Spectrum Sensing Under Hardware Constraints
直接变频无线电（DCR）接收机可以为认知无线电系统中的频谱感知提供高度集成的低成本硬件解决方案。然而，DCR接收器易受射频（RF）损伤的影响，诸如同相和正交相位不平衡、低噪声放大器非线性和相位噪声，这限制了频谱感测能力。研究了多信道环境下认知无线电系统中射频损伤对基于能量检测的频谱感知的联合影响。特别是，我们提供了封闭形式的表达式来评估检测和虚警概率，假设存在Rayleigh衰落。此外，我们扩展分析的情况下，CR网络与合作感测，其中的次用户遭受不同程度的RF不完善，考虑两种情况下的错误和不完善的报告信道。数值和仿真结果验证了分析的正确性，同时也表明了射频缺陷对频谱感知性能的不利影响，从而导致频谱利用率的显著降低。
2015-10-22 cs.IT math.IT
Spectrum sensing by cognitive radios at very low SNR
频谱感知是认知无线电（CR）系统在频谱空白空间中工作的一项使能功能。为了保护主要现任用户免受干扰，要求CR在非常低的信噪比（SNR）下检测现任信号。在本文中，我们提出了一种频谱感知技术的基础上相关频谱检测电视（TV）广播信号。基本策略是将接收信号的周期图与主信号的先验已知谱特征相关。我们表明，根据奈曼-皮尔逊准则，这种基于频谱相关的传感技术是渐近最佳的在非常低的信噪比和大的传感时间。从系统设计的角度，分析了频谱特性对频谱感知性能的影响。通过优化分析，我们获得了有用的见解，如何选择有效的光谱特征，以实现可靠的传感。仿真结果表明，该传感技术可以可靠地检测模拟和数字电视信号的信噪比低至-20 dB。
2009-07-14 cs.IT math.IT
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
General Spectrum Sensing in Cognitive Radio Networks
认知无线电（CR）发射机和CR接收机（CR链路）之间的成功操作依赖于可靠的频谱感知。对于网络CR，需要在CR发射机处进行频谱感测，并且需要关于CR接收机处的频谱可用性的进一步信息。重新定义了频谱感知以及适用于认知无线电网络（CRN）的统计推断，我们从数学上推导出条件，允许CR发射机转发数据包CR接收机下保证中断概率，并证明了本地频谱可用性的相关性之间的合作节点和CR接收机决定的合作计划的有效性。应用我们的新的数学模型，潜在的隐藏终端在CRN，我们说明了允许的传输区域的CR，定义为邻域，不再是圆形的形状，即使在一个纯路径损耗信道模型。这导致非对称CR链路，使双向链路通常不适合CRN，但这种挑战可以通过协作感知来缓解。因此，频谱感知能力决定了CRN的拓扑结构。对于多个协作节点，为了充分利用频谱可用性，由于信息交换开销有限，提出了协作节点的选择方法。将可靠性定义为协作节点在CR接收端提供的频谱可用性信息，通过应用邻域面积，可以从链路和网络两个角度比较协作节点的感知能力。此外，由于动态CRN缺乏集中协调，CR只能在有限的感知时间内获得局部和部分信息，因此提出了鲁棒频谱感知。合作计划的限制和它们对网络操作的影响也得到了。
2009-07-16 cs.IT math.IT
Collaborative Spectrum Sensing from Sparse Observations Using Matrix Completion for Cognitive Radio Networks
在认知无线电中，频谱感知是检测频谱空洞（即，不被任何主要用户使用的信道）。认知无线电节点之间的协作频谱感知有望提高检测完整频谱使用状态的能力。然而，由于功率限制和信道衰落的影响，现有的信道检测信息远不足以直接判断出空闲信道。针对这一瓶颈，我们应用最新的矩阵补全技术，大大减少了所需的传感信息。我们制定的协同感知问题作为一个矩阵完成子问题和联合稀疏重建子问题。数值仿真结果验证了该方法的有效性和鲁棒性。特别地，在无噪声的情况下，当主用户的数量是小的，获得准确的检测与不超过8%的完整的传感信息，而随着主用户的数量的增加，以实现95.55%的检测率，所需的信息百分比仅为16.8%。
2010-01-27 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
Spectrum Sensing with Multiple Primary Users over Fading Channels
