基于一致优化的分布式宽带合作频谱感知算法

合集下载

基于MBSBL-FMLM的宽带协作频谱感知算法

关键词：认知无线电；频谱感知；ＭＢＳＢＬ；ＦＭＬＭ方法中图分类号：ＴＮ９２９．５文献标志码：Ａ文章编号：１６７３ — ８０８Ｘ（２０１５）０３ — ０１９６－０６
Ｗｉｄｅｂａｎｄｃｏｏｐｅｒａｔｉｖｅｓｐｅｃｔｒｕｍｓｅｎｓｉｎｇａｌｇｏｒｉｔｈｍ
块稀疏贝叶斯学习快速边缘似然函数最大化（ＭＢＳＢＬ — ＦＭＬＭ）的宽带协作频谱感知算法。该算法采用分布式压缩感知（ＤＣＳ）系统进行多节点协作检测，以降低单节点检测带来的多径衰落、阴影衰落等不利影响；另外，融合中心结合多测量向
量（ＭＭＶ）模型和宽带信号的块稀疏结构得出多测量向量块稀疏贝叶斯学习（ＭＢＳＢＬ）框架，并利用快速边缘似然函数最
大化（ＦＭＩＭ）方法进行快速参数估计。数值分析表明，基于ＭＢＳＢＬ — Ｆ测时耗均优于ＳＯＭＰ算法。
Ａｂｓｔｒａｃｔ：Ｔｏｉｍｐｒｏｖｅｄｅｔｅｃｔｉｏｎａｃｃｕｒａｃｙａｎｄｍｅｅｔｒｅａｌ — ｔｉｍｅｄｅｔｅｃｔｉｏｎｏｆｓｉｎｇｌｅｎｏｄｅｗｉｄｅｂａｎｄｃｏｍｐｒｅｓｓｅｄｓｐｅｃｔｒｕｍｓｅｎｓｉｎｇ

认知无线电中基于一致平均的分布式合作算法

认知无线电中基于一致平均的分布式合作算法摘要：认知无线电中首要的任务是认知用户感知外界无线环境进行频谱检测和估计，目前合作式的频谱检测技术由于其良好的检测性能广受人们关注。

为了提高认知用户对主用户的检测性能，提出了一种基于一致平均的分布式合作方法，优化了联合检测性能。

与传统的AND 算法、OR算法比较，仿真结果呈现了较好的检测性能，大大降低了误检概率和虚警概率，提高了检测概率，从而能充分利用空闲频谱。

关键词：认知无线电；一致平均；检测概率；虚警概率0引言随着无线通信技术的飞速发展，频谱资源变得越来越紧张。

目前的频谱分配制度为固定频谱分配，这主要存在3个方面的矛盾情况：频谱使用是动态的，但频谱分配是固定的；频谱是稀有资源，但频谱利用率不高，且存在大量空闲；可分配频谱很少，但无线通信业务量和新技术在快速发展，频谱需要量非常大。

为了解决这个问题，WRAN工作组提出了认知无线电技术。

认知无线电是一种能够智能感知和适应周围无线通信环境的新技术。

通过对频谱资源的感知和利用，认知无线电可以很好解决当前频谱分配不合理的问题。

而在实际的无线电环境下，主用户发送信号的传输会受到阴影、衰落、多径等因素的影响，使得检测性能降低，因此需要多个认知用户合作来判断主用户是否存在。

文献[4]指出合作方式分为集中式和分布式两种，两者的区别也有详细介绍。

本文提出了一种基于一致平均的分布式合作算法，仅仅通过认知用户进行相互交换信息，不需要集中式的接收器，减少了实际通信中的困难。

它与传统的AND算法，OR算法(文献[1],[5])比较，仿真结果表现了很好的检测性能，降低了误检概率和虚警概率，提高了检测概率。

1信号模型频谱检测是认知无线电中一项关键的技术。

它允许认知用户检测空闲的授权频段。

频谱检测的本质是一个二元假设检验问题：H0:Pr imary users is absentH0:Pr imary users is present1）我们考虑一个有I个主用户，K个认知用户的认知无线电网络，那么第k个认知用户（k=1…K）在当地的频谱检测可以归结为以下二元假设：[JZ(]rk=[JB([][HL(2]n[]H0∑[DD(]I[]i=1[DD)]hisi+n[]H1[HL)][JB)]][JZ)][JY]2）rk是第k个认知用户接受的信号，n代表均值为0，方差为σ2的加性高斯白噪声，服从一个正态分布，si是第i个（i=1……I）主用户的传输信号，hi是第i个主用户和认知用户之间的信道增益。

