收斂及檢測(cè)性能的顯著提高。同時(shí)，論文進(jìn)一步研究了基于能量有效性的BCS寬帶頻譜檢測(cè)，研究結(jié)果表明所提方法可以在較小的采樣點(diǎn)數(shù)下滿足寬帶壓縮頻譜檢

5、測(cè)接收機(jī)特性曲線（Receiver Operation Characteristics, ROC）性能，保障了節(jié)點(diǎn)的能量有效性。
　　論文第四章研究了基于DCS的高能效頻譜檢測(cè)與功率分配方法。該方法考慮了CR網(wǎng)絡(luò)能量有效性與頻譜有效性之間的折衷關(guān)系，利用分布式壓縮感知子空間追蹤（Distributed Compressive Sensing-Subspace Pursuit, DCS-SP）進(jìn)行認(rèn)知用戶感知信號(hào)重構(gòu)，根據(jù)信道能量累

6、積進(jìn)行頻譜檢測(cè)。此外，進(jìn)一步研究了基于速率自適應(yīng)（Rate Adaptation, RA）準(zhǔn)則的節(jié)點(diǎn)功率分配方案。所提方法通過構(gòu)造重構(gòu)與檢測(cè)階段的加權(quán)能耗函數(shù)，綜合考慮了重構(gòu)均方誤差、檢測(cè)概率、用戶功率分配比以及認(rèn)知鏈路頻帶利用率等約束條件，數(shù)值求解該優(yōu)化問題得到在不同的重構(gòu)能耗權(quán)值和稀疏度情況下的系統(tǒng)最小加權(quán)能耗。研究結(jié)果表明，在低重構(gòu)能耗權(quán)值與低稀疏度的情況下，所提方案的系統(tǒng)加權(quán)能耗較小。當(dāng)認(rèn)知用戶滿足近似等功率分配時(shí)的系統(tǒng)加權(quán)能耗