本文關(guān)鍵詞：基于壓縮感知的寬帶頻譜檢測(cè)技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：當(dāng)今無(wú)線(xiàn)電頻譜的應(yīng)用需求不斷增加,導(dǎo)致可用的頻譜資源變得非常有限。認(rèn)知無(wú)線(xiàn)電技術(shù)是解決頻譜資源匱乏問(wèn)題的有效方案之一,其主要思想是在保證主用戶(hù)正常通信的前提下將空閑頻段讓出,使得次用戶(hù)可以臨時(shí)性地共享此頻譜資源。認(rèn)知無(wú)線(xiàn)電系統(tǒng)要求次用戶(hù)能對(duì)頻譜空穴作出快速準(zhǔn)確的判斷,它是認(rèn)知無(wú)線(xiàn)電系統(tǒng)進(jìn)行通信的前提條件。判斷頻譜空穴是對(duì)信號(hào)先進(jìn)行采集然后再分析的過(guò)程,由于模數(shù)轉(zhuǎn)換器件對(duì)寬頻信號(hào)的處理能力仍然有限,傳統(tǒng)方法無(wú)法直接對(duì)寬帶頻譜空穴作出快速判斷。壓縮感知技術(shù)是一種數(shù)據(jù)采集與壓縮同時(shí)進(jìn)行的信號(hào)處理新技術(shù),基于壓縮感知技術(shù)的頻譜檢測(cè)能突破奈奎斯特采樣速率的瓶頸對(duì)寬頻信號(hào)進(jìn)行快速處理,是近年來(lái)認(rèn)知無(wú)線(xiàn)電技術(shù)中正在不斷深入研究的課題。本論文在寬帶壓縮頻譜感知技術(shù)已有的基礎(chǔ)上進(jìn)一步深入研究,所做的主要工作以及創(chuàng)新點(diǎn)內(nèi)容如下:(1)基于認(rèn)知用戶(hù)分簇的協(xié)作壓縮頻譜感知。壓縮感知實(shí)現(xiàn)了信號(hào)從模擬到信息的直接采集過(guò)程,壓縮頻譜感知是在頻譜檢測(cè)過(guò)程中采用了壓縮感知技術(shù)。在多認(rèn)知用戶(hù)檢測(cè)系統(tǒng)中,用戶(hù)之間的參與協(xié)作能提高頻譜檢測(cè)概率,但距離融合中心較遠(yuǎn)的用戶(hù)通常衰落較嚴(yán)重,這些用戶(hù)的數(shù)據(jù)反而會(huì)使得總體感知性能惡化。本文將全部協(xié)作用戶(hù)進(jìn)行分簇處理,結(jié)合分布式壓縮感知技術(shù),構(gòu)建了分簇協(xié)作頻譜檢測(cè)的系統(tǒng)模型,并在此基礎(chǔ)上提出了一種基于分簇的聯(lián)合匹配追蹤算法。本系統(tǒng)中的各個(gè)簇頭收集該簇內(nèi)所有用戶(hù)的壓縮測(cè)量值,簇頭將信息重構(gòu)后計(jì)算出的信號(hào)能量值并送往融合中心,融合中心根據(jù)各簇信噪比對(duì)信號(hào)能量值進(jìn)行加權(quán)處理。本創(chuàng)新點(diǎn)解決了邊遠(yuǎn)用戶(hù)所帶來(lái)的負(fù)面影響問(wèn)題,提高了多用戶(hù)壓縮數(shù)據(jù)的重構(gòu)概率。本文提出的分簇協(xié)作壓縮頻譜感知方法能對(duì)所有待測(cè)子頻帶進(jìn)行判決,能快速準(zhǔn)確地給出頻譜空穴的判定結(jié)果。(2)基于無(wú)線(xiàn)傳感網(wǎng)的空頻聯(lián)合壓縮感知技術(shù)。本文采用了無(wú)線(xiàn)傳感網(wǎng)對(duì)寬帶信號(hào)進(jìn)行頻譜檢測(cè),由于無(wú)線(xiàn)傳感網(wǎng)節(jié)點(diǎn)的數(shù)據(jù)之間具有空間相關(guān)性,通過(guò)設(shè)計(jì)空間小波基可以使頻譜數(shù)據(jù)在其上面表現(xiàn)出稀疏性。本文設(shè)計(jì)了與無(wú)線(xiàn)傳感網(wǎng)頻譜檢測(cè)相適應(yīng)的投影矩陣,研究了多個(gè)傳感網(wǎng)節(jié)點(diǎn)在不同頻段感知時(shí)的分工與協(xié)作,利用小波提升技術(shù)提取了節(jié)點(diǎn)數(shù)據(jù)之間的相關(guān)性。