基于分布式压缩感知的高能效宽带压缩频谱检测方法研究

发布时间：2017-08-28 02:08

  本文关键词：基于分布式压缩感知的高能效宽带压缩频谱检测方法研究

  更多相关文章： 认知无线电 分布式压缩感知 宽带压缩频谱检测 能量有效性 贝叶斯压缩感知

【摘要】：认知无线电(Cognitive Radio,CR)可以在有限的频谱资源条件下显著提高频谱利用率。以授权用户宽频带范围作为检测目标的宽带频谱感知已成为CR研究新的发展方向。对于认知无线网络(Cognitive Radio Network,CRN)宽带频谱感知,利用压缩感知(Compressive Sensing,CS)可以减轻传统采样对硬件的要求,具有低功耗、低采样率和低计算量优势。此外,随着CRN节点密度的增加和网络覆盖面积的扩大,CRN对节点能量有效性提出了更高要求,绿色CRN逐渐成为未来CRN研究热点之一。论文研究了CRN中基于CS理论的宽带频谱感知算法,主要研究了多任务贝叶斯压缩感知(Bayesian Compressive Sensing,BCS)的宽带频谱检测算法。在此基础上,考虑了能量有效性问题,研究了基于能量有效性的BCS宽带频谱检测算法和基于能效优先的分布式压缩感知(Distributed Compressive Sensing,DCS)频谱检测与功率分配方案。以下是论文的具体研究工作:论文第一章介绍了研究的背景及意义,简要地介绍了认知无线网络的频谱检测以及高能效绿色认知无线电的概况,另外分别介绍了CS理论和基于CS的宽带频谱检测的研究现状,并在此基础上,阐述了基于能量有效性的宽带压缩频谱检测的研究现状。论文第二章论述了CS的理论框架,重点介绍了信号的稀疏变换、观测矩阵的设计以及信号的重构算法。此外,介绍了DCS的三种联合稀疏模型并详细介绍了DCS的凸松弛法和贪婪追踪重构法。论文第三章研究了基于贝叶斯压缩感知的宽带频谱检测算法。首先介绍了CRN中的宽带频谱检测以及贝叶斯压缩感知模型,然后研究了基于多任务BCS宽带频谱的检测,研究结果表明此方法可以实现重构均方误差(Mean Square Error,MSE)的快速收敛及检测性能的显著提高。同时,论文进一步研究了基于能量有效性的BCS宽带频谱检测,研究结果表明所提方法可以在较小的采样点数下满足宽带压缩频谱检测接收机特性曲线(Receiver Operation Characteristics,ROC)性能,保障了节点的能量有效性。论文第四章研究了基于DCS的高能效频谱检测与功率分配方法。该方法考虑了CR网络能量有效性与频谱有效性之间的折衷关系,利用分布式压缩感知子空间追踪(Distributed Compressive Sensing-Subspace Pursuit,DCS-SP)进行认知用户感知信号重构,根据信道能量累积进行频谱检测。此外,进一步研究了基于速率自适应(Rate Adaptation,RA)准则的节点功率分配方案。所提方法通过构造重构与检测阶段的加权能耗函数,综合考虑了重构均方误差、检测概率、用户功率分配比以及认知链路频带利用率等约束条件,数值求解该优化问题得到在不同的重构能耗权值和稀疏度情况下的系统最小加权能耗。研究结果表明,在低重构能耗权值与低稀疏度的情况下,所提方案的系统加权能耗较小。当认知用户满足近似等功率分配时的系统加权能耗可达最小值。此外,检测性能和认知链路频带利用率均与系统加权能耗存在着折衷关系。论文第五章为论文的总结与未来工作的展望。论文对基于DCS的高能效宽带压缩频谱检测问题进行了初步的研究探索,研究成果对于后续工作的开展具有重要的启发意义。
【关键词】：认知无线电 分布式压缩感知 宽带压缩频谱检测 能量有效性 贝叶斯压缩感知
【学位授予单位】：杭州电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN925
【目录】：

• 摘要5-7
• ABSTRACT7-11
• 第1章 绪论11-18
• 1.1 研究背景及意义11-12
• 1.2 认知无线网络概述12-14
• 1.2.1 认知无线电频谱检测概述12-14
• 1.2.2 高能效绿色认知无线网络概述14
• 1.3 压缩感知理论研究现状14-15
• 1.4 基于CS的宽带频谱检测研究现状15
• 1.5 基于能量有效性的宽带压缩频谱检测研究现状15-16
• 1.6 论文主要工作和内容安排16-18
• 1.6.1 论文主要研究内容及创新点16-17
• 1.6.2 论文章节安排17-18
• 第2章 分布式压缩感知理论18-25
• 2.1 CS理论框架18-19
• 2.1.1 信号稀疏变换18
• 2.1.2 观测矩阵设计18-19
• 2.1.3 信号重构方法19
• 2.2 DCS联合稀疏模型19-20
• 2.3 DCS重构方法20-24
• 2.3.1 凸松弛法20-22
• 2.3.2 贪婪追踪法22-24
• 2.4 本章小结24-25
• 第3章 基于贝叶斯压缩感知的宽带频谱检测25-41
• 3.1 认知无线网络宽带频谱检测模型25-28
• 3.1.1 多用户协作频谱感知25-26
• 3.1.2 贝叶斯压缩感知26-27
• 3.1.3 宽带频谱检测27-28
• 3.2 基于多任务贝叶斯压缩感知的宽带频谱检测28-37
• 3.2.1 基于期望最大化算法的多任务BCS参数设计28-30
• 3.2.2 基于相关向量机模型的多任务BCS参数估计30-32
• 3.2.3 多任务BCS重构MSE与频谱检测性能32
• 3.2.4 仿真与性能分析32-37
• 3.3 基于能量有效性的贝叶斯压缩感知宽带频谱检测37-39
• 3.3.1 节点感知能耗分析37
• 3.3.2 感知能耗优化方法37-38
• 3.3.3 数值仿真与性能分析38-39
• 3.4 本章小结39-41
• 第4章 基于能效优先的DCS频谱检测与功率分配方案41-51
• 4.1 基于分布式压缩感知子空间追踪的频谱检测41-43
• 4.1.1 DCS-SP感知信号重构算法41-42
• 4.1.2 频谱检测性能分析42-43
• 4.2 基于速率自适应准则的节点功率分配方案43
• 4.3 节点能耗分析与能效优化方法43-45
• 4.3.1 重构能耗与检测能耗43-44
• 4.3.2 加权总能耗44
• 4.3.3 节点能效优化方法44-45
• 4.4 数值分析与仿真45-50
• 4.5 本章小结50-51
• 第5章 结束语51-53
• 5.1 论文总结51-52
• 5.2 未来工作展望52-53
• 致谢53-54
• 参考文献54-59
• 附录59

