宽带认知无线电中压缩频谱感知技术及研究.pdf

、 ● 摘要 摘 要 宽带认知无线电能在宽频带内寻找可用的频谱资源，因而认知无线电用户能获 得更多的通信机会。然而，由于宽带频谱感知需要在极短的时间内完成对宽带信号 的采样，这要求认知无线电设备的射频前端模拟．数字转换器(ADC)具有很高的采样速 率。以目前的ADC带IJ作工艺，需要花费很大的代价才能制造出满足宽带频谱感知要求 的高速ADC。压缩感知利用采样信号在某一投影空间的稀疏性，可以用低于信号奈奎 斯特采样速率对宽带信号进行采样并重构，从而可以大大降低ADC的采样速率。在宽 带认知无线电中，由于主用户通常不会在同一时间占用整个宽频带，因而主用户信号 在频域上具有稀疏性，可以采用压缩感知技术进行宽带频谱感知。然而，压缩感知对 噪声比较敏感。当压缩采样信号的信噪比下降时，会导致压缩频谱信号重构的失败， 进而导致得到错误的频谱感知结果。由于错误的频谱感知结果会造成对主用户的严重 干扰，因而提高压缩频谱感知的抗噪性尤为重要。另一方面，压缩频谱感知的性能还 与频谱的稀疏度有关，一旦主用户占用大多数频带，频谱将失去稀疏性，从而导致压 缩频谱感知失败，进而可能产生对主用户的严重干扰。因此，检测出频谱的非稀疏性 对保护主用户尤为关键。 基于上述存在的问题，本文研究了在同构宽带认知无线电网络和异构宽带认知无 线电网络中，如何通过多用户的协作联合压缩感知提高频谱感知的性能。进一步，本 文在多用户联合重构频谱信号的基础上，提出了一套频谱非稀疏性检测方案。基于压 缩感知技术的宽带频谱感知是当前宽带认知无线电技术研究中的前沿课题，本文所取 得的创新性、前沿性的研究成果，可以简要列举如下： 1．空时协作式贝叶斯压缩频谱感知 针对同构宽带认知无线电中压缩频谱感知在低信噪比环境下频谱检测性能下降的 带认知无线电网络是指所有认知无线电用户受到同一主用户的频谱活动的影响。现有 的多用户协作感知直接将各个认知用户对宽带接收信号的压缩采样结果进行融合。而 这一类直接融合频谱压缩采样结果的协作算法会使处于低信噪比的认知用户的协作信 息影响其他的认知无线电用户的压缩频谱信号重构。ST-BCSS算法首先应用层次化的 正态分布概率模型来表示压缩频谱信号的重构。不同于直接以压缩采样数据作为协作 信息的协作检测算法，ST-BCSS基于概率模型结合当前的压缩频谱感知的结果，提取 出概率模型参数作为协作信息进行协作频谱感知。进一步，相邻的认知无线电用户所 感知到的频谱具有很强的空间相关性。同时，主用户一般不会在同一时间改变所有子 信道的忙闲状态。因此，同一认知无线电用户前后两次感知到的频谱还具有时间相关 性。ST-BCSS算法利用空间和时间上的相关性，以概率模型参数的形式在相邻的认知 无线电用户之间交换各自所得的空间和时间上的协作信息。ST-BCSS算法是一种分布 式空时协作算法，不需要中心基站对协作信息进行融合。仿真结果表明，与当前基于 II ResearchOn inWide-bandRadio Spectrum Cognitive CompressedSensing 法能有效减小信噪比低的协作用户的影响，从而具有更好的宽带频谱感知的检测性 能。 2．频谱非稀疏性保护 提出一种协作式频谱非稀疏保护算法(CNSP)。相邻的认知无线电用户所得到 的概率模型参数在一般情况下具有很强的相关性。然而，当主用户占用大部分频带 时，频谱失去稀疏性的时候，各个认知无线电的压缩频谱信号重构将趋向随机化。因 而，相邻的认知无线电用户所得到的概率模型参数的相关性减小。从而可以通过计算 相邻的认知无线电用户所得到的概率模型参数的相关性推断出频谱稀疏度。仿真结果 表明，使用CNSP时可以大大降低对主用户的干扰概率，从而证明CNSP算法能提供有 效的保护措施。 3．自动簇群识别协作式压缩频谱感知 针对在异构认知无线电网络中，如何实现认知无线电用户之间的协作频谱感知 问题，提出一种中心式自动簇群识别协作式压缩频谱感知算法(ACCSS)。由于在异构 认知无线电网络中，存在多个主用户网络，不同认知无线电用户会受到不同主用户 网络的频谱活动的影响，受到相