基于梯度的CRAHN分布式协作频谱感知方案

基于梯度的CRAHN分布式协作频谱感知方案秦晓慧【摘要】针对认知无线电自组网络中传统的频谱感知方案需要网络拓扑先验知识导致能量消耗过多的问题,提出一种基于梯度的分布式协作频谱感知方案.首先,通过基于共识的算法处理带有固定图的网络模型,无需任何网络拓扑的先验知识,减少了获得认知需要的消息交换次数;然后,利用基于组件的方式计算梯度,梯度场随着认知无线电感知的能量一起变化,实现完全分布式且具有很强的可扩展性.最后,仿真实验从可靠感知、收敛次数和能量消耗三个角度验证了所提出方案的有效性.结果表明,相比现有感知方案,明显降低了能耗.【期刊名称】《计算机应用与软件》【年(卷),期】2014(031)007【总页数】7页(P121-126,172)【关键词】认知无线电;分布式协作;自组网络;频谱感知;梯度算法【作者】秦晓慧【作者单位】四川工程职业技术学院计算机科学技术系四川德阳618000【正文语种】中文【中图分类】TP3960 引言无线网络的最新进展要求高效利用无线电频谱。

随着当前智能手机的技术创新，无线网络接入数据流量的爆炸式增长造成了频谱稀缺。

2008年，美国联邦通讯委员会(FCC)允许固定式和便携式设备在城市和农村地区接入未持牌的电视空白频谱。

认知无线电CR(Cognitive Radio)是一种有利的技术，允许认知无线电用户CRUs(Cognitive Radio Users)操作持牌频段，CRUs可依据无线电环境的变化修改它们自己的操作参数［1］。

CR最重要的任务是检测初级用户PUs(Primary Users)是否存在，如果PU不存在，则CRU可利用这个频谱(即次级用户SU(Secondary User)，频谱空穴(即空白频谱)也可用。

通过感知无线电环境得到PU检测过程，即频谱感知［2］，频谱感知涉及两个主要方面:主系统不能受CRU通信干扰;高效的检测频谱空穴，满足吞吐量和服务质量Qos(Quality of Service)的需求。

认知无线电中自适应分步合并协作频谱感知算法

认知无线电中自适应分步合并协作
频谱感知算法
认知无线电中的自适应分步合并协作频谱感知（Adaptive Step-Merging Cooperative Spectrum Sensing, ASMCS）是一种基于多个用户间协作的频谱感知算法。

该算法在认知无线电系统中有着重要的应用，它能够提高信道传输性能，减少不必要的信道冲突，具有频谱利用率高、功耗低的优点。

ASMCS的原理是将认知无线电系统中的多个用户之间连接起来，形成一个协作传感网络，有效发挥用户之间的协作能力，从而大大提高信道访问的效率。

在ASMCS的算法中，所有的用户都可以使用相同的频谱带宽，通过节点间的信息传输，来实现对信道状态的检测及决策处理。

首先，所有的用户都需要搜集自己所在区域的频谱状态信息，通过检测上行链路上的信号强度来判断信道的状态，将收集到的信息上报给网络中心，即网络协调者，由协调者收集所有节点的频谱状态信息，根据信息来决定分配频谱资源。

然后，网络协调者根据所有节点的频谱状态信息来分析频谱的使用情况，并将信息分段传输给所有参与节点。

节点接收到信息后，根据自身的频谱状态信息，更新自己的信道资源，并将更新后的信息反馈给协调者，以此实现对频谱的动态调度。

在ASMCS算法中，每个节点只需要收集周围的频谱状态信息，而不需要收集全部网络中的频谱状态信息，这样可以大大减少网络中的传输和处理负载，提高系统的效率。

同时，ASMCS也可以有效地减少信道冲突，降低网络中的信道占用率，从而提高对信息的传输效率。

总之，自适应分步合并协作频谱感知算法在认知无线电系统中有着重要的应用，它能够提高信道传输性能，减少不必要的信道冲突，具有频谱利用率高、功耗低的优点。

基于分布式压缩感知的宽带协作频谱感知

基于分布式压缩感知的宽带协作频谱感知苏一栋;达新宇【期刊名称】《中南大学学报（自然科学版）》【年(卷),期】2015(000)006【摘要】根据分布式压缩感知理论，提出一种宽带协作频谱感知的方式。

该方式相比于以往的协作压缩频谱感知方式，认知用户传向融合中心的数据精简为压缩信号，各个压缩信号在融合中心进行融合重构，这样就减少传向融合中心的数据量，缓解融合中心的数据压力，并且可以提高信号重构的成功率。

