基于压缩感知的非重构频谱感知算法研究

发布时间：2024-05-18 18:29

　　随着无线通信的快速发展和高速数据传输需求的快速提高,无线频谱作为一种有限和不可再生的自然资源,已经无法充分满足无线通信的需要,无线频谱资源的稀缺成为亟待解决的问题。然而,很多被静态分配的频谱资源(Spectrum Resource,SR)未得到充分利用,造成了不必要的浪费和频谱资源的不平衡利用。认知无线电(Cognitive Radio,CR)是为了充分利用频谱资源,允许未被分配频谱资源的次要用户(Secondary User,SU)利用主要用户(Primary User,PU)的空闲频谱。在CR中,频谱感知(Spectrum Sensing,SS)是第一个步骤,需要检测出在不干扰PU的情况下,能被SU使用的频谱空洞。传统的方法是对信号压缩采样,然后重构信号,再进行频谱检测。根据CS理论,信号重构是计算量消耗最大的步骤,因此为了减少频谱感知算法的计算量,研究非重构框架下有效的频谱感知算法迫在眉睫。为了减小信号重构下频谱感知算法的计算复杂度和恢复频谱准确性对判决结果的影响,提出了基于压缩感知的非重构单节点频谱感知算法。在单节点频谱感知(Single Node Spectrum Sensi...

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

图3.3单用户检测模型示意图

3.2基于压缩感知的非重构单门限下的系统模型及算法基于压缩感知的频谱感知研究多是要重构出原始信号，而重构的精确度却直接影响到频谱检测的效果，并且我们所关心的并不是重构后的信号，需要的只是判断授权用户的存在与否，因此并不需要完整的信号重构。3.2.1单用户模型单用户检....

图3.8接收信号的时域和频域图

基于非重构压缩感知的终端管制区高精度频谱感知算法研究34（a）时域图（b）频谱图图3.8接收信号的时域和频域图将信号首先进行QPSK信号调制，然后按照第二章中讨论的优化测量矩阵算法，基于DCT稀疏字典对高斯随机矩阵进行优化，利用优化后的测量矩阵提取压缩测量值，并求取其能量值作为决....

图4.2一维卷积过程示意图

基于非重构压缩感知的终端管制区高精度频谱感知算法研究44因此，本节着重介绍这些操作并简明阐述CNN的优势。基于信号处理中的需求，构建一维卷积核，基本的公式表示为：f(x)g(x)f()g(x)=（4-1）其中，f(x)和g(x)表示积分的函数，在(,)区间上对积分，自变量是x。在....

图4.724种调制类型的时域图样例

基于非重构压缩感知的终端管制区高精度频谱感知算法研究50OQPSK。这一类的信号基本上在高信噪比先完成相对简单的任务，信息密度相对较低，并且在衰落信道中常见到的调制方式；另一种称为“难度”的数据集，包含全部的24种调制类型：OOK，4ASK，8ASK，BPSK，QPSK，8PSK....

本文编号：3977189