Spatial-Spectral Joint Detection for Wideband Spectrum Sensing in Cognitive Radio Networks
频谱感知是一项基本功能，它使认知无线电能够检测频谱空洞，并在不对主网络造成有害干扰的情况下适时使用未充分利用的频带。由于单个认知无线电可能无法可靠地检测到微弱的主信号，由于信道衰落/阴影，本文提出了一种合作的宽带频谱感知方案，称为空间-频谱联合检测，这是基于线性组合的本地统计从空间分布的多个认知无线电。将协同感知问题转化为一个优化问题，在实际条件下通过数学变换可以得到次优但有效的解。
2008-01-19 cs.IT math.IT
Wideband Spectrum Sensing in Cognitive Radio Networks
频谱感知是认知无线电网络检测频谱空洞并适时使用未充分利用的频带而不会对传统网络造成有害干扰的重要功能。本文介绍了一种新的宽带频谱感知技术，称为多频带联合检测，联合检测信号的能量水平在多个频带，而不是考虑一个频带的时间。该策略在提高动态频谱利用率和减少对主用户的干扰方面是有效的。在干扰受限的认知无线电网络中，频谱感知问题可以归结为一类优化问题。通过利用看似非凸的问题公式中隐藏的凸性，在实际条件下得到了多频带联合检测的最优解。仿真结果表明，所提出的频谱感知方案可以显着提高系统性能。本文建立了认知无线电网络中宽带频谱感知算法设计的重要原则。
2008-02-28 cs.IT math.IT
Anti-Sampling-Distortion Compressive Wideband Spectrum Sensing for Cognitive Radio
过高的采样率是认知无线电宽带频谱感知的瓶颈。压缩感知（CS）被引入来转移采样负担。CS的标准稀疏信号恢复没有考虑模拟-信息转换器（AIC）中的失真。为了克服最小二乘无失真约束中不考虑AIC失真的失配所带来的性能退化，将具有采样失真的稀疏信号定义为有界加性噪声，推导出抗采样失真约束（ASDC）。然后将基于\ell 1范数的稀疏约束与ASDC相结合，得到了一种新的鲁棒的采样失真稀疏信号恢复算子。仿真结果表明，该方法在精度、去噪能力等方面均优于标准稀疏宽带频谱感知。
2011-06-18 cs.IT math.IT
A Wideband Spectrum Sensing Method for Cognitive Radio using Sub-Nyquist Sampling
频谱感知是认知无线电的一个基本组成部分。该领域的主要挑战是在宽带信号的感测中需要高采样率。本文提出了一种宽带频谱感知模型，该模型采用欠采样方案，在采样率方面节省了大量资源。有限数量的噪声样本的相关矩阵的计算和使用的子空间估计器来检测占用和空闲的频谱信道。与常用的方法相比，该方法不需要信号特性的知识，从而减轻了不确定性问题。我们评估这种方法的性能，通过计算检测信号占用的样本数和随机生成的信号的SNR的概率。结果表明，即使在低信噪比和小样本数的可靠检测。
2010-10-11 cs.IT math.IT
Cooperative Wideband Spectrum Sensing for the Centralized Cognitive Radio Network
各种主用户（PU）无线电已经被分配到整个频谱中的固定频带中。认知无线电网络（CRN）应该能够执行宽带频谱感知（WSS）以检测暂时未被占用的频带。我们总结了四个占用频带的功能。1.居住稀疏; 2。频带分配信息是固定的和公共的; 3.频带用途有三类; 4.所占用的频带在CRN中是常见的。首次将所有特征作为压缩感知协作WSS（CWSS）算法设计的先验知识，用于集中式CRN。提出了一种改进的正交匹配追踪（Mod-OMP）算法和一种改进的同步正交匹配追踪（Mod-SOMP）算法。我们比较了CWSS性能的Mod-OMP/Mod-SOMP与原来的OMP/SOMP，并显示性能的改善。
2011-02-18 cs.IT math.IT
Distributed Compressed Wideband Sensing in Cognitive Radio Sensor Networks
提出了一种新的认知无线电传感器网络（CRSN）分布式压缩宽带感知方案。该方案利用CRSN的分布式特性，在每个节点上仅部署一个超低采样率的窄带采样器，即可完成宽带频谱感知。首先，详细描述了各节点处压缩采样器的实际结构。其次，我们展示了融合中心（FC）如何利用频谱随机混叠的采样信号来检测全球宽带频谱活动。最后，通过大量的仿真验证了所提出的方案，这表明它是特别适合CRSN。
2014-02-22 cs.IT cs.NI math.IT
A NLLS Based Sub-Nyquist Rate Spectrum Sensing for Wideband Cognitive Radio