同时，根据压缩抽样匹配追踪算法，提出一种联合压缩抽样匹配追踪算法。

该算法思想是通过加权融合测量样本、迭代重构原信号，以恢复共同的频谱支撑集，完成协作频谱感知。

仿真结果表明：与经典的 DCS-SOMP 算法相比，本文算法性能更优，所需的滤波器数更少。

%Based on the theory of distributed compressed sensing, a wideband cooperative spectrum sensing approach was proposed. Compared to the previous ways of cooperative compressed spectrum sensing, the data of cognitive users transfer to fusion center was simplified to compressed signal, and each compressed signal at the fusion center was fused and reconstructed, thus it reduced the amount of data transfer to the fusion center, eased the pressure data fusion center, and could improve the success rate of signal reconstruction. At the same time, according to the compression sampling matching pursuit algorithm, a simultaneous compression sampling matching pursuit algorithm was put forward. By weighting fusion measuring samples, iteration reconstructingthe original signal, restoring joint spectrum support set, the algorithm completed the cooperative spectrum sensing. The simulation results show that compared with classic DCS-SOMP algorithm, this algorithm has better performance, less number of filter.【总页数】5页(P2104-2108)【作者】苏一栋;达新宇【作者单位】空军工程大学信息与导航学院，陕西西安，710077;空军工程大学信息与导航学院，陕西西安，710077【正文语种】中文【中图分类】TN914【相关文献】1.基于分布式压缩感知的宽带协作频谱感知算法 [J], 胡静;肖海林2.基于MBSBL-FMLM的宽带协作频谱感知算法 [J], 胡静;肖海林3.基于压缩感知的宽带协作频谱感知方法 [J], 吴玉林4.基于压缩感知的宽带协作频谱感知方法 [J], 吴玉林;5.基于分布式压缩感知的宽带欠定信号DOA估计 [J], JIANG Ying;WANG Bingqie;HAN Jun;HE Yi因版权原因，仅展示原文概要，查看原文内容请购买。

基于表决融合的带宽受限的协作频谱感知算法_卞荔

时，则此终端认为此时接收到的关于主用户存在与否的信息是不可靠，那么相应地第 i 个感知终端将不对融合中心传送任何判决结果。只有当 E i 值落入预先设定的判为 H0 的可靠区和判为 H1 的可靠区时，本地频因此判决结谱感知的判决结果 u i 才分别传送 0 或 1 ，果 u i 传送与否具有随机性。
第 26 卷第 8 期 2010 年 8 月
信号处理 SIGNAL PROCESSING
Vol． 26． No． 8 Aug． 2010
基于表决融合的带宽受限的协作频谱感知算法
卞荔
1
朱
琦
1， 2
（ 1．南京邮电大学江苏省无线通信重点实验室，江苏南京 210003 ； 2．东南大学移动通信国家重点实验室，江苏南京 210096 ）摘要：协作的频谱感知使认知无线电（ CR）网络对主用户进行可靠的检测，并避免了对主用户通信的干扰。数据融
图1
检查的协作频谱感知系统模型
假设主用户发送信号的时宽为 T，频宽为 W 。噪声单边功率谱密度是 N0 。从假设为标准的高斯白噪声，［ 11］中我们可以知道只有噪声存在时能量统计量 E 服从自由度为 2 TW 的中心 χ 分布，有信号时 E 服从自由 2 度为 2 TW 的非中心 χ 分布。根据 Lyapunov 中心极限定理，当采样点数极大时，能量统计量 E 渐近为正态分布：
基金项目：国家自然科学基金（ 60772062 ），国家重点基础研究发展计划资助（ 2007CB310607 ），国家科技重大专项（ 2009ZX03003 － 002 ），东南大学移动通信国家重点实验室开放研究基金资助课题（ N200813 ）

宽带认知无线电网络分布式协作压缩频谱感知算法

宽带认知无线电网络分布式协作压缩频谱感知算法张正浩;裴昌幸;陈南;李虎生;杨德鹏【期刊名称】《西安交通大学学报》【年(卷),期】2011(045)004【摘要】针对宽带认知无线电网络中压缩频谱感知算法在低信噪比环境下频谱检测性能下降的问题,提出了一种基于高斯过程的分布式压缩频谱感知(PBCS)算法.首先应用层次化的正态分布概率模型来表示压缩频谱的重构,然后各个认知无线电用户交换模型参数并结合本地的压缩采样数据进行压缩频谱感知.有别于其他直接融合频谱感知结果或检测数据的协作式算法,PBCS算法通过模型参数融合来进行协作,能有效减小信噪比低的协作用户的影响,从而提高算法的抗噪性.仿真结果表明,PBCS算法可以在-5 dB的信噪比条件下达到检测概率大于0.9、误检概率为0.1的频谱检测性能.【总页数】6页(P67-72)【作者】张正浩;裴昌幸;陈南;李虎生;杨德鹏【作者单位】西安电子科技大学综合业务网国家重点实验室,710071,西安;西安电子科技大学综合业务网国家重点实验室,710071,西安;西安电子科技大学综合业务网国家重点实验室,710071,西安;田纳西大学电子工程与计算机科学系,37996,美国诺克斯维尔;田纳西大学电子工程与计算机科学系,37996,美国诺克斯维尔【正文语种】中文【中图分类】TN929.5【相关文献】1.基于分布式压缩感知的宽带协作频谱感知算法 [J], 胡静;肖海林2.基于压缩感知的新型宽带频谱协作检测算法 [J], 陈磊;王红军;张旻;毕光国3.基于加权一致优化的宽带分布式协作压缩频谱感知算法 [J], 闫玉芝;李有明;周桂莉;吴耀辉4.基于扩散机制的分布式宽带压缩频谱感知算法 [J], 何劲财5.基于分布式压缩感知的宽带协作频谱感知 [J], 苏一栋;达新宇因版权原因，仅展示原文概要，查看原文内容请购买。

