Wideband Spectrum Sensing for Cognitive Radio Networks: A Survey
认知无线电已经成为下一代蜂窝网络中提高频谱利用率的最有前途的候选解决方案之一。未来认知无线电网络的一个关键要求是宽带频谱感知：次级用户在很宽的频率范围内可靠地检测频谱机会。在本文中，各种宽带频谱感知算法，连同讨论的优点和缺点的每种算法和挑战性的问题。特别注意的是使用的子奈奎斯特技术，包括压缩传感和多通道子奈奎斯特采样技术。
2013-03-04 cs.IT math.IT
Random Triggering Based Sub-Nyquist Sampling System for Sparse Multiband Signal
提出了一种新的基于随机触发的调制宽带压缩采样（RT-MWCS）方法，以有效实现稀疏宽带信号的亚奈奎斯特速率压缩采样系统。在信号被重复（不一定是周期性）触发的假设下，RT-MWCS使用随机调制来获得在随机选择的位置处的信号的测量。该方法采用多测量向量法在频域估计信号的非零支持度。然后，利用最小二乘估计求解信号谱。通过使用之前在随机等效采样（RES）方案中使用的电平触发和时间数字转换器设备，促进了估计稀疏多频带信号的独特能力。与现有的压缩采样技术（如调制宽带转换器（MWC））相比，RT-MWCS具有系统结构简单、单通道实现、采样时间长等优点。实验结果表明，对于谱支持未知的稀疏多带信号，RT-MWCS要求的采样率远低于奈奎斯特采样率，同时又能提供良好的信号重构质量。
2017-03-06 cs.IT math.IT
Truly Sub-Nyquist Method Based Matrix Pencil and CRT with Super Resolution
本文提出一种真亚奈奎斯特超分辨率方法，融合矩阵束与中国剩余定理，以提升高频信号提取的频率分辨率和精度，并适用于电信、雷达和医学成像等场景。
2024-10-23 cs.IT math.IT
Efficient Sampling of Sparse Wideband Analog Signals
周期性非均匀采样是对低于奈奎斯特速率的频谱稀疏信号进行采样的已知方法。该策略依赖于隐含的假设，即各个采样器暴露于整个频率范围。这种假设对于宽带稀疏信号变得不切实际。本文提出了一种不需要全频带前端的替代采样级。相反，信号是用模拟前端捕获的，模拟前端由一组乘法器和低通滤波器组成，其截止频率远低于奈奎斯特频率。从低速率采样恢复原始信号的问题可以在压缩采样的框架内进行研究。适当的参数选择可确保样本唯一确定模拟输入。此外，模拟输入可以用数字算法稳定地重构。数值实验支持了理论分析。
2009-01-26 cs.IT math.IT
WINDOW: Wideband Demodulator for Optical Waveforms
以非常高的速率工作的光通信系统经常受到采样率瓶颈的限制。光宽带机制可能超过模数转换器（ADC）前端带宽。已经提出了多通道采样方法，例如多陪集或交错ADC，以使用多个通道对宽带信号进行采样。每个通道以低于奈奎斯特速率的速率采样，从而保持总体采样率。然而，该方案受到两个实际限制，使得其难以实施。首先，采样器的固有抗混叠滤波器使宽带信号失真。第二，它需要精确的时间偏移信号的奈奎斯特速率的顺序，这是具有挑战性的维持。在这项工作中，我们提出了一种替代的多通道采样方案，宽带解调器的光波形（WINDOWS），模拟RF解调的基础上，每个通道的频谱混叠使用的周期性混合功能之前的集成和采样。我们表明，有意使用固有的ADC滤波器来执行积分，增加了信噪比（SNR）。我们从理论上和数值实验表明，我们的系统优于multicoset在信号恢复和符号估计的存在下，热和量化噪声，但稍微不那么强大的定时抖动。
2016-11-13 cs.IT 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
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
Modified Orthogonal Matching Pursuit Algorithm for Cognitive Radio Wideband Spectrum Sensing
采样率是多GHz带宽频谱感知的瓶颈。压缩感知（CS）的最新进展初始化几个亚奈奎斯特速率的方法来克服这个问题。然而，努力设计CS重建算法的宽带频谱感知是非常有限的。通过考虑认知无线电频谱使用的先验知识的算法，可以进一步降低采样率要求并提高重构性能。本文将认知无线电频谱的使用分为三类，并提出了一种改进的正交匹配追踪（OMP）宽带频谱感知算法。仿真结果表明，改进的OMP算法在重建性能和计算时间方面优于两种改进的基追踪去噪（BPDN）算法。
2011-02-14 cs.IT math.IT
Adaptive Compressive Spectrum Sensing for Wideband Cognitive Radios
本文提出了一种自适应频谱感知算法，该算法使用亚奈奎斯特采样率检测宽带频谱。该算法利用压缩感知（CS）的优点，从压缩样本中重构宽带频谱。此外，提出了一种l2范数验证方法，使认知无线电（CR）自动终止信号采集，一旦当前的频谱恢复是令人满意的，从而提高CR吞吐量。仿真结果表明，该算法不仅缩短了频谱感知间隔，而且提高了宽带CR的吞吐量。
2013-02-07 cs.IT math.IT
Compressive phase retrieval of sparse bandlimited signals
这一贡献提出了一个两阶段的战略，以允许相位检索的最先进的亚奈奎斯特采样方案的稀疏多频带信号。所提出的策略是基于数据采集，通过调制的宽带转换器已知的亚奈奎斯特采样。本文介绍了如何调制器进行修改，使信号恢复从子奈奎斯特幅度样本成为可能，并给出了相应的恢复算法，这是计算效率。此外，所提出的策略是相当普遍的，允许几个结构和恢复算法。
2015-09-27 cs.IT math.IT
Expected RIP: Conditioning of The Modulated Wideband Converter