我们研究了多个主用户（PU）和衰落对经典能量检测器（ED）频谱感知的影响。具体来说，我们提出了新的封闭形式的表达式，在多个PU环境中的虚警和检测概率，假设Nakagami-m衰落和复杂的高斯PU发送信号。结果表明，在评估ED频谱感知性能和选择ED门限时，考虑无线环境的重要性。
2018-03-24 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
Sparse Spectrum Sensing in Infrastructure-less Cognitive Radio Networks via Binary Consensus Algorithms
压缩感知已经被用于认知无线电网络（CRN）中，以利用主用户占用的稀疏性。此外，分布式频谱感测已被提出来解决无线信道问题，如节点或链路故障，而不是常见的（集中式方法）的频谱感测。在本文中，我们提出了一个分布式频谱感知框架的基础上共识算法，SU节点交换他们的二进制决策，采取全球决策，没有一个融合中心，以协调的感知过程。每个SU将与其邻居共享其决策，并且在每次新的迭代中，每个SU将基于其当前决策以及从其邻居接收的决策来做出新的决策;在下一次迭代中，每个SU将与其邻居共享其新的决策。我们通过仿真表明，检测性能可以趋向于基于CRN的多数规则融合中心的性能。
2016-06-11 cs.IT math.IT
Multiband Spectrum Sensing: Challenges and Limitations
多频段频谱接入是下一代认知无线电网络的发展方向，它通过感知和接入多个频段来提高网络的吞吐量，改善频谱的维护，减少由于主用户的活动而引起的切换频率和数据传输中断。在本文中，我们讨论了主要的多频带频谱感知技术的挑战和局限性。特别是，我们强调的边缘检测问题，并检查几个问题的国家的最先进的基于小波的技术。我们还研究了压缩感知问题。最后，我们强调了利用角域的CRN的承诺。
2014-09-23 cs.IT math.IT
Mobile Collaborative Spectrum Sensing for Heterogeneous Networks: A Bayesian Machine Learning Approach
大规模异构网络中的频谱感知是一个非常具有挑战性的问题，因为它通常需要大量的静态次用户（SU）来获得全局频谱状态。为了解决这个问题，在本文中，我们提出了一个新的框架的基础上贝叶斯机器学习。我们利用多个SU的移动性，同时收集频谱感知数据，并合作推导出全球频谱状态。我们首先开发了一种新的非参数贝叶斯学习模型，称为贝塔过程粘性隐马尔可夫模型（BP-SHMM），捕捉收集的频谱数据的时空相关性，其中SHMM模型的潜在统计相关性内每个移动SU的时间序列数据，而BP实现多个SU之间的合作。贝叶斯推理，然后进行自动推断的异构光谱状态。基于推理结果，我们还开发了一种新的算法与细化机制来预测频谱的可用性，这使得新加入的SU立即访问未占用的频带没有感测。仿真结果表明，与现有的频谱感知技术相比，该框架能够显著提高频谱感知性能。
2018-11-22 cs.IT math.IT
Adaptive Sensing of Congested Spectrum Bands
认知无线电共同处理它们感测到的信息，以便机会主义地识别和访问未充分利用的频谱段（频谱空洞）。由于频谱占用的瞬态和快速变化的性质，认知无线电（次用户）必须在识别频谱空洞，以提高其频谱效率的敏捷。我们提出了一种新的{ \em自适应}过程，以加强敏捷性的二级用户识别{ \em多}频谱空洞同时在一个宽的频谱带。这通过连续地{ \em探索}潜在频谱空洞的集合并且{ \em渐进地}将感测资源分配给频谱的最有希望的区域来实现。这样的探索和资源分配导致感测资源的保守花费，并且转化为非常灵活的频谱监视。所提出的连续和自适应感测过程与在整个频谱上均匀分布采样资源的更传统的方法相反。除了改进的灵活性之外，自适应过程需要对主用户的功率的不太严格的约束，以保证它们保持与环境噪声的区分，并呈现更可靠的频谱空洞检测。
2012-06-07 cs.IT math.IT
A Novel Two-stage Entropy-based Robust Cooperative Spectrum Sensing Scheme with Two-bit Decision in Cognitive Radio