基于加权一致优化的宽带分布式协作压缩频谱感知算法

Ａｂｓｔｒａｃｔ：Ｗｉｄｅｂａｎｄｄｉｓｔｒｉｂｕｔｅｄｃｏｏｐｅｒａｔｉｖｅｓｐｅｃｔｒｕｍｓｅｎｓｉｎｇｂａｓｅｄｏｎｃｏｍｐｒｅｓｓｅｄｓｅｎｓｉｎｇｃａｎｎｏｔｏｎｌｙｒｅｄｕｃｅｈｉｇｈ
ｗｅｉｇｈｔｓｗｅｒｅｄｅｔｅｒｍｉｎｅｄａｃｃｏｒｄｉｎｇｔｏｔｈｅｃｕｒｒｅｎｔｉｔｅｒａｔｉｖｅｒｅｃｏｎｓｔｕｃｒｔｅБайду номын сангаасｄｓｐｅｃｔｒｕｍｓｉｇｎｌ，ｗｈａｉｃｈｃａｎｅｎｃｏｕｒａｇｅｔｈｅ
Ｗｉｄｅｂａｎｄｄｉｓｔｒｉｂｕｔｅｄｃｏｏｐｅｒａｔｉｖｅｃｏｍｐｒｅｓｓｅｄｓｐｅｃｔｒｕｍｓｅｎｓｉｎｇａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｗｅｉｇｈｔｅｄｃｏｎｓｅｎｓｕｓｏｐｔｉｍｉｚａｔｉｏｎ
的时间和通信开销，改善频谱感知性能。
关键词：宽带频谱感知；压缩感知；分布式协作；加权一致优化中图分类号：ＴＮ９２９ｄｏｉ：１０．１１９５９／ｊ．ｉｓｓｎ．１０００－０８０１．２０１６２５９文献标识码：Ａ

基于分布式宽带调制转换器的协作频谱感知

ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００３－３１０６．２０２３．０９．０１６引用格式：刘春玲，许军，范传良．基于分布式宽带调制转换器的协作频谱感知［Ｊ］．无线电工程，２０２３，５３（９）：２１１１－２１１７．［ＬＩＵＣｈｕｎｌｉｎｇ，ＸＵＪｕｎ，ＦＡＮＣｈｕａｎｌｉａｎｇ．ＣｏｏｐｅｒａｔｉｖｅＳｐｅｃｔｒｕｍＳｅｎｓｉｎｇＢａｓｅｄｏｎＤｉｓｔｒｉｂｕｔｅｄＷｉｄｅｂａｎｄＭｏｄｕｌａｔｉｏｎＣｏｎｖｅｒｔｅｒｓ［Ｊ］．ＲａｄｉｏＥｎｇｉｎｅｅｒｉｎｇ，２０２３，５３（９）：２１１１－２１１７．］基于分布式宽带调制转换器的协作频谱感知刘春玲，许　军，范传良（大连大学信息工程学院，辽宁大连１１６６２２）摘　要：针对分布式宽带调制转换器在感知节点数满足信号稀疏后检测成功概率趋于平稳，而通过增加感知节点数并不能有效提升检测成功概率且复杂度更高的问题，提出了一种基于分布式宽带调制转换器的协作频谱感知方案。

该方案采用一种基于认知用户组检测的协作频谱感知结构，根据信号占用子信道数Ｋ计算组内感知节点数并进行分组，组内感知节点采用分布式调制宽带转换器方案感知宽带频谱信号的支撑集；组间采用区域映射融合模型的硬判决方案将不同认知用户组支撑集进行融合，区域映射融合模型根据贪婪算法中内积选择原子的顺序将子信道进行区域映射。