对于需要了解可用频带的系统和设备，例如认知无线电和网络，频谱感测具有重要作用。该领域的主要挑战是在宽带信号的感测中需要高采样率。本文提出了一种宽带频谱感知方法，该方法利用欠采样方案，在采样率方面带来了实质性的节省。有限数量的噪声样本的相关矩阵的计算和使用的非线性最小二乘（NLLS）估计检测占用和空闲的频谱通道。我们提供了作为采样参数和噪声功率的函数的检测阈值的表达式。同时，提出了一种顺序前向选择算法，以较低的复杂度找到占用信道。该方法可应用于相关和不相关的宽带多通道信号。与传统的能量检测使用奈奎斯特采样率的比较表明，所提出的方案可以产生类似的性能为SNR大于4 dB的小采样率的一个因素。
2014-08-20 cs.IT math.IT
Subcarrier Assignment Schemes Based on Q-Learning in Wideband Cognitive Radio Networks
子载波分配是宽带认知无线电（CR）网络中的关键问题。针对动态频谱接入环境下传统优化方法不适用的问题，针对次用户间不能交换信息的情况，提出了一种基于独立Q学习的方案;针对次用户间可以交换信息的情况，提出了一种基于协作Q学习的方案。仿真结果表明，所提出的协同Q学习分配的性能优于所提出的独立Q学习分配的计算成本的成本。
2019-11-17 cs.IT eess.SP math.IT
Spectrum Sensing in Wideband OFDM Cognitive Radios
研究了基于正交频分复用（OFDM）的认知无线电（CR）系统中主用户（PU）信号的检测。根据检测器已知的PU信号的先验知识，提出了三种基于Neyman-Pearson原理的检测算法。在第一种情况下，高斯PU信号与完全已知的概率密度函数（PDF），除了其接收功率被认为是。PU信号所驻留的频带也被假定为已知的。在可能被PU信号干扰的每个OFDM子载波处单独地执行检测，并且然后将结果组合以形成最终判决。在第二种情况下，PU信号所在的子载波是已知的。来自所有可能受干扰的子载波的观测被联合考虑，以利用PU信号的存在同时干扰所有子载波的事实。在最后一种情况下，假设没有PU信号先验知识可用。该检测涉及对干扰频带的搜索。所提出的检测器是能够检测到突然的功率变化时，沿频率轴跟踪。
2008-10-06 cs.IT math.IT
Multi-rate Sub-Nyquist Spectrum Sensing in Cognitive Radios
宽带频谱感知对于认知无线电（CR）系统利用频谱机会变得越来越重要。本文介绍了一种新的多速率亚奈奎斯特频谱感知（MS 3）系统，实现合作的宽带频谱感知在CR网络。MS 3可以使用部分测量来检测宽带频谱，而无需重构全频谱。在采样通道中采用亚奈奎斯特（Sub-Nyquist）采样率以将频谱包裹到其自身上。这显著降低了CR的感测要求。考虑了欠采样的影响，分析了多通道欠采样的性能。为了提高其检测性能，亚奈奎斯特采样率被选择为不同的，使得样本的数量是连续的素数。此外，当接收信号在CR衰落或阴影，MS 3的性能进行了分析评估。数值结果表明，该系统可以显着提高宽带频谱感知性能，同时需要低的计算和实现复杂度。
2013-02-06 cs.IT math.IT
Achieving Autonomous Compressive Spectrum Sensing for Cognitive Radios
压缩感测（CS）技术相对于用于在认知无线电（CR）中实现宽带频谱感测的其他现有方法呈现出许多优点，诸如降低的采样率和计算复杂性。然而，存在两个显著的挑战：1）选择适当数量的子奈奎斯特测量，以及2）决定何时终止重建宽带频谱的贪婪恢复算法。在本文中，自主压缩频谱感知（ACSS）框架，使CR自动选择测量的数量，同时保证宽带频谱恢复与一个小的可预测的恢复误差。这是实现所提出的测量基础设施和验证技术。该算法在无噪声和有噪声环境下都能利用较小的测试子集得到高置信度的谱估计。此外，一个稀疏意识的频谱恢复算法，提出了恢复宽带频谱，而不需要的瞬时频谱稀疏水平的知识。这种算法弥补了CS理论和实际频谱感知之间的差距。仿真结果表明，ACSS不仅可以恢复频谱使用适当数量的测量，但也可以显着提高频谱恢复性能相比，现有的CS方法。该算法可以自主选择合适的迭代次数，从而解决了贪婪恢复算法中普遍存在的欠拟合和过拟合问题。
2015-02-20 cs.IT math.IT
Compressive Spectrum Sensing for Cognitive Radio Networks
认知无线电系统具有从环境中观察和学习的能力，适应环境条件，并更有效地使用无线电频谱。它允许次要用户（SU）在主要用户（PU）信道未被利用时使用它们。认知无线电包括三个主要过程：频谱感知、决策和行动。在频谱感知过程中，使用频谱感知技术测量信道占用率，以检测未使用的信道。在决策过程中，对传感结果进行分析，并根据这些结果做出决策。在动作过程中，通过调整传输参数来提高认知无线电性能。宽带频谱感知是认知无线电面临的主要挑战之一。现有的频谱感测技术是基于由ADC以奈奎斯特速率采样的一组观测值。然而，由于对采样率的硬件限制，这些技术一次只能感测一个通道。另外，为了感测宽带频谱，宽带被划分为窄带或多个频带。SU必须同时使用多个RF前端来感测每个频带，这可能导致非常高的处理时间、硬件成本和计算复杂性。为了克服这个问题，即使对于高维信号，信号采样也应该尽可能快。压缩感测已被提出作为一种低成本的解决方案，以减少处理时间和加速扫描过程。它允许减少高维信号采集所需的样本数量，同时保持基本信息。