【相似文献】

中国期刊全文数据库 前10条

1 顾彬;杨震;;一种基于压缩感知的非重构频谱检测新算法[J];南京邮电大学学报(自然科学版);2010年06期

2 麦磊鑫;秦晓卫;戴旭初;;基于粒子滤波的协作式空时联合频谱检测方法[J];信号处理;2011年12期

3 张家凯;李莉;周小平;李磊;凌洪涛;;低信噪比下一种改进的谱相关频谱检测[J];电视技术;2013年13期

4 李娜;陈松;李鸥;;基于统计可信度的压缩感知协作频谱检测算法[J];电讯技术;2014年01期

5 李娜;陈松;王盛;李鸥;;基于信号可信度的压缩感知协作频谱检测算法[J];计算机科学;2013年S2期

6 石晓娟;张融;;非理想频谱检测对主用户干扰的性能分析[J];电讯技术;2014年02期

7 张余;潘成康;杨文东;蔡跃明;;基于可信度的半双工协同频谱检测[J];信号处理;2008年06期

8 曾文娟;谢显中;;基于小波去噪的协作空闲频谱检测性能[J];吉林大学学报(信息科学版);2010年05期

9 王春生;刘林;;基于信噪比加权的合作频谱检测算法[J];无线通信技术;2011年01期

10 王臣昊;杨震;肖小潮;;基于优化贝叶斯压缩感知算法的频谱检测[J];信号处理;2012年05期

中国重要会议论文全文数据库 前2条

1 杨涛;胡波;;一种主动协作的频谱检测策略[A];无线传感器网及网络信息处理技术——2006年通信理论与信号处理年会论文集[C];2006年

2 何丽华;;感知无线电中空闲频谱检测算法性能比较研究[A];2012全国无线及移动通信学术大会论文集（上）[C];2012年

中国博士学位论文全文数据库 前10条

1 黄冬艳;面向能效优化的MIMO传输技术研究[D];北京邮电大学;2015年

2 王波;认知无线网络中的联合频谱检测关键技术研究[D];北京邮电大学;2014年

3 麦磊鑫;基于认知用户协作的频谱检测方法研究[D];中国科学技术大学;2011年

4 徐伟琳;基于压缩感知的宽带频谱检测方法研究[D];北京邮电大学;2014年

5 朱莹;认知无线网络中高效频谱检测关键技术的研究[D];北京邮电大学;2014年

6 黄川;认知无线网络中频谱检测机制及频谱资源分配研究[D];南京邮电大学;2011年

7 石磊;认知无线电中空闲频谱检测技术的研究[D];哈尔滨工业大学;2010年

8 胡富平;基于能量检测的认知无线电协作频谱检测研究[D];华中科技大学;2010年

9 刘义;基于用户合作的频谱检测与动态接入理论及算法研究[D];华南理工大学;2011年

10 陈星;感知无线电物理层关键技术研究[D];北京邮电大学;2008年

中国硕士学位论文全文数据库 前10条

1 罗晓光;基于压缩感知的认知无线电频谱检测研究[D];大连海事大学;2016年

2 佘才青;基于检测的正交匹配追踪算法及在频谱检测中的应用[D];安徽大学;2015年

3 王思璇;基于信噪比选择及加权的认知无线网络频谱检测方法的研究[D];江苏大学;2016年

4 方源;基于循环平稳特征的协作频谱检测算法研究[D];重庆邮电大学;2016年

5 包小敏;认知无线网络中非理想频谱检测下的切换研究[D];重庆邮电大学;2016年

6 张博;认知无线网络中频谱检测机制的设计与仿真[D];东北大学;2011年

7 阮旭峰;面向压缩感知的宽带频谱检测技术[D];西安电子科技大学;2015年

8 王赞;基于分布式压缩感知的高能效宽带压缩频谱检测方法研究[D];杭州电子科技大学;2016年

9 张凤娟;基于多天线空间相关性的序贯频谱检测算法[D];华南理工大学;2012年

10 张家凯;低信噪比下频谱检测技术的研究[D];上海师范大学;2013年

，

本文编号：746871