宽带频谱感知
合集下载
相关主题
- 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)。
Guangming Shi, Jie Lin, Xuyang Chen, ect,”UWB echo signal detection with ultra-low rate sampling based on compressed sensing ”,IEEE Trans.on Circuits and Systems :express Brief 379-383,2008
压缩感知: CS(compressive sampling),又称为压缩感知或稀疏采样,是一种利用稀疏的 或可压缩的信号进行信号重建的技术。利用了授权频段频谱利用的低效性,将 问题的求解在低维空间上进行。目前,基于CS的宽带压缩感知的研究还处于起 步阶段。 Zhi Tian Georgios B. Giannakis “COMPRESSED SENSING FOR WIDEBAND COGNITIVE RADIOS” Acoustics,Speech and Signal Processing ,2007,IEEE International Conference Volume 4,15-20 April 2007 Zhiz Tian,Blash E.,Wenhua Li,etc.”Performance evaluation of distributed compressed wideband sensing for cognitive radio network”,2008 11th Int.Conf.on Inf.Fusion,1-8,2008
Fra Baidu bibliotek
思路:
由自适应滤波理论中 Rayleigh Ritz inequality:
上限的最小化。 仿真结果:
每个认知用户感知部分频谱,除有上述空频 联合设计的难点外还必须解决一个问题:怎 么确定哪些认知用户感知哪些频段。目前这 方面的研究还未查到相关文献。
End !
现有的频谱感知技术多以窄带为研究对象,如果仅仅改变 射频端带通滤波器的中心频率实现宽带感知,不能有效的 对频谱使用情况实时跟踪,必须寻找适合宽带的感知方法。
宽带感知的研究挑战
第一:感知频带内不仅包含一路主用户信号,且各主用户的信号 参数不尽相同。
第二:宽带对射频前端、处理速度和感知算法可靠性的要求提高。
环境设置:K个子带,能量检测,对主用户的干扰最小的 情况下使CR吞吐量最大化。多带检测示意图:
其中:
又
效果
2、带通滤波器组分段实现 Behrouz Farhang-Boroujeny,”Filter Bank Spectrum Sensing for Cognitive Radios”,IEEE TRANSACTIONS ON SIGNAL PROCESSING, VOL. 56, NO. 5, MAY 2008
硬件结构简单但成本高,且不灵活。文中提出滤波器组的多相实现:
多用户协作宽带感知的方法:
每个用户检测全频段然后上传融合判决; 每个用户检测部分频段,上传融合判决
每个用户检测全频段然后上传融合判决,这样不仅要对各子带确 定判决门限还要对各认知用户确定融合权重。这样就会变成空域频域两重优化问题。
Z. Quan, S. Cui, A.H. Sayed, and H.V. Poor, “Spatial-spectral joint detection for wideband spectrum sensing in cognitive radio networks,” in Proc. IEEE ICASSP,Las Vegas, NV, Apr. 2008, pp. 2793–2796.
Zhuizhuan Yu,Hoyos S.,Sadler B.M,”Mixed-signal parallel compressed sensing and reception for cognitive radio”,IEEE (ICASSP),3861-3864,2008
传统的信号采集、编解码过程如图1所 示:编码端先对信号进行采样,再对所有采 样值进行变换,并将其中重要系数的幅度和 位置进行编码,最后将编码值进行存储或传 输号的解码过程仅仅是编码的逆过程,接收 的信号经解压缩、反变换后得到恢复信号。 这种传统的编解码方法存在两个缺陷: 1)由于信号的采样速率不得低于信号带宽的 2倍,这使得硬件系统面临着很大的采样速 率的压力: 2)在压缩编码过程中,大量变换计算得到的 小系数被丢弃,造成了数据计算和内存资源 的浪费。
第三:空时频联合优化问题。
宽带感知的研究现状和方法
单用户宽带感知的方法:
1、A/D采样全频段(DSP部分分段或不分段); 2、带通滤波器组分段实现; 3、单一滤波器改变中心频率;
1、A/D采样全频段: 采样速率要求较高。 有文献采用小波变换方案。
Z. Tian and G.B. Giannakis, “A wavelet approach to wideband spectrum sensing for cognitive radios,” in Proc. Int. Conf. Cognitive Radio Oriented Wireless Networks and Communications (CROWNCOM), Mykonos Island, Greece, June 2006, pp. 1–5. Y. Hur, J. Park, W. Woo, K. Lim, C.-H. Lee, H.S. Kim, and J. Laskar, “A wideband analog multi-resolution spectrum sensing technique for cognitive radio systems,” in Proc. IEEE Int. Symp. Circuits and Systems (ISCAS), Island of Kos, Greece, May 2006, pp. 4090–4093. J. Park', Y. Hur2, T. J. Song„ “implementation issues of A wideband multi-resolution spectrum sensing technique for cognitive radio systems” 2006IEEE
实例:
i) compressed random sampling to generate measurements from r(t); ii) reconstruction of the frequency response ; iii) estimation of frequency band number N and locations; iv) estimation of the average amplitude of within each identified band for spectrum classification.
CS理论对信号的采样、压缩编码 发生在同一个步骤,利用信号的稀疏 性,以远低于Nyquist采样率的速率 对信号进行非自适应的测量编码。测 量值并非信号本身,而是从高维到低 维的投影值,从数学角度看,每个测 量值是传统理论下的每个样本信号的 组合函数,即一个测量值已经包含了 所有样本信号的少量信息。解码过程 不是编码的简单逆过程,而是利用信 号稀疏分解中已有的重构方法在概率 意义上实现信号的精确重构或者一定 误差下的近似重构.
Wideband Spectrum Sensing
宽带感知的研究必要性
宽带感知的研究挑战 宽带感知的研究现状和方法
宽带感知的研究必要性
IEEE802.22 WRAN(47~910MHz) WPANs:蓝牙、紫蜂、UWB(3.1-10.6GHz 7500MHz)
WiMax
未来实现高速认知数据传输,必须感知宽带资源“伺机”接入。
关键是合理选择稀疏基。常见的有正(余)弦基、小波基等
多带联合检测: 每个子带所处的信道条件各不相同,如信道增益、干扰、 噪声等,所支持的数据率也各不相同。多带检测时各子带 的判决门限不应相同,同时对多个信道门限联合设计将更 有实际意义。 Z. Quan, S. Cui, A.H. Sayed, and H.V. Poor, “Optimal multiband joint detection for spectrum sensing in cognitive radio networks,” IEEE Trans. Signal Processing Zhi Quan, Shuguang Cui,“Wideband Spectrum Sensing in Cognitive Radio Networks”,Feb 2008
简单的说小波变换就是在傅立叶变换中将基函数e- jt的伸缩函数 e- j t 替换成小波基函数 t)的平移伸缩函数 ( ( t -b ). a
小波变换直接用 于宽带感知,在 压缩宽带感知中 也有应用,分段。
另外小波变换用于多分辨率实现:
MRSS results for FM, VSB and OFDM signals. (a) Input RF signal spectrum, (b) spectrum detected in a sparse manner (i.e. 10-MHz , 5-MHz), (c) spectrum detected in a precise manner (i.e. 1-MHz , 2 MHz).