2018-02-11 cs.IT math.IT
Sparse Multipath Channel Estimation Using Compressive Sampling Matching Pursuit Algorithm
宽带无线信道是一种时间色散信道，具有很强的频率选择性。然而，在大多数情况下，信道由少数主导抽头组成，并且大部分抽头近似为零或零。为了利用多径信道（MPC）的稀疏性，已经提出了两种方法。它们是贪心算法和凸规划。贪心算法易于实现但不稳定;凸规划方法稳定但难以实现为实际信道估计问题。在本文中，我们介绍了一种新的信道估计策略，使用压缩采样匹配追踪（CoSaMP）算法，提出了在[1]。该算法将贪心算法与凸规划方法相结合。通过与现有方法的比较，验证了该算法的有效性。
2010-05-13 cs.IT math.IT
Online Wideband Spectrum Sensing Using Sparsity
宽带频谱感知是认知无线电系统的重要组成部分。精确的频谱估计通常是低效的，因为它需要等于或高于奈奎斯特速率的采样率。使用关于信号结构的先验信息可以允许以低得多的采样率进行接近精确的重构。采样信号在频域中的稀疏性是认知无线电应用中研究的热门先验之一。稀疏性假设下的信号重构已经被压缩感知（CS）领域的研究人员严格研究。已知在批量样本上操作的CS算法是鲁棒的，但是可能在计算上是昂贵的，使得它们不适合于需要实时的频谱感测的廉价低功率认知无线电设备。另一方面，基于最小均方（LMS）算法的变化的在线算法具有非常简单的更新，因此它们在计算上是有效的，并且可以容易地实时的适应于基础频谱的变化。在本文中，我们将提出两种变化的LMS算法，执行稀疏性的估计频谱的上限上的非零系数的数量。假设谱中非零元素的个数是已知的，我们证明了在一定条件下，硬阈值操作只能减少我们估计的误差。我们还将表明，我们可以估计在每次迭代的基础上，我们的在线估计的频谱的非零元素的数量。最后，我们数值比较我们的算法与其他在线稀疏诱导算法在文献中。
2018-01-04 cs.IT math.IT
Wideband Sensing and Optimization for Cognitive Radio Networks with Noise Variance Uncertainty
研究了噪声方差不确定性下认知无线电网络的宽带频谱感知与优化问题。假设所考虑的宽带包含一个或多个白色子带。在此假设下，我们考虑的CR网络的吞吐量最大化，同时适当地保护主网络。我们解决这个问题如下。首先，我们提出了新的比率为基础的检验统计量检测每个子带的边缘。其次，我们采用简单的能量比较的方法来选择一个参考白色子带。第三，我们提出了新的广义能量检测器（GED），用于检查每个剩余的子带，通过利用参考白色子带的噪声信息。最后，我们优化的感知时间（$T_o$），以最大限度地提高CR网络的吞吐量使用的检测和虚警概率的GED。建议的GED不遭受信号噪声比（SNR）墙，并优于现有的信号检测器。此外，建议的GED和传统的能量检测器（CED）之间的关系进行了定量分析。我们表明，最佳的$T_o$依赖于噪声方差信息。特别地，对于$10$ TV频带，SNR= $-20$ dB和$2$ s帧持续时间，我们发现最佳$T_o$是具有完美（不完美）噪声方差场景的$28.5$ ms（$50.6$ ms）。
2014-09-10 cs.IT math.IT stat.AP
Non-uniform sampling and reconstruction of multi-band signals and its application in wideband spectrum sensing of cognitive radio
采样理论是信号处理设备和通信系统的核心。为了在保持低计算成本的同时适应高操作速率，必须开发高效的模数（ADC）转换器。在电流转换器中遇到的许多限制是由于传统的假设，即采样状态需要以奈奎斯特速率（对应于两倍的信号带宽）采集数据。本文研究了稀疏谱多带信号远低于奈奎斯特采样率的采样方法。该方法被称为周期性非均匀采样，并且它在诸如数据转换器、传感器阵列成像和图像压缩的各种应用中是有用的。首先，在频域中准备采样系统的模型。它将观测到的压缩样本的傅里叶变换与信号的未知频谱联系起来。接下来，提供了基于压缩感知主题的重构过程。我们表明，采样参数的平均采样率和重建信号的质量起着重要的作用。介绍了条件数的概念及其在噪声情况下对重构信号的影响，并给出了一种选择低条件数样本模式的可行方法。我们区分了已知频谱和未知频谱信号的情况。其中一个模型参数由信号频带位置确定，在未知频谱信号的情况下，应该从采样数据中估计信号频带位置。因此，我们采用子空间方法和非线性最小二乘法估计这个参数。在这种情况下，我们还使用了信息论准则（Akaike和MDL）和指数拟合检验技术来选择模型阶数。
