arXiv 1402.55032014-02-22cs.NIcs.ITmath.IT

认知无线电传感器网络中的分布式压缩宽带感知

Distributed Compressed Wideband Sensing in Cognitive Radio Sensor Networks

Huazi Zhang, Zhaoyang Zhang, Yuen Chau

摘要：

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。

英文摘要：

A novel distributed compressed wideband sensing scheme for Cognitive Radio Sensor Networks (CRSN) is proposed in this paper. Taking advantage of the distributive nature of CRSN, the proposed scheme deploys only one single narrowband sampler with ultra-low sampling rate at each nodes to accomplish the wideband spectrum sensing. First, the practical structure of the compressed sampler at each node is described in detail. Second, we show how the Fusion Center (FC) exploits the sampled signals with their spectrum randomly-aliased to detect the global wideband spectrum activity. Finally, the proposed scheme is validated through extensive simulations, which shows that it is particularly suitable for CRSN.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

基于压缩感知的OFDM信道估计算法

Compressed Sensing Algorithms for OFDM Channel Estimation

无线电信道通常在延迟域中是稀疏的，并且是压缩感知的理想选择。一种新的压缩感知算法称为eX-OMP的开发，产生类似的最佳MMSE估计器的性能。新算法依赖于少量的附加数据。eX-OMP和MMSE估计器都自适应地平衡信道跟踪和噪声降低。它们比简单的估计器（如线性估计器）表现得更好，线性估计器先验地解决了这种权衡。一些宽带测量进行了检查，并发现由几个延迟的信道表示。

2016-12-22cs.ITcs.NImath.IT

利用宽带频谱占用不均匀性进行加权压缩频谱感知

Exploiting wideband spectrum occupancy heterogeneity for weighted compressive spectrum sensing

压缩采样已经显示出在亚奈奎斯特采样率下使宽带频谱感测成为可能的巨大潜力。因此，最近已经有旨在开发利用压缩采样来实现压缩宽带频谱感测的技术的研究努力。这些技术考虑了均匀宽带频谱，其中假设所有频带具有相似的PU业务特性。然而，在实践中，宽带频谱不是均匀的，因为不同的频谱带可以具有不同的PU占用模式。事实上，频谱分配的性质（其中相似类型的应用通常被分配相同块内的频带）指示宽带频谱确实是异构的，因为不同的应用类型表现出不同的行为。在本文中，我们考虑异构宽带频谱，我们利用这种固有的，块状结构的宽带频谱设计高效的压缩频谱感知技术，非常适合异构宽带频谱。我们提出了一个加权的$\ell_1$最小化感知信息恢复算法，实现更稳定的恢复比现有的方法，同时占频谱占用的时间和频率维度的变化。通过密集的数值模拟，我们表明，我们的方法相比，国家的最先进的方法实现了更好的性能。

2018-06-05cs.NI

基于NOMA的认知无线电网络的技术现状、分类和未决问题

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。

2018-01-06cs.ITcs.NImath.IT

频谱池系统的频谱效率

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。

2010-04-02cs.ITcs.NImath.IT

认知无线电的跨层估计和控制：利用稀疏网络动态

Cross-layer estimation and control for Cognitive Radio: Exploiting Sparse Network Dynamics

本文提出了一种跨层的框架，以联合优化频谱感知和调度资源受限的敏捷无线网络。次要用户（SU）的网络接入被许可的主要用户（PU）的网络留下未使用的频谱的部分。中央控制器（CC）基于由SU收集的分布式压缩测量来调度SU的业务。联合控制感测和调度以最大化SU吞吐量，并对PU吞吐量降级和SU成本进行约束。频谱动态中的稀疏性被利用：利用先前的频谱占用估计，CC仅需要经由稀疏恢复技术来估计残余不确定性向量。POMDP公式所带来的高复杂性通过Kullback-Leibler散度的最小化由低维置信表示来降低。证明了感知优化和调度优化是可以解耦的。提出了一种部分近视调度策略，其结构特性可以证明，近视计划分配SU流量可能空闲的频谱带。仿真结果表明，该框架能够最优地平衡频谱感知和数据传输之间的资源。该框架定义了最具信息量的网络控制，产生能源效率的资源利用的传感调度方案。