频谱感知是认知无线电的关键问题。然而，当噪声不确定性严重时，传统检测器变得无效。证明了高斯白噪声在频域的熵是常数，提出了一种基于谱幅熵的鲁棒检测器。本文提出了一种新的基于谱功率密度熵的检测器，它的性能优于以前的方案，具有较低的计算复杂性。此外，为了提高检测的可靠性，提出了一种基于熵的两阶段协作频谱感知方案，该方案采用两比特判决，仿真结果表明，该方案具有较低的计算复杂性，性能优越。
2011-09-30 cs.IT math.IT
A Sensing Error Aware MAC Protocol for Cognitive Radio Networks
认知无线电（CR）是一种能够感知无线电环境并适应无线电环境变化的智能无线电设备。频谱感知和频谱接入是认知无线电的两个关键功能。在本文中，我们提出了一个频谱感知错误感知MAC协议的CR网络配置与多个主网络。我们明确考虑这两种类型的感知错误在CR MAC设计，因为这样的错误是不可避免的实际频谱传感器和更重要的是，这样的错误可能会有显着的影响CR MAC协议的性能。提出了两种频谱感知策略，使次用户能够协同感知授权信道。然后将感知策略并入p-Persistent CSMA中，以协调CR网络用户的机会性频谱接入。我们对拟议CR MAC的干扰和吞吐量性能进行了分析，并在模拟研究中发现该分析非常准确。所提出的感知误差感知的CR MAC协议优于现有的两种方法，在我们的模拟具有相当大的利润率，这证明了在CR MAC设计中考虑频谱感知误差的重要性。
2011-05-03 cs.IT math.IT
An Active Sequential Xampling Detector for Spectrum Sensing
使低功率无线设备能够在高载波处采用奈奎斯特采样是禁止的。在频谱感知中，这种限制要求模拟前端能够快速扫描不同的频段，以便有机会地使用可用频谱。在本文中，我们提出了一个新的框架，允许优化的子奈奎斯特采样前端相结合的最佳顺序感测与压缩频谱感测（CSS）的好处。我们提出的感测策略被配制成一个序列效用优化问题。效用函数随着测量的数量（累积以做出决定）线性地减小，并且作为信号分量二进制状态的函数而增加。优化选择子带的最佳线性组合来混合，以便产生最大效用。效用的结构代表了探索、利用和出错风险之间的权衡，这是频谱感知问题的特征。我们首先介绍了模拟前端架构，然后映射到抽象的优化问题的测量模型，并在本文的其余部分进行了分析。我们刻画了感知矩阵约束下的最优策略，并推导出贪婪算法的逼近因子。数值模拟展示了机会频谱感知与欠奈奎斯特采样相结合的好处。
2017-12-14 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
An Energy Efficient Spectrum Sensing in Cognitive Radio Wireless Sensor Networks
认知无线电无线传感器网络已经成为协作频谱感知环境中向融合中心传递频谱信息的重要组成部分。一组电池供电的传感器或节点感测关于无线电链路中的频谱可用性的信息，需要能量有效的策略来传递二进制信息。通过智能决策的适当路由方法可以很好地解决这个问题。本文介绍了一种能量有效的路由协议，并与现有的系统在能量消耗方面进行了性能比较。建议的路由技术考虑了均匀和非均匀的聚类策略，并证明是一种节能的通信方法。
2017-11-25 cs.IT math.IT
Blind Spectrum Sensing by Information Theoretic Criteria for Cognitive Radios
频谱感知是认知无线电网络中机会频谱接入的基础和关键问题。在众多的频谱感知方法中，基于信息论准则（ITC）的方法是一种很有前途的盲检测方法，它能够可靠地检测出主用户，而且需要的先验信息很少。在本文中，我们对ITC传感方法进行了深入讨论。为此，我们首先介绍了一种新的超定信道模型，通过在次用户处应用多个天线或过采样来构造，以使ITC适用。然后，介绍了一种简化的ITC感知算法，该算法只需要计算和比较两个判决值。与原ITC感知算法相比，简化算法在不损失任何性能的前提下，显著降低了计算复杂性。应用随机矩阵理论的最新进展，然后我们推导出封闭形式的表达式，以紧密近似的虚警概率和检测概率。基于从分析研究中得出的见解，我们进一步提出了一个广义的ITC传感算法，它可以提供灵活的检测概率和虚警概率之间的权衡。最后，进行了全面的仿真，以评估所提出的ITC传感算法的性能。结果表明，在某些情况下，他们大大优于其他盲频谱感知方法。