仿真结果表明，与基于分布式调制转换器频谱感知算法相比，该算法有效提高了频谱检测成功概率并降低了算法复杂度。

关键词：分布式宽带调制转换器；压缩感知；协作频谱感知；硬判决中图分类号：ＴＮ９２文献标志码：Ａ开放科学（资源服务）标识码（ＯＳＩＤ）：文章编号：１００３－３１０６（２０２３）０９－２１１１－０７ＣｏｏｐｅｒａｔｉｖｅＳｐｅｃｔｒｕｍＳｅｎｓｉｎｇＢａｓｅｄｏｎＤｉｓｔｒｉｂｕｔｅｄＷｉｄｅｂａｎｄＭｏｄｕｌａｔｉｏｎＣｏｎｖｅｒｔｅｒｓＬＩＵＣｈｕｎｌｉｎｇ，ＸＵＪｕｎ，ＦＡＮＣｈｕａｎｌｉａｎｇ（ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＤａｌｉａｎＵｎｉｖｅｒｓｉｔｙ，Ｄａｌｉａｎ１１６６２２，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｔｈｅｄｅｔｅｃｔｉｏｎｓｕｃｃｅｓｓｐｒｏｂａｂｉｌｉｔｙｏｆｄｉｓｔｒｉｂｕｔｅｄｗｉｄｅｂａｎｄｍｏｄｕｌａｔｉｏｎｃｏｎｖｅｒｔｅｒｓｔｅｎｄｓｔｏｂｅｓｔａｂｌｅａｆｔｅｒｔｈｅｎｕｍｂｅｒｏｆｓｅｎｓｉｎｇｎｏｄｅｓｓａｔｉｓｆｉｅｓｔｈｅｓｉｇｎａｌｓｐａｒｓｅｎｅｓｓ，ａｎｄｉｎｃｒｅａｓｉｎｇｔｈｅｎｕｍｂｅｒｏｆｓｅｎｓｉｎｇｎｏｄｅｓｃａｎｎｏｔｅｆｆｅｃｔｉｖｅｌｙｉｍｐｒｏｖｅｔｈｅｄｅｔｅｃｔｉｏｎｓｕｃｃｅｓｓｐｒｏｂａｂｉｌｉｔｙａｎｄｔｈｅｃｏｍｐｌｅｘｉｔｙｉｓｈｉｇｈｅｒ．Ｔｏａｄｄｒｅｓｓｔｈｉｓｐｒｏｂｌｅｍ，ａｃｏｏｐｅｒａｔｉｖｅｓｐｅｃｔｒｕｍｓｅｎｓｉｎｇｓｃｈｅｍｅｂａｓｅｄｏｎｄｉｓｔｒｉｂｕｔｅｄｗｉｄｅｂａｎｄｍｏｄｕｌａｔｉｏｎｃｏｎｖｅｒｔｅｒｓｉｓｐｒｏｐｏｓｅｄ．Ｔｈｅｓｃｈｅｍｅａｄｏｐｔｓａｃｏｏｐｅｒａｔｉｖｅｓｐｅｃｔｒｕｍｓｅｎｓｉｎｇｓｔｒｕｃｔｕｒｅｂａｓｅｄｏｎｃｏｇｎｉｔｉｖｅｕｓｅｒｇｒｏｕｐｄｅｔｅｃｔｉｏｎ．Ｆｉｒｓｔ，ｔｈｅｎｕｍｂｅｒｏｆｓｅｎｓｉｎｇｎｏｄｅｓｉｎｔｈｅｇｒｏｕｐｉｓｃａｌｃｕｌａｔｅｄａｎｄｇｒｏｕｐｅｄａｃｃｏｒｄｉｎｇｔｏｔｈｅｎｕｍｂｅｒｏｆｓｕｂｃｈａｎｎｅｌｓｏｃｃｕｐｉｅｄｂｙｔｈｅｓｉｇｎａｌ．Ｔｈｅｓｅｎｓｉｎｇｎｏｄｅｓｉｎｔｈｅｇｒｏｕｐｕｓｅｔｈｅｄｉｓｔｒｉｂｕｔｅｄｍｏｄｕｌａｔｉｏｎｗｉｄｅｂａｎｄｃｏｎｖｅｒｔｅｒｓｃｈｅｍｅｔｏｓｅｎｓｅｓｕｐｐｏｒｔｓｅｔｏｆｔｈｅｗｉｄｅｂａｎｄｓｐｅｃｔｒｕｍｓｉｇｎａｌ．Ｔｈｅｓｕｐｐｏｒｔｓｅｔｓｏｆｄｉｆｆｅｒｅｎｔｃｏｇｎｉｔｉｖｅｕｓｅｒｇｒｏｕｐｓａｒｅｆｕｓｅｄｂｅｔｗｅｅｎｇｒｏｕｐｓｕｓｉｎｇｔｈｅｈａｒｄｄｅｃｉｓｉｏｎｓｃｈｅｍｅｏｆｔｈｅｒｅｇｉｏｎａｌｍａｐｐｉｎｇｆｕｓｉｏｎｍｏｄｅｌ．Ｔｈｅｒｅｇｉｏｎａｌｍａｐｐｉｎｇｆｕｓｉｏｎｍｏｄｅｌｒｅａｌｉｚｅｓｔｈｅｒｅｇｉｏｎａｌｍａｐｐｉｎｇｏｆｔｈｅｓｕｂｃｈａｎｎｅｌｓａｃｃｏｒｄｉｎｇｔｏｔｈｅｏｒｄｅｒｏｆｔｈｅａｔｏｍｓｓｅｌｅｃｔｅｄｂｙｔｈｅｉｎｎｅｒｐｒｏｄｕｃｔｉｎｔｈｅｇｒｅｅｄｙａｌｇｏｒｉｔｈｍ．Ｔｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｔｈａｔ，ｃｏｍｐａｒｅｄｗｉｔｈｔｈｅｓｐｅｃｔｒｕｍｓｅｎｓｉｎｇａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｄｉｓｔｒｉｂｕｔｅｄｍｏｄｕｌａｔｉｏｎｃｏｎｖｅｒｔｅｒｓ，ｔｈｅａｌｇｏｒｉｔｈｍｃａｎｅｆｆｅｃｔｉｖｅｌｙｉｍｐｒｏｖｅｔｈｅｓｕｃｃｅｓｓｐｒｏｂａｂｉｌｉｔｙｏｆｓｐｅｃｔｒｕｍｄｅｔｅｃｔｉｏｎａｎｄｒｅｄｕｃｅｔｈｅｃｏｍｐｌｅｘｉｔｙｏｆｔｈｅａｌｇｏｒｉｔｈｍ．Ｋｅｙｗｏｒｄｓ：ｄｉｓｔｒｉｂｕｔｅｄｗｉｄｅｂａｎｄｍｏｄｕｌａｔｉｏｎｃｏｎｖｅｒｔｅｒ；ｃｏｍｐｒｅｓｓｅｄｓｅｎｓｉｎｇ；ｃｏｏｐｅｒａｔｉｖｅｓｐｅｃｔｒｕｍｓｅｎｓｉｎｇ；ｈａｒｄｄｅｃｉｓｉｏｎ收稿日期：２０２３－０６－１３基金项目：辽宁省教育厅面上基金项目（ＬＪＫＺ１１８４）ＦｏｕｎｄａｔｉｏｎＩｔｅｍ：ＧｅｎｅｒａｌＦｕｎｄＰｒｏｇｒａｍｏｆＬｉａｏｎｉｎｇＰｒｏｖｉｎｃｉａｌＤｅｐａｒｔｍｅｎｔｏｆＥｄｕｃａｔｉｏｎ（ＬＪＫＺ１１８４）０　引言由于无线通信发展迅速，频谱资源变得很稀缺。