2010-10-11 cs.IT math.IT
FCFGS-CV-Based Channel Estimation for Wideband MmWave Massive MIMO Systems with Low-Resolution ADCs
针对宽带毫米波（mmWave）大规模多输入多输出（MIMO）系统，提出了一种基于前向贪婪选择-交叉验证（FCFGS-CV-based）的信道估计器。利用毫米波虚拟信道在角度域和延迟域中的稀疏性，将最大后验（MAP）信道估计问题转换为具有凹目标函数和稀疏性约束的优化问题。FCFGS算法是一种广义正交匹配追踪（OMP）算法，用于求解稀疏约束优化问题。此外，CV技术被用来确定适当的终止条件，通过检测过拟合时，稀疏水平是未知的。
2019-08-01 cs.IT eess.SP math.IT
Ultra Low-Complexity Detection of Spectrum Holes in Compressed Wideband Spectrum Sensing
宽带频谱感测是认知无线电（CR）中的重大挑战，这是由于需要以奈奎斯特速率或高于奈奎斯特速率操作的非常高速的模数转换器（ADC）。在这里，我们提出了一个非常低的复杂度零块检测方案，可以检测到一个很大的分数的频谱孔从子奈奎斯特样本，即使欠采样率是非常小的。该方案是基于一个块稀疏的传感矩阵，这是通过一个新的模拟到信息转换器（AIC）的设计实现。所提出的方案将一些测量识别为零，然后验证与它们相关联的子信道为空。分析和仿真结果表明，该方法的有效性，在可靠的检测频谱空洞的复杂度远低于现有的计划。这项工作还介绍了一个新的范例，在压缩感知感兴趣的是可靠的检测（一些）零块，而不是整个块稀疏信号的恢复。
2015-07-03 cs.IT math.IT
Sensing aided Channel Estimation in Wideband Millimeter-Wave MIMO Systems
在这项工作中，上行链路信道估计问题被认为是毫米波（mmWave）多输入多输出（MIMO）系统。众所周知，信道估计中的导频开销和计算复杂度随着天线数目和带宽而增加。为了克服这一点，所提出的方法允许在基站的信道估计由感测信息辅助。感测信息包含对环境中的散射体位置的估计。提出了一种同时加权正交匹配追踪（SWOMP）-稀疏贝叶斯学习（SBL）算法，有效地将此感知信息的通信信道估计过程。所提出的框架可以应对a）存在于感测信息中的散射体与通信信道不相关联以及b）散射体的位置中的缺陷的场景。仿真结果表明，该算法仅以少量导频开销为代价，就能获得良好的宽带性能。最后，Cramer-Rao界（CRB）的角度估计和多径信道增益的SBL推导出，所提出的算法的本地可识别性提供了宝贵的见解。
2023-02-04 cs.IT eess.SP math.IT
Wideband Spectrum Sensing at Sub-Nyquist Rates
我们提出了一种混合的模拟-数字频谱感知方法，特别适合于典型的宽带设置的认知无线电（CR）。我们的系统相对于当前架构的优势是三方面的。首先，我们的模拟前端是固定的，不涉及扫描硬件。第二，模数转换（ADC）和数字信号处理（DSP）速率都大大低于奈奎斯特。最后，感测资源与CR的接收路径共享，使得除了它们提供的感测功能之外，低速率流采样还可以用于设备的通信目的。将这些优点结合起来，可以得到实时的频谱图，同时最小限度地使用移动资源。我们的方法是基于调制宽带转换器（MWC）系统，采样稀疏的宽带输入在次奈奎斯特速率。我们报告的硬件实验的结果，进行MWC原型电路，确认快速，准确的频谱感知并行CR通信。
2010-09-07 cs.AR cs.IT math.IT
Compressive Wideband Spectrum Sensing for Fixed Frequency Spectrum Allocation
过高的采样率是认知无线电宽带频谱感知的瓶颈。研究表明，传感信号在频域上具有稀疏性，压缩感知（Compressed Sensing，CS）可以将采样负担转移到数字信号处理器上。模拟信息转换器（AIC）可以以亚奈奎斯特速率对接收信号进行随机采样，以获得随机测量。考虑到主无线电的静态频谱分配意味着不同主无线电之间的边界是预先已知的，这里我们将不同主用户之间的频谱边界信息作为先验信息来获得混合l2/l1范数去噪算子（MNDO）。在MNDO中，估计的功率谱密度（PSD）向量被划分为具有对应于不同分配的主无线电的边界的块部分。与以往标准的对整个PSD向量的l1范数约束不同，该算法通过最小化PSD向量每一段的l2范数之和来促进PSD向量的局部分组分布，而整体稀疏分布，同时放松约束来提高去噪性能。仿真结果表明，该方法在精度、去噪能力等方面均优于标准稀疏谱估计。