2010-08-04 cs.IT math.IT
Spectrum Sensing in Low SNR Regime via Stochastic Resonance
频谱感知是认知无线电实现动态频谱接入的关键。在许多场景中，主用户信号必须在所需的感测时间下在低信噪比（SNR）状态下被可靠地检测。我们建议使用随机共振，具有一定的谐振频率的非线性滤波器，检测主用户时，信噪比很低。块和顺序检测方案进行了研究。仿真结果表明，在满足虚警率要求的情况下，检测概率和平均检测时延都有较大的提高。还讨论了一些实施问题。
2009-06-03 cs.IT math.IT
An Efficient Algorithm for Cooperative Spectrum Sensing in Cognitive Radio Networks
本文研究了认知无线电系统中的频谱感知问题。我们已经开发了一个分布式算法，次级用户可以运行，以感测信道合作。它是基于顺序检测算法，最佳地使用过去的意见。虽然该算法也可以与匹配滤波器和其他频谱感知算法一起使用，但我们将其用于具有能量检测器的次级用户。该算法提供了非常低的检测延迟，也消耗很少的能量。此外，它对主用户造成低干扰。我们比较这个算法最近提出的几个算法，并表明它检测到的频谱变化比这些算法更快，使用显着更少的能量。
2008-09-17 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
A Simple Sequential Spectrum Sensing Scheme for Cognitive Radio
认知无线电支持对授权频谱的二次和机会性接入，在显著提高频谱利用率方面显示出巨大的潜力。频谱感知是认知无线电的一项关键技术，由次级用户检测未被占用的频段。本文提出了一种截断序贯频谱感知方案，即序贯移位卡方检验（SSCT）。SSCT具有简单的测试统计量，并且不依赖于关于主信号的任何确定性知识。作为品质因数，导出了准确的虚警概率，并通过使用数值积分算法来评估漏检概率以及平均样本数（SNR）。确证的数值例子表明，与固定样本大小的检测方案，如能量检测相比，SSCT提供了相当大的减少的信噪比，同时保持相当的检测性能。
2009-05-28 cs.IT math.IT
Compressive Cyclostationary Spectrum Sensing with a Constant False Alarm Rate
频谱感知是机会频谱接入方案的重要组成部分，其目的是通过允许空闲许可频谱的重用来提高频谱利用率。在使用之前检测一个频段可以确保合法用户不受干扰。由于关于这些用户信号的信息不一定可用，因此传感器应该能够进行所谓的盲频谱感知。历史上，这不是基于循环平稳性的算法的特征。实际上，在许多应用场景中，传统的循环平稳检测所需的信息可能不可用，这阻碍了其实用性。在这项工作中，我们提出了两个新的循环平稳频谱感知算法，利用循环自相关的固有稀疏性，使盲操作成为可能。随着利用稀疏恢复方法估计的循环自相关，我们进一步利用其结构，通过引入联合稀疏性以及一般结构字典到恢复过程中。此外，我们扩展了统计测试循环平稳性，以适应稀疏循环谱。我们的数值结果表明，新的方法实现了一个接近恒定的虚警率的行为相比，早期的方法从文献中。
2016-10-13 cs.IT math.IT
Spectrum Sensing in the Presence of Multiple Primary Users
我们考虑认知无线电网络中，当可能有多个主用户的多天线合作频谱感知。在这种情况下，基于球形测试的检测器进行了分析。基于所涉及的分布的矩，简单而准确的分析公式推导出的检测器的关键性能指标。虚警和检测概率以及检测阈值和接收机操作特性以封闭形式可用。仿真结果验证了所得结果的准确性，并与其他检测器在现实的传感场景进行比较。
2012-01-03 cs.IT math.IT
Compressed Wideband Spectrum Sensing: Concept, Challenges and Enablers