通過(guò)設(shè)計(jì)合理有效的小波基,降低單節(jié)點(diǎn)的計(jì)算復(fù)雜度并利用節(jié)點(diǎn)之間的數(shù)據(jù)相關(guān)性,提出了頻譜數(shù)據(jù)在空間小波基上的稀疏表示方法。本文建立了數(shù)據(jù)在頻域和空域二維同時(shí)壓縮感知的模型,并提出了空頻壓縮感知聯(lián)合重構(gòu)算法,解決了一維壓縮下重構(gòu)效果欠佳的問(wèn)題。仿真結(jié)果表明,在總壓縮比相同的情況下,本文算法的重構(gòu)概率高于一維壓縮下的重構(gòu)概率,并能夠?qū)︻l譜空穴做出準(zhǔn)確的判斷。(3)基于投影矩陣與自適應(yīng)過(guò)程聯(lián)合優(yōu)化的壓縮頻譜感知。投影矩陣的優(yōu)劣直接影響到壓縮感知的重構(gòu)效果,通過(guò)減少投影矩陣列向量之間的相關(guān)性可以提高重構(gòu)概率。當(dāng)列向量之間的相似程度越高時(shí),重構(gòu)算法中的基追蹤能力就越弱。為了提高壓縮頻譜感知中的檢測(cè)概率,需要設(shè)計(jì)出合適的投影矩陣并進(jìn)行優(yōu)化。本文研究了如何減少投影矩陣列向量之間的相關(guān)性,設(shè)計(jì)出了壓縮頻譜感知中優(yōu)化投影矩陣的方案。另外,壓縮感知中的觀測(cè)次數(shù)也影響到重構(gòu)準(zhǔn)確度,為了選取合適的觀測(cè)次數(shù),本文利用序貫測(cè)量的方法來(lái)調(diào)整投影矩陣的大小,無(wú)需通過(guò)重構(gòu)即能估計(jì)出誤差值,并提出了壓縮頻譜感知中投影矩陣的自適應(yīng)方法。本文結(jié)合投影矩陣優(yōu)化與觀測(cè)次數(shù)自適應(yīng)的特點(diǎn),構(gòu)建了基于投影矩陣與自適應(yīng)過(guò)程聯(lián)合優(yōu)化實(shí)現(xiàn)的模型,提出了寬頻檢測(cè)中的稀疏自適應(yīng)匹配追蹤優(yōu)化算法,解決了如何尋求最佳投影矩陣的問(wèn)題。仿真結(jié)果表明該算法下的性能優(yōu)于未經(jīng)優(yōu)化的傳統(tǒng)方法。(4)基于改進(jìn)相關(guān)向量機(jī)的分布式貝葉斯壓縮頻譜感知技術(shù)。盡管通常情況下待測(cè)信號(hào)頻譜是未知的,但主用戶(hù)對(duì)頻段的占用情況往往與歷史經(jīng)驗(yàn)相關(guān),因而具備了一定的先驗(yàn)概率分布的特性。貝葉斯壓縮感知能有效地利用頻段占用的先驗(yàn)知識(shí),使其在檢測(cè)頻譜空穴時(shí)具有一定優(yōu)勢(shì)。本文通過(guò)分析貝葉斯壓縮頻譜感知中壓縮與重構(gòu)的詳細(xì)過(guò)程,研究了貝葉斯回歸與分類(lèi)模型,討論了經(jīng)典貝葉斯壓縮重構(gòu)算法與拉普拉斯分層先驗(yàn)重構(gòu)算法。根據(jù)分布式感知節(jié)點(diǎn)的特點(diǎn),本文進(jìn)一步探討了分布式貝葉斯壓縮感知的頻譜重構(gòu)技術(shù),通過(guò)修改多個(gè)用戶(hù)聯(lián)合貝葉斯重構(gòu)的目標(biāo)函數(shù),建立了寬帶分布式貝葉斯壓縮頻譜感知模型,提出一種分布式魯棒性相關(guān)向量機(jī)算法,解決了單用戶(hù)中魯棒性不強(qiáng)的問(wèn)題。仿真結(jié)果表明,該算法能有效地去除異常值,提高頻譜檢測(cè)概率。
【關(guān)鍵詞】：認(rèn)知無(wú)線(xiàn)電 寬帶頻譜檢測(cè) 壓縮感知 信號(hào)重構(gòu) 無(wú)線(xiàn)傳感網(wǎng) 分布式壓縮感知 貝葉斯壓縮感知 能量檢測(cè) 信息融合
【學(xué)位授予單位】：南京郵電大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TN925
【目錄】：

