针对在低信噪比(SNR)情况下稀疏度欠估计和高信噪比情况下稀疏度过估计的问题,提出了一种基于Gerschgorin理论稀疏度估计的宽带频谱感知算法。首先,该算法利用Gerschgorin理论分离信号圆盘与噪声圆盘得到稀疏度估计值;然后,利用正交匹...针对在低信噪比(SNR)情况下稀疏度欠估计和高信噪比情况下稀疏度过估计的问题,提出了一种基于Gerschgorin理论稀疏度估计的宽带频谱感知算法。首先,该算法利用Gerschgorin理论分离信号圆盘与噪声圆盘得到稀疏度估计值;然后,利用正交匹配追踪(OMP)算法得到频谱支撑集;最后,完成宽带频谱感知。仿真结果表明,所提算法、AIC-OMP算法和MDL-OMP算法频谱感知的检测概率达到95%信噪比分别需要4.6 d B、8.5 d B和9.7 d B;所提算法频谱感知的虚警概率在信噪比大于13 d B时趋近于0,明显低于BPD-OMP和GDRI-OMP算法的虚警概率,因此,所提算法对于压缩感知(CS)的信号稀疏度估计兼顾了低信噪比和高信噪比时的稀疏度估计性能,频谱感知性能优于AIC-OMP算法、MDL-OMP算法、BPD-OMP算法和GDRI-OMP算法。展开更多
频谱感知技术是认知无线电的核心技术之一,由于未来无线通信技术的发展对高速数据通信的需求,使得宽带频谱感知技术成为目前研究的重点方向。由于宽频带带宽较宽不能直接将整个频段划分为占用或者空闲,需要对宽频带进行细分。将信号划...频谱感知技术是认知无线电的核心技术之一,由于未来无线通信技术的发展对高速数据通信的需求,使得宽带频谱感知技术成为目前研究的重点方向。由于宽频带带宽较宽不能直接将整个频段划分为占用或者空闲,需要对宽频带进行细分。将信号划分为多个子频带,通过预处理将多元分类问题转化成二元分类问题。为了降低频谱感知的算法复杂度,提出了基于噪声估计(estimation of noise,EN)和支持向量机(support vector machine,SVM)的频谱感知算法,该算法利用检测性能较好的慢速感知算法作为噪声估计,再使用算法复杂度低的快速感知算法结合噪声估计的信息进行频谱感知。实验结果表明,在低信噪比下,该算法较传统的方法其检测性能有着明显的提高,在信噪比为-10dB的无线环境中能够完全识别各个子信道的使用情况。展开更多
文摘针对在低信噪比(SNR)情况下稀疏度欠估计和高信噪比情况下稀疏度过估计的问题,提出了一种基于Gerschgorin理论稀疏度估计的宽带频谱感知算法。首先,该算法利用Gerschgorin理论分离信号圆盘与噪声圆盘得到稀疏度估计值;然后,利用正交匹配追踪(OMP)算法得到频谱支撑集;最后,完成宽带频谱感知。仿真结果表明,所提算法、AIC-OMP算法和MDL-OMP算法频谱感知的检测概率达到95%信噪比分别需要4.6 d B、8.5 d B和9.7 d B;所提算法频谱感知的虚警概率在信噪比大于13 d B时趋近于0,明显低于BPD-OMP和GDRI-OMP算法的虚警概率,因此,所提算法对于压缩感知(CS)的信号稀疏度估计兼顾了低信噪比和高信噪比时的稀疏度估计性能,频谱感知性能优于AIC-OMP算法、MDL-OMP算法、BPD-OMP算法和GDRI-OMP算法。
文摘频谱感知技术是认知无线电的核心技术之一,由于未来无线通信技术的发展对高速数据通信的需求,使得宽带频谱感知技术成为目前研究的重点方向。由于宽频带带宽较宽不能直接将整个频段划分为占用或者空闲,需要对宽频带进行细分。将信号划分为多个子频带,通过预处理将多元分类问题转化成二元分类问题。为了降低频谱感知的算法复杂度,提出了基于噪声估计(estimation of noise,EN)和支持向量机(support vector machine,SVM)的频谱感知算法,该算法利用检测性能较好的慢速感知算法作为噪声估计,再使用算法复杂度低的快速感知算法结合噪声估计的信息进行频谱感知。实验结果表明,在低信噪比下,该算法较传统的方法其检测性能有着明显的提高,在信噪比为-10dB的无线环境中能够完全识别各个子信道的使用情况。