2010-05-11 cs.IT math.IT
Multiband Spectrum Access: Great Promises for Future Cognitive Radio Networks
认知无线电被广泛认为是解决频谱稀缺的主要解决方案之一。虽然大多数现有的研究都集中在单频段认知无线电，多频段认知无线电代表了巨大的承诺，实现高效的认知网络相比，单基网络。多频带认知无线电网络（MB-CRN）有望通过减少切换频率来显著提高网络的吞吐量并提供更好的信道维护。然而，宽带前端和多频带频谱接入带来了许多尚待克服的挑战。本文深入分析了多频段频谱感知技术的最新进展、局限性以及未来可能的改进方向。我们研究合作通信的MB-CRN解决多样性和采样的基本限制。我们还调查了MB-CRN的各种设计参数的几个限制和权衡。此外，我们探讨的关键MB-CRN的性能指标，不同于传统的指标用于基于单波段的网络。
2014-09-20 cs.IT math.IT
Identifying Unused RF Channels Using Least Matching Pursuit
认知无线电的目标是识别未使用的射频（RF）频段，以便有机会地将其重新用于其他服务。虽然压缩感知（CS）已经被用于从亚奈奎斯特测量中识别RF频谱中的强信号（或干扰源），但是从CS测量中识别未使用的频率似乎是未知领域。在本文中，我们提出了一种新的方法来识别未使用的RF频段使用的算法，我们称之为最小匹配追踪（LMP）。我们提出了一个充分条件，保证LMP识别未使用的频段和开发一个改进的算法，我们的理论结果的启发。我们对基于CS的RF白空间检测任务进行了模拟，以证明LMP能够优于基于深度神经网络的黑盒方法。
2020-05-06 cs.IT eess.SP math.IT
On the Doppler Squint Effect in OTFS Systems over Doubly-Dispersive Channels: Modeling and Evaluation
大量的工作已经证明了正交时频空间（OTFS）调制在高移动性场景中的优异性能。时变宽带信道估计是OTFS接收机的关键组成之一，因为数据检测需要准确的信道状态信息（CSI）。在实际的宽带OTFS系统中，高移动性带来的多普勒频移是频率相关的，这被称为多普勒斜视效应（DSE）。不幸的是，在OTFS系统中采用的总体先验估计方案中，DSE被忽略，这导致信道估计和随之而来的数据检测的严重性能损失。本文在时延-多普勒域研究了宽带时变信道的DSE问题，重点研究了考虑DSE的OTFS信道系数的特性。在考虑DSE的情况下，给出了理想波形和矩形波形的OTFS输入输出关系的公式和计算方法。将信道估计问题转化为稀疏信号恢复问题，并采用基于正交匹配追踪（OMP）的方法进行求解，仿真结果证实了DSE的重要性以及与传统的忽略DSE的信道估计方法相比的性能优势。
2023-02-13 cs.IT eess.SP math.IT
Sub-Nyquist Sampling for Reaching Theoretical Minimal Sampling Rate Boundary
School of Data Science, Fudan University（复旦大学数据科学学院）
本文提出双频混叠宽带转换器（DAWC）和改进的子空间追踪算法（MSSP），在无先验知识的情况下实现理论最小采样率下的频带定位与波形重建。
2026-04-27 cs.IT math.IT
Cognitive Radio from Hell: Flipping Attack on Direct-Sequence Spread Spectrum
在本文中，我们介绍了一个强大的对抗攻击，称为翻转攻击，直接序列扩频（DSSS）系统。在这种攻击中，适当地位于发射机和接收机之间的攻击者以50%的速率在空中瞬时翻转所发送的符号，从而将信道容量驱动为零。与传统的干扰攻击不同，这种攻击在完美执行时，无法在接收器处使用信噪比测量来检测。然而，这种攻击需要攻击者完全知道模型中所有通道的实现。我们首先介绍了翻转攻击的窄带频率平坦信道的后果，并随后讨论其在宽带频率选择性信道的可行性。从合法用户的角度，我们提出了一种方法来检测这种攻击，并提出了算法，以提高在攻击下的错误性能。我们强调，未来的网络物理系统，采用DSSS应设计收发器，以检测拟议的翻转攻击，然后应用适当的对策。
2018-04-03 cs.IT math.IT
Fast Compressed Power Spectrum Estimation: Towards A Practical Solution for Wideband Spectrum Sensing
