题名 基于能量有效性的贝叶斯压缩感知宽带频谱检测
被引量：2
1
作者
王赞 许晓荣 姚英彪
机构
杭州电子科技大学通信工程学院
出处
《计算机工程》
CAS
CSCD
北大核心
2016年第3期125-129,共5页
基金
国家自然科学基金资助项目(61102066) 浙江省自然科学基金资助项目(LY15F010008)
文摘
在认知无线网络(CRN)中,基于压缩感知的宽带频谱检测仅关注频谱有效性,未考虑到频谱检测过程中节点的能效问题,在提高频谱检测性能的同时造成节点能耗开销过大。为此,提出一种在保障节点能量有效性基础上,进行基于贝叶斯压缩感知(BCS)稀疏重构的CRN宽带频谱检测方法。推导感知能耗解析式,构造节点感知能耗模型,在满足宽带压缩频谱检测概率和BCS重构均方误差(MSE)阈值的约束条件下,通过改变BCS测量矩阵中采样点数实现感知能耗最小化。仿真结果表明,当虚警概率为0.04时,在采样点数较小的情况下,该方法的检测概率高于感知-能耗折衷方法。在重构MSE小于15 d B的条件下,与正交匹配追踪方法的重构能耗相比,基于BCS的节点重构能耗明显下降。
关键词
能量有效性 贝叶斯压缩感知 宽带频谱检测 检测 性能重构均方误差
Keywords
energy efficiency Bayesian Compressive Sensing（BCS） wideband spectrum detection detection performance reconstruction Mean Square Error（MSE）
分类号
TN929.5
[电子电信—通信与信息系统]
题名 基于二项分布改进的宽带压缩频谱检测方案
被引量：6
2
作者
马彬 王宏明 谢显中
机构
重庆邮电大学移动通信技术重庆市重点实验室 重庆邮电大学通信与信息工程学院
出处
《电子学报》
EI
CAS
CSCD
北大核心
2020年第2期243-248,共6页
基金
重庆市教委科学技术研究重点项目(No.KJZD-K201800603) 重庆市自然科学基金(No.CSTC2018jcyjAX0432) 重庆市研究生科研创新项目(No.CYS19252)。
文摘
宽带压缩频谱检测存在依赖稀疏度先验信息和信号重构时延较高的问题.因此,本文提出了一种高效可靠的宽带压缩频谱检测方案.首先,推导出了基于二项分布精确置信区间改进的稀疏度估计模型.其次,利用稀疏度估计上下界改进了稀疏度自适应匹配追踪算法.最后,提出了一种宽带压缩频谱检测方案.仿真结果表明,本文所提出方法可以同时精确的估计信号稀疏度的上下界,提高了频谱检测的效率和可靠性,加快了算法的收敛速度.
关键词
宽带频谱检测 压缩感知 稀疏度估计 置信区间 信号重构
Keywords
wideband spectrum sensing compressed sensing sparsity estimation confidence interval signal recon-struction
分类号
TN929.5
[电子电信—通信与信息系统]
题名 基于监督学习的协作宽带压缩频谱检测方案
3
作者
马彬 王宏明 谢显中
机构
重庆邮电大学移动通信技术重庆市重点实验室 重庆邮电大学通信与信息工程学院
出处
《电子学报》
EI
CAS
CSCD
北大核心
2020年第12期2338-2344,共7页
基金
重庆市教委科学技术研究重大项目(No.KJZD-M201900602) 重庆市基础研究与前沿探索项目(No.CSTC2018jcyjAX0432) 重庆市研究生科研创新项目(No.CYS19252)。
文摘
宽带压缩频谱检测存在信号稀疏度未知和次用户检测开销过大的问题.因此,本文提出一种高效的协作宽带压缩频谱检测方案.首先,推导了一种基于学习的稀疏度自适应预测模型.其次,设计了一种宽带频谱筛选算法.最后,提出一种协作宽带压缩频谱检测方案.仿真结果表明,自适应预测模型的拟合效果优于现有预测模型,并且所提检测方案也有效地降低了次用户采样率和频谱重构时延.
关键词
宽带频谱检测 协作检测 压缩感知 稀疏度估计 监督学习
Keywords
wideband spectrum sensing collaborative sensing compressed sensing sparsity estimation supervised learning
分类号
TN929.5
[电子电信—通信与信息系统]
题名 基于支撑集融合的分布式协作压缩频谱检测方法
被引量：4
4
作者
闫盛楠 刘洺辛
机构
燕山大学信息科学与工程学院 河北省信息传输与信号处理重点实验室
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2020年第2期466-472,共7页
基金
国家自然科学基金(61871465,61701429) 河北省自然科学基金(F2018203137) 河北省高等学校科学技术研究项目(QN2019133)资助课题
文摘
针对认知无线电(cognitive radio,CR)宽带频谱检测过程中存在的采样压力大、数据传输量大、信道衰落严重等问题,提出了一种基于支撑集融合的分布式协作压缩频谱检测方法。在该方法中,本地信号重构过程和频谱稀疏支撑集的分布式融合过程反复交替进行,将本地重构过程中获得的稀疏支撑集信息进行分布式融合,又将融合结果作为先验信息指导本地信号再次重构,多次重复以实现信号重构与频谱检测。仿真结果表明,所提出方法的频谱检测性能可接近集中式的压缩检测方法,而该方法的迭代重构过程复杂度低,具有计算开销少的优势。
关键词
认知无线电 宽带频谱检测 协作频谱 检测 压缩感知
Keywords
cognitive radio(CR) wideband spectrum sensing cooperative spectrum sensing compressed sensing(CS)
分类号
TN929.5
[电子电信—通信与信息系统]
题名 基于频域叠加和深度学习的频谱信号识别
被引量：6
5
作者
周宇航 侯进 李嘉新 李惠森
机构
西南交通大学信息科学与技术学院智能感知智慧运维实验室 西南交通大学综合交通大数据应用技术国家工程实验室
出处
《计算机应用研究》
CSCD
北大核心
2023年第3期874-879,共6页
基金
国家重点研发计划资助项目(2020YFB1711902) 四川省科技计划资助项目(2020SYSY0016)。
文摘
针对频谱监测领域频带较宽、接收机采样步进受限而造成的宽带频谱信号难以识别的问题,提出了一种频域叠加预处理和目标检测相结合的频谱信号识别方法。该方法利用频域叠加对频谱数据进行多帧叠加来突出频谱中的弱信号,将叠加处理后的频谱图像送入改进的目标检测网络中进行信号类型的识别。经过实验证明,此方法能够有效地识别7种类型的频谱信号,提出的频域叠加预处理能够提升目标检测算法的精度,并提高频谱中弱信号的识别能力,在信噪比为6 dB时,算法能够达到89.7%的平均识别率。
关键词
宽带频谱检测 频域叠加 卷积神经网络 目标检测
Keywords
wideband spectrum detection frequency-domain superposition convolution neural network object detection
分类号
TP393.04
[自动化与计算机技术—计算机应用技术]
