基于因子图的分布式变分稀疏贝叶斯压缩感知.pdf

《基于因子图的分布式变分稀疏贝叶斯压缩感知.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第35卷第1期通信学报、，01．35No．12014年1月Journa1onCommunicationsJanuary2014doi：10．3969／j．issn．1000—436x．2014．01．016基于因子图的分布式变分稀疏贝叶斯压缩感知朱翠涛，杨凡，汪汉新，李中捷(中南民族大学智能无线通信湖北省重点实验室，湖北武汉430073)摘要：提出了一种基于因子图的分布式变分稀疏贝叶斯压缩感知算法。该算法利用因子图和变分方法将全局感知问题分解为简单的局部问题，通过认知用户邻居间的置信传播实现“软融合”，使每个认知用户能够获得全局最优估计。且

2、充分利用邻居间传递的信息所具有的时间和空间二维相关性，提高认知用户在低信噪比下的感知性能。同时，算法在迭代过程中自适应地删除不收敛的超参数及对应的基函数，降低通信负载。实验结果表明：该方法在低采样率和低信噪比下有较好的感知性能。关键词：认知无线电；频谱感知；因子图；变分稀疏贝叶斯学习中图分类号：TN929．5文献标识码：A文章编号：1000-436X(2014)01—0140—08DistributedvariationalsparseBayesiancompressedsensingbasedonfactorgraphsZHUCui—ta

3、o，YANGFan，WANGHan—xin，LIZhong-jie(HubeiKeyLaboratoryofIntelligentWirelessCommunications，South-CentralUniversityforNationalities，Wuhan430073，China)Abstract：AdistributedvariationalsparseBayesiancompressedspectrumsensingalgorithmbasedonfactorgraphwasproposed，whichdecomposedth

4、eglobalspectrumsensingproblemintolocalproblembasedonfactorandvariation．Be—liefpropagationwasusedforthestatisticalinferenceofthespectrumoccupancy,toimplementthe‘‘softfusion”．Thetemporalandspatialcorrelationinformationprovidingtwo—dimensionalredundancieswasexchangedamongcoop

5、erativecognitiveuserstoimprovethedetectionperformanceunderlowSNR．Meanwhile，thealgorithmprunesthedivergenceofhyper-parametersandthecorespondingbasisfunctionsforreducingtheloadofcommunication．ThesimulationresultsshowthatthismethodCallefectivelyachieveperformanceofspectrumsen

6、singunderalowsamplingrateandthelowSNR．Keywords：cognitiveradio；spectrumsensing；factorgraph；variationalsparseBayesianlearning法准确地对相关信息进行感知。于是，协同感知引1引言起学者们的关注。文献f2]在平均一致框架下，以相在认知无线电网络中，动态频谱共享机制分为覆邻节点的观测作为约束通优化算法实现协同频谱盖式(overlay)、共存式(underlay)和混合方式L1J。感知，利用约束条件迫使网络中各认知用户的频谱在这些

7、共享机制中，除了对授权频谱的使用情况进、感知结果达到全局最优。这种方法在协同用户数目行检测外，有关授权用户的其他信息，如发送功率、较多时会造成较大的网络计算和通信开销。为了克位置、个数等也应及时、准确感知，才能避免对授服此问题，文献[3]在压缩采样的框架下，提出了一权用户造成干扰，实现频谱安全共享。然而，在感种基于一致优化的分布式宽带频谱压缩感知算法，知过程中，认知用户接收的信号可能经历了深衰并引入加权的一致平均约束减少约束的数量，由此落、阴影效应、噪声等影响，使得单个认知用户无降低计算开销及提高算法的收敛速度。为了改善协收稿日期：2013

8、—06—30；修回日期：2013—11—10基金项目：国家自然科学基金资助项N(61072075，61072051)；湖北省自然科学基金资助项H(2013CFB448)Found