National Key Laboratory of Science and Technology on Communications, University of Electronic Science and Technology of China（电子科技大学通信抗干扰技术国家级重点实验室）；School of Information and Communication Engineering, University of Electronic Science and Technology of China（电子科技大学信息与通信工程学院）；Department of Electrical and Computer Engineering, Stevens Institute of Technology（史蒂文斯理工学院电气与计算机工程系）
本文提出了一种高效的压缩功率谱估计方法，通过利用多小区采样结构，实现低计算复杂度的功率谱重建，适用于实时宽带频谱感知应用。
2019-10-16 cs.IT cs.NA math.IT
Sequence Design for Cognitive CDMA Communications under Arbitrary Spectrum Hole Constraint
为了在认知无线电（CR）网络中支持低频谱密度的准同步码分多址（QS-CDMA）无干扰通信，需要设计一组具有零相关区（ZCZ）特性的CDMA扩频序列。然而，不能使用传统的ZCZ序列（其假设整个频谱带的可用性），因为它们的正交性将被CR信道中的频谱空洞约束破坏。迄今为止，ZCZ CR序列的分析构建仍然是开放的。利用Kronecker序列的性质，提出了一类新的序列族（称为“准ZCZ”CR序列），该序列在任意谱洞约束下均具有零互相关和近零自相关区性质。此外，提出了一种新的算法，联合优化的峰均功率比（PAPR）和所提出的准ZCZ CR序列的周期自相关。仿真结果表明，它们使CR-CDMA系统的单用户误比特率性能优于传统的非连续多载波CDMA和变换域通信系统;由于宽带扩展，它们还使CR-CDMA系统比非连续OFDM系统对频谱感知失配具有更强的弹性。
2014-10-04 cs.IT math.IT
Sub-Nyquist Sampling for Power Spectrum Sensing in Cognitive Radios: A Unified Approach
鉴于对新频段的需求不断增加以及对已分配频段的利用不足，出现了认知无线电（CR）的概念。主动用户可以在检测到其所有者没有活动后利用暂时空闲的频带。因此，CR周期中的关键任务之一是必须精确和高效的频谱感测和检测。然而，CR通常处理奈奎斯特速率非常高的宽带信号。在本文中，我们建议从子奈奎斯特样本，而不是在以前的工作中所做的信号本身，以执行检测重建这样的信号的功率谱。我们考虑稀疏和非稀疏信号以及盲和非盲检测稀疏的情况下。对于每一个的这些fracti，我们得出的最小采样率，允许完美的重建信号的功率谱在无噪声的环境中，并提供功率谱恢复技术，实现这些速率。在文献中考虑的两种不同的信号模型，我们称之为模拟和数字模型进行分析，并表明，两者导致类似的结果。仿真结果表明，功率谱恢复在无噪声设置的最小速率，并显示了几个参数的检测器的性能，包括信噪比（SNR），感测时间和采样率的影响。
2013-08-23 cs.IT math.IT
Bayesian Compressive Sensing with Circulant Matrix for Spectrum Sensing in Cognitive Radio Networks
对于宽带频谱感知，压缩感知已经被提出作为加速高维信号感知和降低计算复杂度的解决方案。压缩感知包括从稀疏信号中获取必要的信息，并在接收机处基于有效的采样矩阵和重构技术来恢复它。为了处理不确定性，提高信号捕获性能，降低感知和重构过程中的随机性，压缩感知需要一个鲁棒的采样矩阵和高效的重构技术。在本文中，我们提出了一种方法，结合了循环矩阵与贝叶斯模型的优点。这种方法的实施，广泛的测试，其结果进行了比较的l1范数最小化与循环或随机矩阵的基础上的几个指标。这些指标是均方误差、重建误差、相关性、恢复时间、采样时间和处理时间。结果表明，我们的技术是更快，更有效。
2018-02-09 cs.IT eess.SP math.IT
Sparse Multiband Signal Acquisition Receiver with Co-prime Sampling
认知无线电（CR）需要在宽频段上进行频谱感知。宽带信号的高采样率是CR的关键任务之一。本文提出了一种基于互质采样技术的宽带稀疏信号捕获接收机。在这个建议的捕获接收机中，我们使用两个低速模数转换器（ADC）来捕获一个共同的稀疏多频带信号，其频带位置是未知的。两个ADC以互质采样速率同步时钟。将获得的样本重新排序成一组均匀的低速率序列。我们推导了接收机的频域数学模型，并给出了其信号重构算法。与现有的多陪集采样和调制宽带转换器等欠采样技术相比，该方法具有系统结构简单，只需两个采样器即可实现的优点。实验结果证明了该模型的可行性和优越性。对于谱支持未知的稀疏多带信号，该系统需要远低于奈奎斯特采样率的采样率，同时产生令人满意的重建。