• 摘要4-6
• ABSTRACT6-14
• 第一章 緒論14-24
• 1.1 引言14-15
• 1.2 認(rèn)知無(wú)線(xiàn)電技術(shù)15-18
• 1.2.1 認(rèn)知無(wú)線(xiàn)電發(fā)展概述16
• 1.2.2 認(rèn)知無(wú)線(xiàn)電的頻譜感知16-17
• 1.2.3 寬帶頻譜感知17-18
• 1.3 國(guó)內(nèi)外研究狀況18-20
• 1.4 本文主要研究工作20-23
• 1.5 論文主要結(jié)構(gòu)23-24
• 第二章 寬帶頻譜檢測(cè)技術(shù)24-38
• 2.1 引言24-25
• 2.2 單用戶(hù)頻譜檢測(cè)25-29
• 2.2.1 發(fā)射端檢測(cè)25-28
• 2.2.2 接收端檢測(cè)28-29
• 2.3 多用戶(hù)協(xié)作頻譜檢測(cè)29-31
• 2.3.1 硬判決協(xié)作式29-30
• 2.3.2 軟判決協(xié)作式30-31
• 2.4 寬帶頻譜檢測(cè)31-36
• 2.4.1 NYQUIST采樣率下的寬頻檢測(cè)32-35
• 2.4.2 欠NYQUIST采樣率下的寬頻檢測(cè)35-36
• 2.5 本章小結(jié)36-38
• 第三章 協(xié)作寬帶壓縮頻譜感知38-61
• 3.1 引言38
• 3.2 壓縮感知基本理論38-42
• 3.2.1 壓縮感知的基本框架38-39
• 3.2.2 信號(hào)的稀疏表示39-40
• 3.2.3 投影矩陣的設(shè)計(jì)40-41
• 3.2.4 重構(gòu)算法的設(shè)計(jì)41-42
• 3.3 寬頻帶壓縮頻譜感知42-49
• 3.3.1 帶限模擬信號(hào)的壓縮采樣42-45
• 3.3.2 寬頻帶壓縮頻譜感知45-49
• 3.4 協(xié)作寬帶壓縮頻譜感知49-56
• 3.4.1 協(xié)作頻譜感知49-50
• 3.4.2 認(rèn)知用戶(hù)分簇50-51
• 3.4.3 分布式壓縮感知技術(shù)51-52
• 3.4.4 基于分簇的協(xié)作壓縮頻譜感知52-56
• 3.5 仿真結(jié)果與分析56-60
• 3.6 本章小結(jié)60-61
• 第四章 空頻聯(lián)合壓縮寬帶頻譜感知61-82
• 4.1 引言61
• 4.2 無(wú)線(xiàn)傳感網(wǎng)技術(shù)61-64
• 4.2.1 無(wú)線(xiàn)傳感網(wǎng)的結(jié)構(gòu)62-63
• 4.2.2 無(wú)線(xiàn)傳感網(wǎng)的協(xié)議棧63-64
• 4.2.3 無(wú)線(xiàn)傳感網(wǎng)的特征64
• 4.3 基于WSN的頻譜檢測(cè)64-75
• 4.3.1 節(jié)點(diǎn)數(shù)據(jù)空域相關(guān)性65-70
• 4.3.2 空域壓縮的寬帶頻譜感知70-71
• 4.3.3 頻域壓縮的寬帶頻譜感知71-73
• 4.3.4 空頻聯(lián)合壓縮的寬帶頻譜感知73-75
• 4.4 仿真與實(shí)驗(yàn)結(jié)果75-80
• 4.5 本章小結(jié)80-82
• 第五章 自適應(yīng)寬帶壓縮頻譜感知82-101
• 5.1 引言82-83
• 5.2 投影矩陣的優(yōu)化83-90
• 5.2.1 最優(yōu)矩陣的條件84-89
• 5.2.2 最優(yōu)矩陣的構(gòu)造89-90
• 5.3 投影矩陣自適應(yīng)過(guò)程90-93
• 5.4 自適應(yīng)壓縮頻譜感知93-96
• 5.4.1 功率譜數(shù)據(jù)壓縮93
• 5.4.2 自適應(yīng)過(guò)程聯(lián)合矩陣優(yōu)化93-96
• 5.5 仿真結(jié)果與分析96-100
• 5.6 本章小結(jié)100-101
• 第六章 分布式貝葉斯壓縮頻譜感知101-122
• 6.1 引言101
• 6.2 貝葉斯線(xiàn)性回歸與分類(lèi)101-106
• 6.2.1 稀疏貝葉斯的回歸分析102-104
• 6.2.2 稀疏貝葉斯的分類(lèi)分析104-106
• 6.3 貝葉斯壓縮感知重構(gòu)106-111
• 6.3.1 經(jīng)典BCS重構(gòu)106-107
• 6.3.2 拉普拉斯分層先驗(yàn)重構(gòu)107-111
• 6.4 DRRVM壓縮頻譜感知111-118
• 6.4.1 魯棒性相關(guān)向量機(jī)111-112
• 6.4.2 魯棒性相關(guān)向量機(jī)的求解112-113
• 6.4.3 基于DRRVM的頻譜感知113-118
• 6.5 仿真結(jié)果與分析118-121
• 6.6 本章小結(jié)121-122
• 第七章 總結(jié)與展望122-126
• 7.1 論文總結(jié)122-124
• 7.2 工作展望124-126
• 參考文獻(xiàn)126-138
• 附錄1 攻讀博士學(xué)位期間撰寫(xiě)的論文138-139
• 附錄2 攻讀博士學(xué)位期間申請(qǐng)的專(zhuān)利139-140
• 附錄3 攻讀博士學(xué)位期間參加的科研項(xiàng)目140-141
• 致謝141

