宽带认知无线电中压缩频谱感知技术研究

《宽带认知无线电中压缩频谱感知技术研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、西安电子科技大学博士学位论文宽带认知无线电中压缩频谱感知技术研究姓名：张正浩申请学位级别：博士专业：通信与信息系统指导教师：裴昌幸201109 、●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

2、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

3、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：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出概率模型参数作为协作信息进行协作

4、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 �����������基追踪��和正交匹配追踪���顾醺兄K惴ㄏ啾龋�闹兴�岢龅腟���算提出一种协作式频谱非稀疏保护算法���。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

5、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��时可以大大降低对主用户的干扰概率，从而证明��算法能提供有效的保护措施。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针对一般的分布式协作压缩频谱感知算法在异构宽带认知无线电网络中不能般的分布式压缩频谱感知算法相比能有效提高认知无线电网络整体的频谱感知性能。 摘要 ����������������

6、����肛�如�������������������������������������������������������������������������，�������������������������������������������������������������������������������������������������������，������������．����������������������������������������������������������� ����

7、�����������������������琣�������������������．��������瑆������������������������������．����������������������������������������������������瓵������������������������������������������������������瓾���，����������������瑆��������������������������������琣����������������

8、���．��������������������瑃����������． ���������������������������������瑆��������������瓼����������瓵���������������������������������������������������������������������