压缩系统的感知矩阵影响相关稀疏恢复问题的稳定性。在本文中，我们研究的调制宽带转换器，最近提出的系统的亚奈奎斯特采样的模拟稀疏信号的传感矩阵。尝试用现有方法量化转换器感测矩阵的调节导致不合理的速率要求，这是由于该矩阵的相对小的尺寸。我们提出了一个新的条件的标准，命名为预期的限制等距属性，并推导出理论保证转换器，以满足此属性。然后，我们表明，将这些条件应用于流行的二进制序列，如最大码或Gold码，导致实际的速率要求。
2009-09-28 cs.IT math.IT
Efficient Spectrum Availability Information Recovery for Wideband DSA Networks: A Weighted Compressive Sampling Approach
压缩采样具有很大的潜力，使宽带频谱感测可能在亚奈奎斯特采样率。因此，最近已经有研究努力利用压缩采样来实现高效的宽带频谱感测。这些努力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呈现不同的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）决定了宽带频谱确实是异构的。在本文中，我们考虑异构宽带频谱，并利用其固有的，块状结构，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。此外，我们表明，我们提出的算法需要较少数量的传感测量相比，国家的最先进的方法。
2017-07-20 cs.IT 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
Beyond Nyquist: Efficient Sampling of Sparse Bandlimited Signals
宽带模拟信号将当代模数转换系统推向其性能极限。然而，在许多应用中，以奈奎斯特速率采样是低效的，因为感兴趣的信号仅包含相对于频带限制的少量有效频率，尽管频率的位置可能事先不知道。对于这种类型的稀疏信号，其他采样策略是可能的。本文介绍了一种新型的数据采集系统，称为随机解调器，这是由强大的，现成的组件。令K表示信号中频率的总数，并且令W表示其以Hz为单位的带宽限制。仿真表明，随机解调器每秒只需要O（K log（W/K））个样本就可以稳定地重建信号。该采样率以指数方式低于奈奎斯特频率W Hz。与奈奎斯特采样相反，必须使用非线性方法，例如凸规划，从随机解调器采集的样本中恢复信号。本文提供了一个详细的理论分析系统的性能，支持的经验观察。
2009-09-22 cs.IT 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
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
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
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
Enhanced Compressive Wideband Frequency Spectrum Sensing for Dynamic Spectrum Access
宽带频谱感知检测未使用的频谱空洞，用于动态频谱接入（DSA）。采样率过高是主要问题。压缩感知（CS）可以用比奈奎斯特采样少得多的随机样本以高概率重构稀疏信号。由于监测信号在频域上是稀疏的，压缩感知可以解决采样负担问题。随机样本可以通过模拟-信息转换器获得。信号恢复可以用公式表示为L0范数最小化和线性测量拟合约束。在DSA中，主无线电的静态频谱分配意味着不同类型的主无线电之间的界限是预先已知的。为了将这一先验信息，我们将整个频谱划分为子部分根据频谱分配政策。在新的优化模型中，每个子段的L2范数的最小化用于局部的聚类分布，而L2范数的L0范数的最小化用于全局的稀疏分布.由于L0/L2优化算法不是凸的，因此提出了一种迭代加权的L1/L2优化算法来逼近L0/L2优化算法，仿真结果表明该算法在精度、去噪能力等方面都优于其他算法。
2012-04-13 cs.IT math.IT
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
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
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
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
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
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
Reconciling Compressive Sampling Systems for Spectrally-sparse Continuous-time Signals
随机解调器（RD）和调制宽带转换器（MWC）是最近提出的两种用于捕获连续时间谱稀疏信号的压缩感知（CS）技术。它们将标准CS范例从采样离散的有限维信号扩展到采样连续的和可能无限维的信号，从而建立了以亚奈奎斯特采样率捕获这些信号的能力。RD和MWC具有非常相似的结构（相似的框图），但它们的重建算法和信号模型有很大的不同。到目前为止，很少有结果存在比较这些系统，由于它们可能对电磁扫描和认知无线电等应用中的频谱估计产生潜在影响，我们在本文中更全面地研究了它们之间的关系。我们表明，RD和MWC都是基于随机滤波的一般概念，但采用显着不同的采样函数。我们还调查系统的灵敏度（或鲁棒性）稀疏信号模型的假设。最后，我们表明，“块卷积”是MWC的一个基本方面，使其能够成功地采样和重建块稀疏（多频带）信号。基于这一概念，我们提出了一种新的捕获系统的连续时间信号的幅度是块稀疏。该文件包括详细的时间和频域分析的RD和MWC不同，有时很大，从公布的结果。
2011-10-10 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