无线感知网络中基于分布式谱聚类的感知优化

无线感知网络中基于分布式谱聚类的感知优化随着无线通信技术的不断发展，人们对无线感知网络的需求越来越高。

在无线感知网络中，各个感知节点可以通过感知信息交互实现互相合作，以此提高网络的性能。

其中，感知优化是无线感知网络中的一个重要问题。

为了更好地解决感知优化问题，本文提出了基于分布式谱聚类的感知优化算法。

一、无线感知网络简介无线感知网络是一种由无线感知节点组成的网络，它能够对周围环境进行感知和监测。

无线感知网络可以在各种应用场景中发挥作用，如环境监测、智能交通等。

无线感知网络中的感知节点可以通过感知信息交互实现互相合作，以此提高网络的性能。

在无线感知网络中，感知节点之间可以采用不同的联接方式，如无线电、红外线、激光等。

此外，感知节点还可以采用不同的网络拓扑结构，如星型、树型、网状等。

二、感知优化问题介绍感知优化是无线感知网络中一个重要的问题。

感知优化的目的是通过合理的感知节点选择和感知信息采集，使得网络的感知效率最大化。

感知优化问题主要包括感知信息采集问题和感知信息传递问题。

在感知信息采集问题中，主要考虑如何选取部分感知节点进行信息采集，并使采集到的信息尽可能完整和准确。

在感知信息传递问题中，主要考虑如何将采集到的感知信息传递给其他节点，并且尽可能地减少信息传递的延迟和能量消耗。

三、基于分布式谱聚类的感知优化算法为了更好地解决感知优化问题，本文提出了基于分布式谱聚类的感知优化算法。

该算法的主要思想是通过对网络拓扑结构进行分析，将感知网络分成不同的子图，然后对每个子图进行感知节点的选择和感知信息采集。

具体来说，该算法分为三个步骤：子图分割、特征提取和聚类分析。

1.子图分割在该步骤中，将感知网络按照拓扑结构分成不同的子图，并确定每个子图的感知节点。

为了确定每个子图的感知节点，可以采用贪心算法。

具体来说，从整个网络中选取一个感知节点作为起点，然后以该节点为中心，逐步向外扩展，直到覆盖整个子图为止。

2.特征提取在该步骤中，对每个子图进行特征提取。

基于MBSBL-FMLM的宽带协作频谱感知算法

基于MBSBL-FMLM的宽带协作频谱感知算法胡静;肖海林【摘要】To improve detection accuracy and meet real-time detection of single node wideband compressed spectrum sensing algorithm in cognitive radio,a wideband cooperative spectrum sensing algorithm is presented.The proposed algorithm is based on multiple measurement vectors (MMV)block sparse Bayesian learning-fast marginalized likelihood maximization (MBSBL-FMLM),which uses multi-node cooperative detection method to reduce multipath fading and shadow fading.Mo-reover,fusion center combines MMV model and the block sparse structure of the wideband signal to obtain the MMV block sparse Bayesian learning (MBSBL),and utilizes FMLM method to estimate parametersrapidly.Numerical analysis indicates that the detection probability,NMSE and sensing time of MBSBL-FMLM algorithm are better than SOMP algorithm.%针对认知无线电网络中单节点的宽带压缩频谱感知算法检测准确性低、实时性差的缺点，提出了基于多测量向量块稀疏贝叶斯学习-快速边缘似然函数最大化(MBSBL-FMLM)的宽带协作频谱感知算法。

