基于动态压缩采样的宽带频谱感知技术

摘要

频谱是无线通信系统的宝贵资源，现有无线通信频段存在大量的频谱空洞，具备再利用的潜力。由于认知无线电技术能够对频谱空洞进行高效地利用，因而近年来受到研究人员的广泛关注。认知无线电系统实现的前提是对模拟信号的采样，然而如果采用传统的奈奎斯特采样率对宽带信号进行采样，对硬件技术及其成本都是极大的挑战。压缩感知理论由于在处理稀疏信号具有特有的优势，所以被广泛的应用到宽带信号频谱感知中。
　　由压缩感知理论可知，如果信号是稀疏的，可以用一个算子矩阵对信号进行线性映射，并能通过一定的重构算法恢复出原始信号。压缩感知下信号的采样率不再取决于信号的带宽，而取决于信号的稀疏程度，信号的稀疏性越强，所需的采样速率越低。在进行宽带频谱感知时，在没有协作的前提下，信号的稀疏度往往不被感知用户获知并且是不断变化的，所以感知用户很难确定合适的采样率来节省硬件开销。其次，由于信号稀疏度的未知性，所以以需要在盲稀疏度的条件下对频谱的进行感知。为了解决上述问题，本文的研究内容如下：
　　首先，设计了宽带频谱感知的系统模型，对主用户的信号形式、信道传输条件、感知用户获得信号的方式进行建模。然后分析了模拟信号的压缩感知方法，即如何从模拟信号直接获得压缩后的数字信号。
　　其次，为了实现采样率的动态调整，设计了一种信号稀疏度的估计方法，并对估计准确性进行了理论和仿真分析。为了实现盲稀疏度条件下的频谱检测，设计了盲稀疏度下的信号重构算法并进行了理论分析。定义迭代贡献值为相邻两次迭代的残差的差值，当迭代贡献值小于门限时，终止迭代过程。当以迭代贡献值作为判决条件时，比单纯的以残差的大小作为判决条件更为准确。
　　最后分析了压缩采样系统输入信噪比和输出信噪比的关系，论述了压缩采样的噪声来源及其衡量标准，得到压缩采样后信噪比的表达式。进而得到输出信噪比受三个因素的影响：输入信噪比、压缩采样率以及信号的稀疏度。根据上述对压缩感知信噪比的分析，提出动态采样调整的准则：当其他条件发生变化时，维持一定输出信噪比，进而保证了所需的检测性能。仿真结果表明，该动态模型能够随着信号稀疏度的变化而调整压缩采样率，并且在输入信噪比较低时，能够达到所需的检测性能。

目录

封面

中文摘要

英文摘要

目录

第1章 绪 论

1.1 课题研究背景及意义

1.2 国内外研究现状及分析

1.3 本文的研究内容及组织结构

第2章 压缩感知及宽带频谱感知理论基础

2.1 引言

2.2 频谱感知理论基础

2.3 压缩感知理论基础

2.4 压缩感知实现仿真

2.5本章小结

第3章 盲稀疏度条件下的信号重构算法

3.1 引言

3.2 系统模型

3.3 模拟信号的压缩感知

3.4 信号稀疏度的估计算法

3.5 盲稀疏度下信号重构算法

3.6 本章小结

第4章 基于信噪比的动态采样算法

4.1 引言

4.2 压缩感知的噪声分析

4.3 压缩感知下输出信噪比

4.4 压缩感知下的动态采样

4.5 仿真分析

4.6 本章小结

结论

参考文献

攻读学位期间发表的学术论文及专利

声明

致谢