无线电技术已经渗入居民生活的各个角落,现有的频谱资源已经无法满足实际的使用。目前的固定频谱划分方式以及较低的使用效率对无线电技术的发展造成了极大阻碍。认知无线电技术的提出成功跨越了这一阻碍,该技术通过寻找无线电环境中的频谱空穴加以利用来提高频谱利用率。随着信息化社会的逐步实现,认知无线电技术需要快速准确的寻找到更多的潜在可利用频段,因而宽带频谱感知技术逐步成为无线电技术研究的热门领域。根据奈奎斯特采样定律,在宽频带上实现频谱感知需要极高的采样速率,这给采样开销和硬件复杂度都带来了的严峻的考验。压缩感知理论利用非相关测量对宽带信号进行低速无损的采样,并从少量的观测数据中恢复原信号,为宽带频谱感知技术的发展提供了一种可行途径。本论文基于这一理论,就压缩感知理论的原理及其在宽带频谱感知技术中的应用进行深入研究。本文的主要工作成果如下:本文将压缩感知理论与频谱资源的低利用率结合起来,分析了传统重构算法在宽带频谱检测中的应用,主要包括基于1l范数的ADM、BPDN和BP算法,以及基于贪婪迭代思想的OMP、SP、ROMP、CoSaMP算法。然而无线电环境中的信号稀疏度并不能提前获知,针对这一问题,本论文重点分析了稀疏自适应匹配追踪算法(Sparsity Adaptive Matching Pursuit,SAMP),在SAMP算法基础上提出一种改进的自适应匹配追踪(Improved Sparsity Adaptive Matching Pursuit,IMAP)算法。该算法无需授权用户的任何先验信息,解决了常用贪婪迭代算法需要提前获取稀疏度这一大难题。仿真结果表明,IAMP算法具有较其它贪婪迭代算法更优越的重构速度,同时还保持了与经典贪婪算法SAMP相比拟的重构能力,是一种兼具实时性、高效性的算法。本文针对传统单用户感知算法无法抵御恶性攻击的问题,对传统的宽带协作频谱感知模型进行了改进,在其基础上引入压缩感知理论,提出了基于奖励惩罚机制的宽带协作频谱感知模型,设计出适合宽带信号的感知体系。各感知用户分别利用压缩感知理论对信号进行低速采样,通过IAMP改进算法对信号进行重构得到本地判决,并发送至融合中心。融合中心根据融合权值对认知用户的信息进行融合得到各频带工作情况的最终判决,并使用奖励惩罚机制动态改变各认知用户的融合权值。仿真结果表明,该方法有效抵御了恶性用户的攻击,实现了高效而又低消耗的宽带频谱感知,降低了系统的采样速率,提高了系统的检测正确率。