2018-06-01 cs.IT eess.SP math.IT
Sub-Nyquist Cyclostationary Detection for Cognitive Radio
认知无线电需要对宽带信号进行高效可靠的频谱感知。为了应对采样率瓶颈，已经提出了低于奈奎斯特速率采样的新采样方法。然而，这样的技术降低了信噪比（SNR），恶化了后续能量检测的性能。循环平稳检测，它利用通信信号统计的周期性属性，在平稳噪声中不存在，是这种设置的一个自然的候选人。在这项工作中，我们考虑从子奈奎斯特样本的循环谱恢复，以实现效率和鲁棒性的噪声。为此，我们提出了一个结构化的压缩感知算法，扩展正交匹配追求占循环平稳性的结构。接下来，我们推导出一个下限的采样率所需的完美的循环频谱恢复中存在的平稳噪声，并表明，它可以从以下奈奎斯特获得的样本重建，没有任何稀疏约束的信号。特别地，在非稀疏设置中，可以以奈奎斯特速率的$4/5$恢复循环谱。如果感兴趣的信号是稀疏的，则采样率可以进一步降低到朗道速率的$8/5$。一旦循环谱被恢复，我们估计组成输入信号的传输数量，以及它们的载波频率和带宽。仿真结果表明，循环平稳检测优于能量检测，在低信噪比的次奈奎斯特制度。这在奈奎斯特状态中已经是已知的，但是在低于奈奎斯特采样率时甚至更加明显。
2016-11-04 cs.IT math.IT
State of the Art, Taxonomy, and Open Issues on Cognitive Radio Networks with NOMA
移动设备的爆炸式增长和宽带无线业务的快速增长要求先进的通信技术，可以实现高频谱效率，并满足大规模的连接需求。认知无线电（CR）和非正交多址（NOMA）被认为是第五代无线网络的重要解决方案。将NOMA技术集成到CR网络（CRN）中，对于提高频谱效率和增加系统容量具有巨大的潜力。然而，由于使用NOMA引起的严重干扰，存在许多技术挑战。许多努力已经取得了促进NOMA到CRN的应用，并调查与NOMA的CRN的性能。本文旨在综述这一方向的最新研究成果。设计了一个分类法，根据操作范例，使能技术，设计目标和优化特性对文献进行分类。此外，关键的挑战概述领域的研究人员和设计人员提供指导方针，实现CRNs与NOMA。最后，讨论了开放的问题。
2018-01-06 cs.IT cs.NI math.IT
MIMO UWB Radar System with Compressive Sensing
Tennessee Technological University（田纳西理工大学）
本文提出基于压缩感知的多输入多输出超宽带认知雷达，通过压缩感知实现稀疏目标信号重建，减少ADC硬件复杂度并提高雷达带宽。
2016-04-14 cs.IT cs.SY eess.SY
Non-Uniform Wavelet Sampling for RF Analog-to-Information Conversion
从宽带射频（RF）信号中提取特征提取，例如频谱占用、发射能量和类型或到达方向，在越来越多的应用中得到使用，因为它增强了具有认知能力的RF收发器，并且使得能够对传统RF链进行参数调谐。在功率和成本受限的应用中，例如，对于物联网中的传感器节点，利用常规奈奎斯特速率模数转换器进行宽带RF特征提取是不可行的。然而，许多RF特征（诸如信号稀疏性）的结构使得能够使用压缩感测（CS）技术，该压缩感测（CS）技术以亚奈奎斯特速率获取这样的信号。虽然这种基于CS的模拟-信息（A2 I）转换器有可能实现低成本和高能效的宽带RF感测，但它们受到各种现实限制，例如噪声折叠、低灵敏度、混叠和有限的灵活性。本文提出了一种新的基于CS的A2 I架构称为非均匀小波采样（NUWS）。我们的解决方案直接在RF域中提取精心选择的小波系数子集，从而缓解了现有A2 I转换器架构的主要问题。对于多频带RF信号，我们提出了一种称为非均匀小波带通采样（NUWBS）的专用变体，通过利用多频带信号结构进一步提高灵敏度并降低硬件复杂性。我们使用模拟来证明NUWBS方法的理论性能极限的$\ell_1$范数为基础的稀疏信号恢复。我们调查硬件设计方面，并显示ASIC的测量结果的小波生成阶段，突出NUWBS的功效，广泛的RF特征提取任务的成本和功率受限的应用。
2017-09-04 cs.IT math.IT
Spectral Efficiency of Spectrum Pooling Systems
在这篇文章中，我们研究了使用认知无线电重用本地未使用的频谱，以增加系统的总容量的想法。我们考虑一个多频带/宽带系统中的主要和认知用户希望通信到不同的接收机，受到相互干扰，并假设每个用户只知道他的信道和未使用的频谱，通过适当的感知。该方案的基本思想是基于频谱池的概念。这个想法很简单：认知无线电将监听信道，如果感知到空闲，将在空闲期间发送。事实证明，虽然它的简单性，所提出的计划表现出非常有趣的功能，频谱效率和最大数量的可能成对的认知通信。我们施加的约束，用户连续传输可用的频段，通过自私的水填充。对于第一次，我们的研究量化了渐近（相对于频带）可实现的增益，使用频谱池的频谱效率相比，经典的无线电系统。然后，我们推导出总的频谱效率，以及可能的成对通信的最大数量这样的频谱池系统。