2015-06-22cs.ITcs.NImath.IT

一种非理想报告通道下集中式PSD地图构建的压缩方法

A Compressive Method for Centralized PSD Map Construction with Imperfect Reporting Channel

频谱资源管理的需求日益增长，是一个具有挑战性的问题，认知无线电（CR）已知能够提高频谱利用率。最近，定义了功率谱密度（PSD）图以使CR能够重用关于区域的频率资源。因此，感测到的PSD由该区域中的分布式传感器收集，并由融合中心（FC）融合。但是，对于给定的区域，由相邻CR传感器感测的PSD可以暂时包含共享的公共分量。利用分布式信源编码（DSC）的原理，可以实现传感器传输数据的压缩。然而，不确定的信道衰落和随机阴影将导致在不同的CR处变化的信号强度，甚至彼此靠近放置。因此，在传输过程中的一些扰动的存在产生的报告信道中的一些缺陷，并作为结果，它的性能显着降低。本文的主要工作是在数据传输稍有缺陷的情况下，基于分布式压缩感知（DCS）技术重构传感器\textit{robustly}的PSD。仿真结果验证了该方案的鲁棒性。

2017-03-16cs.ITcs.NImath.IT

更多相关论文收起更多论文

TULVCAN：太赫兹超宽带学习车载感知网络

TULVCAN: Terahertz Ultra-broadband Learning Vehicular Channel-Aware Networking

由于频谱稀缺和不断增长的无线容量需求，出现了0.1- 10 THz的太赫兹（THz）通信和相应的频谱特性，以满足未来5G和6 G无线系统的各种服务需求。然而，传统的压缩感知技术重建原始宽带频谱与欠采样测量变得低效，因为本地频谱相关性被故意省略。最近的工作扩展了基于深度学习的算法的通信方法，但缺乏与THz信道特性的紧密联系。本文介绍了新的太赫兹信道感知频谱学习解决方案，充分揭示了太赫兹信道的独特性时，在车辆环境中执行这样的超宽带传感。具体而言，提出了一种联合设计的频谱压缩和重建，通过一个结构化的传感矩阵和两个阶段的重建的基础上高扩展损耗和分子吸收在太赫兹频率。一个端到端的学习框架，即压缩和重建网络（CRNet），进一步开发与均方误差损失函数，以提高传感精度，同时显着降低计算复杂性。数值结果表明，CRNet解决方案的性能优于最新的生成对抗网络（GAN）实现，具有更高的余弦和结构相似性度量，更小的学习错误，以及56%的训练开销。这种THz超宽带学习车辆感知网络（TULVCAN）工作成功地实现了有效的THz频谱学习，从而允许频率捷变接入。

2021-03-28cs.NI

网络内稀疏正则秩最小化算法及其应用

In-network Sparsity-regularized Rank Minimization: Algorithms and Applications

给定来自低秩矩阵加上已知脂肪压缩矩阵乘以稀疏矩阵的乘积的叠加的有限数量的条目，低秩和稀疏分量的恢复是包含压缩感测、矩阵完成和主分量追踪的基本任务。本文提出了分布式稀疏正则秩最小化网络的算法，当核和$\ell_1$ -范数分别作为代理的秩和非零项计数的寻求矩阵，分别。虽然核范数最小化在集中式处理可行时具有有据可查的优点，但奇异值和的不可分离性对其分布式最小化提出了挑战。为了克服这一限制，核范数的另一种表征，通过交替方向的乘法器的方法，导致一个可分离的，但非凸的成本最小化。新的分布式迭代需要降低每个节点的任务的复杂性，并负担得起的单跳邻居之间的消息传递。有趣的是，在收敛时，分布式（非凸）估计可证明达到其集中式对应的全局最优，而不管初始化。几个应用领域的概述，以突出建议的框架的一般性和影响。这些包括揭示骨干网络中的流量异常，预测网络范围内的路径延迟，以及使用无线认知无线电来映射RF环境。模拟合成和真实的网络数据证实了新的分布式算法的收敛性，其集中的性能保证。

2012-03-07cs.ITcs.MAcs.NI