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 張杰;楊春德;;正交投影矩陣的一個(gè)求法[J];重慶郵電學(xué)院學(xué)報(bào)(自然科學(xué)版);2006年01期

2 劉曉冀;;分塊正交投影矩陣的一個(gè)性質(zhì)證明[J];高師理科學(xué)刊;2007年06期

3 高欣;羅戎蕾;;迭代成像中一種快速求解投影矩陣的方法[J];北京生物醫(yī)學(xué)工程;2007年06期

4 霍龍,劉偉軍;攝像機(jī)線(xiàn)性模型標(biāo)定中一種投影矩陣的修正方法[J];計(jì)算機(jī)工程與應(yīng)用;2005年06期

5 陳洪磊;賀建峰;劉俊卿;;基于二維檢索的投影矩陣算法[J];計(jì)算機(jī)工程;2013年02期

6 陳建林;閆鑌;李磊;席曉琦;王林元;;CT重建中投影矩陣模型研究綜述[J];CT理論與應(yīng)用研究;2014年02期

7 劉侍剛;彭亞麗;徐秋平;王琳娟;;基于秩3約束的遮擋點(diǎn)恢復(fù)方法[J];儀器儀表學(xué)報(bào);2008年12期

8 王莉;王卿文;;基于投影矩陣秘密分享方案的安全性注記[J];上海大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年03期

9 劉明杰;任帥;金城;;基于自適應(yīng)投影矩陣的實(shí)時(shí)視頻拼接算法[J];計(jì)算機(jī)應(yīng)用與軟件;2012年05期

10 吳謹(jǐn);王俊;;基于投影矩陣的攝像機(jī)參數(shù)標(biāo)定[J];福建電腦;2008年08期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 王韋剛;基于壓縮感知的寬帶頻譜檢測(cè)技術(shù)研究[D];南京郵電大學(xué);2015年

2 章啟恒;壓縮感知中優(yōu)化投影矩陣的研究[D];華南理工大學(xué);2013年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 莫會(huì)云;三維錐束迭代算法的投影矩陣及去偽研究[D];中北大學(xué);2008年

2 劉春華;三維投影矩陣的刻畫(huà)及迭代重建的加速研究[D];中北大學(xué);2008年

  本文關(guān)鍵詞：基于壓縮感知的寬帶頻譜檢測(cè)技術(shù)研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：374874