实现认知无线电的自主压缩频谱感知
信息论
2016-07-15 v1 math.IT
摘要
压缩感知(CS)技术相较于其他现有方法，在实现认知无线电(CR)中的宽带频谱感知方面具有诸多优势，例如降低的采样率和计算复杂度。然而，存在两个重大挑战：1) 选择合适的亚奈奎斯特测量次数；2) 决定何时终止用于重建宽带频谱的贪婪恢复算法。本文提出了一种自主压缩频谱感知(ACSS)框架，使 CR 能够自动选择测量次数，同时以可预测的小恢复误差保证宽带频谱恢复。这通过所提出的测量基础设施和验证技术得以实现。所提出的 ACSS 能在无噪声和有噪声环境下，仅使用小的测试子集就以高置信度找到良好的频谱估计。此外，提出了一种稀疏感知的频谱恢复算法，可在无需瞬时频谱稀疏度级别知识的情况下恢复宽带频谱。该算法弥合了 CS 理论与实际频谱感知之间的差距。仿真结果表明，ACSS 不仅能使用适当数量的测量恢复频谱，而且与现有 CS 方法相比能显著改善频谱恢复性能。所提出的恢复算法能自主采用适当的迭代次数，从而解决了大多数贪婪恢复算法中普遍存在的欠拟合或过拟合问题。
引用
@article{arxiv.1502.06029,
title = {Achieving Autonomous Compressive Spectrum Sensing for Cognitive Radios},
author = {Jing Jiang and Hongjian Sun and David Baglee and H. Vincent Poor},
journal= {arXiv preprint arXiv:1502.06029},
year = {2016}
}
备注
This paper is accepted by IEEE Transactions on Vehicular Technology 2015. The detail will be updated soon