协作式压缩感知对于宽带频谱的检测

协作式压缩感知对于宽带频谱的检测

ID:34330442

大小:346.00 KB

页数:8页

时间:2019-03-05

协作式压缩感知对于宽带频谱的检测_第1页
协作式压缩感知对于宽带频谱的检测_第2页
协作式压缩感知对于宽带频谱的检测_第3页
协作式压缩感知对于宽带频谱的检测_第4页
协作式压缩感知对于宽带频谱的检测_第5页
资源描述:

《协作式压缩感知对于宽带频谱的检测》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、.协作式压缩感知对于宽带频谱的检测摘要:高斯过程的协作压缩频谱感知(PBCS)算法是关于在低信噪比的环境下检测频谱能下降的问题,这是针对协作式压缩感知对宽带频谱的检测。这种算法应用层次化正态分布模型找出各个宽带认知无线电用户上一时间压缩感知的模型参数,每个用户再交换模型参数进行重构协作式压缩频谱,再利用其检测出用户可用的信道,本文的算法减小了对其他用户的影响作为处于低信噪比的协作用户的协作信息。和其他直接融合频谱感知结果或检测数据的协作式算法有很大的区别。从仿真实验可以看出,分布式压缩频谱感知在-5dB的信噪比条件下误检概率为0.10、检验概率>0.90的频谱检测性能。

2、这可以很大程度上减小信噪比低的协作用户的影响。关键词:宽带频谱的检测;协作压缩感知;亚奎斯特采样;高斯过程CollaborativecompressedsensingforbroadbandspectrumdetectionAbstract:Gaussprocessdistributedcompressionspectrumsensing(PBCS)algorithminthelowSNRenvironmentdetectionspectrumcanbedecreased,whichisdirectedtothecollaborativecompressedsensin

3、gforbroadbandspectrumdetection.Thisalgorithmisappliedhierarchicalnormaldistributionmodeltoidentifythevariousbroadbandcognitiveradiouserstimecompressedsensingmodelparameters,eachusertoexchangemodelparametersarereconstructedcollaborativespectrumcompression,andusethesetodetectuserchannel,Th

4、isalgorithmreducestootherusersoftheeffectasinthelowSNRcollaborativeusercollaborativeinformation.Andotherdirectfusionspectrumsensingresultortestdataofthecollaborativealgorithmhastheverybigdifference.Fromthesimulationresultscanbeseen,thedistributedcompressionofspectrumsensingin-5dBSNRcondi

5、tionerrorprobabilityof0.10,inspectionprobability>0.90spectrumdetectionperformance.ThiscanlargelyreducetheSNRofthecollaborativeuserinfluence.Keywords:PBCS;collaborativecompressedsensing;Sub-Nyquistsampling;Gaussprocess;1引言认知无线电网络协作压缩频谱感知的检测和算法,在解决无线通信系统中频谱资源没有有限的利用以及频谱利用率不高等一系列的问题上显示出其具有的

6、研究价值。其中宽带认知无线电(widebandcognitiveradio,即WCR)能提高宽带范围内频谱的利用率。提高频谱的利用率是当下解决频谱资源没有有限的利用的一个有效技术。宽带频谱感知技术的精华是可以在短时间内提供认知无线电频谱介入更多的机会(文献),检测出用户(computeruser)当时状态,以便WCR用户检测出当前可用子信道信息,通过压缩感知(CS)理论(文献)为基础的宽带频谱感知技术能有效降低宽带模拟信号的采样速率,同时射频前端模拟数字转换器(ADC...)有较高的采样速率,因此受到了广泛的关注。压缩感知技术以离散化频谱的稀疏性为前提,通过亚奈斯特采样

7、的宽带频谱的感知,降低了采样频率。在频谱重构阶段需要确切的稀密度信息,而稀密度在在频谱环境中实际上是无法预测信号,同时,当想实现较高的频率的分辨率时,由于数据问题太多,测量数据过大,将会导致有过重的数据处理任务,造成感知速度延时。必须找到一种测量矩阵较小,因而不需要准确稀疏度的亚奈斯特采样的方法。这也是压缩频谱感知技术当前的焦点问题。针对压缩频谱感知存在问题,实际协作的用户可能同时处于相对较低的信噪比检测的环境中,本文提出基于高斯过程的分布式压缩感知算法。这种算法应用层次化正态分布模型找出各个宽带认知无线电用户上一时间压缩感知的模型参数,

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。