宽带协作频谱感知的联合信号重构改进算法

宽带协作频谱感知的联合信号重构改进算法佟明磊;白勇【期刊名称】《电子技术应用》【年(卷),期】2017(43)6【摘要】在基于认知无线电(CR)的宽带频谱感知中,调制宽带转换器(MWC)可以通过采用欠奈奎斯特采样来降低所需要的采样率,并且多个CR设备和融合中心可进行协作频谱感知来提高频谱感知的精确度.由正交匹配追踪(OMP)算法扩展的块稀疏同步正交匹配追踪(BSOMP)算法作为一种基于MWC实现协作频谱感知的联合信号重构算法,在低信噪比(SNR)下的正确支撑集恢复百分比不够理想.提出由压缩采样匹配追踪(CoSaMP)算法扩展成块稀疏同步压缩采样匹配追踪(BSCoSaMP)算法作为实现协作频谱感知的联合信号重构改进算法.仿真结果显示,与BSOMP算法相比,BSCoSaMP算法可以得到更高的正确支撑集恢复百分比.%Sub-Nyquist sampling with Modulated Wideband Converter (MWC) can reduce required sampling rate for wideband spectrum sensing of Cognitive Radio (CR),and collaborative spectrum sensing conducted by multiple CRs and a fusion center can help increasing the precision of spectrum sensing.The Block Sparse Simultaneous Orthogonal Matching Pursuit(BSOMP) algorithm,extended from Orthogonal Matching Pursuit(OMP),has been investigated as one joint signal reconstruction algorithm for collaborative spectrum sensing with MWC,but the percentage of correct support recovery of BSOMP algorithm is not satisfied in low Signal Noise Ratio(SNR) regime.In this paper,Block Sparse Simultaneous Compressive SamplingMatching Pursuit (BSCoSaMP) algorithm,extended from Compressive Sampling Matching Pursuit (CoSaMP),is proposed to be the improved joint signal reconstruction algorithm for collaborative spectrumsensing.Simulation results demonstrate that higher percentage of correct support recovery can be achieved with BSCoSaMP algorithm than with BSOMP algorithm.【总页数】4页(P98-101)【作者】佟明磊;白勇【作者单位】海南大学南海海洋资源利用国家重点实验室,海南海口 570228;海南大学信息科学技术学院,海南海口 570228;海南大学南海海洋资源利用国家重点实验室,海南海口 570228;海南大学信息科学技术学院,海南海口 570228【正文语种】中文【中图分类】TN929.5【相关文献】1.基于分布式压缩感知的宽带协作频谱感知算法 [J], 胡静;肖海林2.基于MBSBL-FMLM的宽带协作频谱感知算法 [J], 胡静;肖海林3.