基于压缩感知的盲频谱感知方法研究

发布时间：2021-02-15 14:04

　　认知无线电技术是近些年出现的一种新兴技术,它旨在通过频谱感知发现频谱机会以实现频谱资源的高效重复利用,被认为是解决当前无线电频谱资源紧缺的最有效的解决办法。在频谱感知中使用传统的采样方法在面对高频率和大带宽频谱时对硬件设备要求极高,此时压缩感知理论可以有效的解决这个问题。但在压缩感知中绝大部分测量和还原方法都需要确定待测信号的一些参数才能对信号进行精确的重构还原,面对完全未知的待测信号时这些方法的效果会变得很差,而这种情况是在实际频谱感知中经常会遇到的。本文针对这个问题展开研究,首先对于目前已有的一些压缩感知方法进行评估对比,发现这些方法中适合应用于盲频谱估计的技术特性,并对这些方法进行组合以及改进,研究一种在盲频谱感知情况下从压缩测量到信号重构均能够高效准确完成的新方法。本文的具体研究内容如下:1.针对很多压缩感知信号测量和还原方法不能适用于盲频谱感知的问题,本文整理了压缩感知系统中几种典型的压缩测量矩阵以及信号还原算法,对各种矩阵的构造特点以及还原算法的原理步骤进行说明,随后进行了一系列的仿真实验,评估这些矩阵和还原算法的性能。2.针对盲频谱感知情况下无法确定对频谱信号合适采样次数... 

【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校

【文章页数】：78 页

【学位级别】：硕士

【部分图文】：

中国无线电频率划分图

吉林大学硕士学位论文18图2-10压缩测量示意图(3)信号重构信号重构部分是整个压缩感知的最后一步也是最重要的一步。因为我们需要重构的是N维信号向量x，但测量结果向量y的维度为M且MN，此时方程组中未知数的数量大于等式的数量，方程没有确定解，求解向量θ是一个欠定问题。压缩感知理论中把这个欠定求解问题转化成了求矩阵范数0l最小值的问题，即：0mins.t.θθyΦΨθ(2.12)通过求解0l范数的最小值来得到θ，再对原始信号x进行重构。这个求解0l范数的问题在理论上是一个NP-Hard问题，因为对此问题求解需要遍历非零项的所有KNC个线性组合。为了有效简化运算使方法可行，0l范数优化问题又可以转化为求pl范数的最小值的问题，其中p(0,2)，可以写作：min..pstθθyΦΨθ(2.13)p的取值不同会使对重构性能也不同，以2x为例，当p取值不同时，pl算法性能如图所示：

不同测量次数下的恢复误差对比

【参考文献】：
期刊论文
[1]Cyclostationary Feature Detection Based Spectrum Sensing Algorithm under Complicated Electromagnetic Environment in Cognitive Radio Networks[J]. Yang Mingchuan,Li Yuan,Liu Xiaofeng,Tang Wenyan.  中国通信. 2015(09)

博士论文
[1]基于控制理论的认知无线电网络动态功率控制研究[D]. 张树英.吉林大学 2019
[2]基于压缩感知的宽带频谱检测技术研究[D]. 王韦刚.南京邮电大学 2015
[3]基于压缩感知的宽带频谱感知技术研究[D]. 李含青.哈尔滨工业大学 2014

硕士论文
[1]宽带频谱感知技术研究与实现[D]. 耿雨晴.西安电子科技大学 2017
[2]认知无线电中基于欠采样的宽带频谱感知关键技术研究[D]. 鲁勇.国防科学技术大学 2014
[3]压缩感知测量矩阵构造方法研究[D]. 张金霞.天津大学 2014



本文编号：3034980