基于压缩感知的宽带频谱感知的研究

无线频谱是当今社会所必需且不可再生的宝贵资源，考虑到无线通信业务需求的日益增长，有必要深入研究如何有效提高频谱资源利用率。近年来，认知无线电（Cognitive Radio，CR）的相关研究受到广泛地关注，它能够有效地利用频谱空洞，提高频谱利用率，以缓解频谱资源匮乏的问题。认知无线电的这种能力主要通过频谱感知来实现。频谱感知是一种能够获得频谱使用信息和主用户（primary users，PUs）存在情况的技术。未来的认知无线电技术需要感知高达数GHz的频带，进行宽带频谱感知时，用Nyquist采样方法对宽带信号进行采样，采样速率过高。这是实现宽带频谱感知的一项巨大挑战。近年来出现了一种新的信号采样方法——压缩感知（Compressed Sensing，CS）理论，能够克服过高采样速率的问题。CS理论指出，如果信号是充分稀疏的，则能够以远低于Nyquist采样的速率采样信号，可以用少量采样值恢复原始信号。另外，由于活跃无线电频谱占用率较低，这使得无线通信信号具有典型的频域稀疏性，从而可以采用压缩感知来缓解采样速率过高的问题。本文主要研究内容及论文创新点具体如下：第一章首先介绍本文研究背景，详细概述了认知无线电基础理论知识、关键技术及其国内外研究现状，然后着重分析认知无线电频谱感知相关技术。第二章主要研究压缩感知技术的相关理论知识，并分别从信号的稀疏表示、观测矩阵的设计和重构算法的设计三个方面进行了详细介绍。第三章首先详细描述压缩感知相关的重要重构算法，研究并讨论了主要的贪婪追踪算法。在此基础上，针对压缩感知中未知稀疏度信号的重建问题，本章提出一种新的压缩感知重建算法——自适应正则化子空间追踪（Adaptive Regularized Subspace Pursuit, ARSP）算法。仿真结果显示，该算法在运行时间、算法复杂度以及重构性能上均优于其它算法。第四章主要研究两种宽带频谱感知的方案。一种是基于压缩感知ARSP算法的宽带合作频谱感知方案。该方案在未知信号稀疏度情况下，多个认知用户分别采用ARSP算法重构宽带信号，然后进行合作检测。另一种是基于子信道能量重构的宽带合作频谱感知方案，该方案通过重构子信道能量的向量，然后根据重构的能量向量得到广义似然比（GeneralizedLikehood Ratio，GLR）检测统计量，再进行合作频谱感知。仿真结果显示，这两种方案的检测性能均优于传统的频谱感知方法，且多用户合作频谱感知性能优于单用户频谱感知。第五章对本文研究内容进行总结，并指出文章的不足之处，有待于继续研究。