2010-04-02 cs.IT cs.NI math.IT
Spectrum Sharing in Cognitive Radio with Quantized Channel Information
我们考虑一个宽带频谱共享系统，其中一个次要用户可以共享多个正交频带，其中每个频带被授权给一个单独的主要用户。我们解决的问题，其遍历容量最大化的最佳二次发射功率分配的平均总和（跨频带）的发射功率约束和个人平均干扰约束的主要用户。我们的工作的主要贡献在于考虑量化的信道状态信息（CSI）（矢量信道空间，包括所有的次级到次级和次级到初级信道）在次级发射机。假设频带管理器或认知无线电服务提供商可以访问来自辅接收器和主接收器的完整CSI信息，并且基于信道的统计信息（信道分布）设计（离线）最佳功率码本，并且经由无延迟无噪声有限反馈信道，针对每个信道实现实时地将码本的索引反馈给辅发射器。设计了一种改进的广义高斯型算法（GLA），用于推导最优功率码本。一个近似量化功率分配（AQPA）算法也被提出，执行非常接近其GLA为基础的对应大量的反馈比特，是显着更快。我们还提出了一个扩展的改进的GLA为基础的量化功率码本设计算法的情况下，反馈信道是嘈杂的。数值研究表明，只有3-4位的反馈，修改后的GLA为基础的算法提供二级遍历能力非常接近，实现了完全CSI和只有4位的反馈，AQPA提供了一个相当的性能，从而使它成为一个有吸引力的选择，为实际的实施。
2010-06-03 cs.IT math.IT math.OC
CaSCADE: Compressed Carrier and DOA Estimation
频谱感知和波达方向（DOA）估计已被彻底研究，无论是单独的，并作为一个联合的任务。估计一组信号的支持度及其DOA对于许多信号处理应用（例如认知无线电（CR））是至关重要的。CR面临的一个具有挑战性的场景是多频带信号，由分布在宽频谱上的多个窄带传输组成，每个传输具有未知的载波频率和DOA。这种信号的奈奎斯特速率很高，并且在模拟域和数字域中都构成了瓶颈。为了缓解采样率问题，在频谱感知的背景下，已经提出了几种亚奈奎斯特采样方法，例如多陪集采样或调制宽带转换器（MWC）。在这项工作中，我们首先提出了一种替代的子奈奎斯特采样和信号重构方法的MWC，基于均匀线阵（UWB）。然后，我们将我们的方法扩展到联合频谱感知和DOA估计，并提出了压缩载波和DOA估计（CaSCADE）系统，由一个L形阵列与两个ULA。在这两种情况下，我们得到完美的恢复条件的信号参数（载波频率和DOA，如果相关）和信号本身，并提供两个重建算法，一个基于ESPRIT方法和第二压缩感知技术。我们的联合载波和DOA恢复算法克服了众所周知的配对问题之间的两个参数。仿真结果表明，我们的替代频谱感测系统优于MWC的恢复误差和设计复杂性方面，并显示联合载波频率和DOA从我们的CaSCADE系统的子奈奎斯特样本。
2016-04-10 cs.IT math.IT
Quantized Spectral Compressed Sensing: Cramer-Rao Bounds and Recovery Algorithms
宽带频谱的有效估计对于认知无线电等应用具有重要意义。最近，已经提出了基于压缩感知的亚奈奎斯特采样方案，以大大降低采样率。然而，量化的重要问题尚未得到充分解决，特别是对于高分辨率的频谱和参数估计。在本文中，我们的目标是恢复频谱稀疏信号和相应的参数，如频率和幅度，从沉重的量化的噪声复值随机线性测量，例如只有象限信息。我们首先描述了高斯噪声下的Cramer-Rao界，它突出了在固定比特预算的情况下，不同信噪比下样本复杂度和比特深度之间的权衡。接下来，我们提出了一种新的算法的基础上原子范数软阈值信号恢复，这是相当于适当设计的替代信号的原子范数，激励频谱稀疏的近端映射。该算法既适用于单测量矢量的情况，也适用于多测量矢量的情况。结果表明，在高斯测量模型下，当量化测量数超过K log n阶时，谱信号可以以高概率精确重构，其中K为谱稀疏度，$n$为信号维数.最后，数值模拟提供了验证所提出的方法。
2018-04-06 cs.IT eess.SP math.IT
Enhancing Spectrum Sensing via Reconfigurable Intelligent Surfaces: Passive or Active Sensing and How Many Reflecting Elements are Needed?
本文将主动 RIS 引入频谱感知以克服“双重衰落”效应，分别针对被动和主动 RIS 构建最大化检测概率的优化问题，并提出一阶段和两阶段优化算法及上下界推导，仿真表明该算法能用更少的反射单元或天线实现接近1的检测概率。
2023-10-22 cs.IT eess.SP math.IT