一种改进信道化结构的宽带信号重构方法 [J], 高希光;左佑4.改进自适应双门限协作频谱感知算法 [J], 王京; 于山山; 刘琚5.基于认知无线网协作频谱感知的改进算法研究 [J], 王涛因版权原因，仅展示原文概要，查看原文内容请购买。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｗｅｇｔｄｃｎｅｓｓａｅａｉｇｃｎｔａｎｎｒｄｃｄｔｅｕｅｔｕｅｆｅｃｎｅｓｓｃｎｔｉｔ，ｉｈｌｗｅｓｉｈｅｏｓｎｕ－ｖｒｇｎｏｓｒｉｔｓｉｔｏｕｅｒｄｃｉｏｈｅｎｍｂｒｏｏｓｎｕｏｓａｎｓｗｈｃｏｒｈｔｒ
ｔｕｍｒｍｏｐｒｓｉａｐｅｒｆｏｃｍｅｓｖｅｓｍｌ．Ｋｅｙｗｏｒｄｓ：ｓｒｂｅｓｃｒｍｅｉｇ；ｃｍｐｅｓｖｅｓｐｉｉｄｔｉｕｔｄｐｅｔｕｓｎｓｎｏｒｓｉａｌｎｇ；ｏｏｒｔｖｅｉｍｃｐｅａｅｓｎｓｎｇ；ｏｎｓｎｓｔｍｉａｉｎｉｃｅｕｓｏｐｉｚｔｏ
Ｄｉｔｉｅｏｐｅａｉｅｓｃｒｓｒｂｕｔｄｃｏｒｔｖｐｅｔｕｍｅｉｓｎｓｎｇｂａｅｎｃｎｓｎｓｐｔｍｉａｉｎｓｄｏｏｅｕｓｏｉｚｔｏ
ＺＮＦｎｚ，ＩｅＬｅ — ，ＥＧｉｇｇａｇＥＧａ —ｉＬＵＪ，ＩｎｆＺＮＱｎ —ｕｎｉＲａ
（ｍｂｄｅｙｔｍｓａｄＮｅｗｏｋｎａｒｔｒ，ｎｉｅｓｔ，ａｇｈ０８，ｉａＥｅｄｄＳｓｅｎｔｒｉｇＬｂｏａｏｙＨｕａＵｎｖｒｉｙＣｈｎｓａ４１０２Ｃｈｎ）ｎ
Ａｂｔａｔｓｒｃ：Ａｉｔｂｔｄｗｉｅａｄｓｅｔｕｃｍｐｅｓｖｅｓｎｐｒａｈｂｓｄｏｏｓｎｕｐｉｚｔｎｗａｅｅ — ｄｓｉｕｅｄｂｎｐｃｒｍｏｒｓｉｅｓｎｉｇａｐｏｃａｅｎｃｎｅｓｓｏｔｒｍｉａｏｓｄｖｌｉ
ｏｄ．ｐｅＴｈｅｃｎｔｖｅｒｄｏｕｓｒｒｔｙｃｌｅｔｄｔｅｔｍｅｄｏａｎｓｍｐｌｎｙｏｍｐｅｓｉｅｓｍｐｌｎｎｄｒｃｅｈｏｃｌｏｇｉｉａｉｅｓｆｓｌｏｌｃｅｈｉ — ｍｉａｉｉｇｂｃｒｓｖａｉｇａｅｏｖｒｔｅｌａ
ｓｅｔｍ．ｈｎｔｅｓｅｔｍｆｒｒｓｒｃｖｒｄｏｎｌｙｃｏｅａｖｏｎｔｅｒｄｏｕｅｓｗｈｃｔｉｓｔｐｃｕＴｅｃｕｏｉｙｕｅｓｓｅｏｅｅｉｔｂｏｐｒｔｅｃｇｉｖｉｓｒ，ｉｈｕｉｚ－ｒｈｐｒｐｍａｉｒｊｙｉｉａｌｅｉ
ｈｏｍｐａｉｏａｎｄｅｅｔｓｔｅｃｔｅｃｕｔｔｏｎｌｄｓａｘｐｄｉｅｏｎｖｒｅｅｈｅｇｎｃ．Ｔｈｅｃｖｅｇｎｃｆｔｅｐｒｐｏｅｓｒｂｕｅｏｅａｖｅｓｅｔｕｏｎｒｅｅｏｏｓｄｄｔｉｔｃｏｐｒｔｐｃｒｍｈｉｄｉ
ｓｎｉｇｓｈｍｅｉｒｖｄａａｙｉａｌ．ｉｌｔｎｅｎｔａｅｔａｅｐｏｏｅｃｅａｆｃｉｅｙｓｎｅｔｅｓｅ — ｅｓｎｃｅｓｐｏｅｎｌｔｌＳｍｕａｉｓｄｍｏｓｔｔｒｐｓｄｓｈｍｅｃｎｅｅｔｌｅｓｐｃｃｙｏｒｈｔｈｖｈ
第３２卷第９期２１年９月０１
通
信
学
报
、Ｉ２ｂｌＮｏ９３．源自ｐｅｅ０１ｅｔｍｂｒ２１
ＪｕａｎＣｏｏｍｌｍｍｕｉａｉｎｏｎｃｔｓｏ
基于一致优化的分布式宽带合作频谱感知算法
曾凡仔，刘洁，李仁发，曾庆光
（南大学嵌入式系统与网络实验室，湖南长沙４０８）湖１０２
摘
要：在压缩采样的框架下，提出一种基于一致优化的分布式宽带频谱压缩感知算法。算法思想如下：认知无
线电网络中每个认知节点首先根据压缩采样理论获取压缩采样，并恢复本地的频谱信息，然后在一跳范围内交换频谱信息。认知节点将获取的邻居节点频谱信息进行加权平均，此加权平均作为频谱恢复一致优化问题的约束，以此来降低计算开销，加速算法的收敛。优化问题通过最优交替方向乘子法迭代求解来获取整个认知无线电网络
ｅａｖｏｅｕｓｏｉｉａｏｎｔｒｃｇｏｂａｌｅｉｇｏｕｃｍｅｓｖｉｎｅｈｏｃｌｃｍｍｕｎｃｔｏｏｎｌ．Ｉｒｉｕａ，ａｒｆｅｃｎｓｎｓｐｔｍｚｔｏｅａｈｌｉｉｌｙｓｎｓｎｔｏａｏ — ｏｐｌａｏｉａｉｎｙｎｐａｔｃｌｒ
的频谱估计。给出了算法的收敛性证明，并进行了仿真实验以验证算法的有效性。
关键词：分布式频谱感知；压缩采样；合作感知；～致优化中图分类号：Ｔ９４Ｎ１文献标识码：Ａ文章编号：１０ —３Ｘ（０１９０４．６００４６２１） — １７００