频谱感知的研究主要集中在窄带接入，直到最近才开始研究宽带频谱。广义上讲，宽带频谱感知方法可以分为两类：奈奎斯特速率采样方法和亚奈奎斯特速率采样方法。奈奎斯特速率的方法有重大的实际问题，质疑其适用于实时应用，这主要是因为他们的高速率采样要求要求复杂的硬件和信号处理算法，招致显着的延迟。另一方面，次奈奎斯特速率方法由于其不太严格的采样率要求而更有吸引力。虽然已经研究了各种概念以确保亚奈奎斯特速率，但压缩采样理论绝对是一个吸引了如此多兴趣的概念。本文解释并说明了如何利用压缩采样来提高宽带频谱感知，使频谱占用恢复与亚奈奎斯特采样率。本文还介绍了新的想法，进一步宽带频谱感知增强的巨大潜力，并确定了未来的关键研究挑战和方向，仍有待研究。
2018-05-10 cs.IT math.IT
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 with Sub-Nyquist Sampling in Cognitive Radios
提出了一种用于宽带频谱感知的多速率异步欠奈奎斯特采样（MASS）方法。导出了相应的光谱恢复条件，并给出了恢复成功的概率。与以前的方法相比，MASS提供了更低的采样率，是一种有吸引力的认知无线电网络的方法。
2013-02-07 cs.IT math.IT
Wide spectrum denoising (WSD) for superresolution microscopy imaging using compressed sensing and a high-resolution camera
使用压缩感知和高分辨率相机的超分辨率显微成像的宽谱去噪（WSD）
2020-06-08 cs.IT eess.IV math.IT
Locally Best Invariant Test for Multiple Primary User Spectrum Sensing
我们考虑认知无线电网络中，当可能有多个主用户的多天线合作频谱感知。在这种情况下，分析了在低信噪比制度中最佳的无噪声不确定性检测器。具体地说，我们得到的确切时刻的测试统计量，从而导致简单而准确的分析公式的虚警概率和决策阈值。仿真研究所得到的结果的准确性，并与其他检测器在现实的传感场景进行比较。
2012-03-28 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
An Iterative Algorithm for Optimal Carrier Sensing Threshold in Random CSMA/CA Wireless Networks
研究了随机CSMA/CA网络中考虑二进制指数退避效应的最优载波侦听门限。我们提出了一种迭代算法，用于优化载波侦听阈值，从而最大限度地提高区域频谱效率。我们验证，模拟与我们的分析结果是一致的。
2013-12-20 cs.IT math.IT
Sensing-Throughput Tradeoff for Superior Selective Reporting-based Spectrum Sensing in Energy Harvesting HCRNs
在本文中，我们研究了传统的协作感知（CCS）和优越的选择性报告（SSR）的协作感知的性能在一个能量收集使能异构认知无线电网络（HCRN）。特别是，我们推导出这两种方案的可实现的吞吐量的表达式，并制定非线性整数规划问题，以找到吞吐量最佳的频谱传感器的集合，预定感测一个特定的信道，给定主用户（PU）的干扰和能量收集的约束。此外，我们提出了新的解决方案的基础上的交叉熵（CE）方法的优化问题，并与穷举搜索和贪心算法的性能进行比较。最后，我们讨论了SSR和CCS方案的平均可实现的吞吐量之间的权衡，并强调了SSR方案优于CCS方案的制度。值得注意的是，我们表明，有一个固有的权衡之间的通道可用时间和检测精度。我们的数值结果表明，随着频谱传感器数量的增加，信道可用时间在HCRN中获得更高的优先级，而不是检测精度。
2019-02-01 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
Enhanced Pilot-Based Spectrum Sensing Algorithm
在本文中，我们提出了一种增强的基于导频的认知无线电频谱感知算法。与仅检测导频信号的存在的传统的基于导频的检测器不同，所提出的检测器还利用携带实际信息的信号的存在。我们分析比较所提出的检测器与传统的性能，我们表明，检测性能显着提高。
2014-09-23 cs.IT math.IT
On the Performance of Cooperative Spectrum Sensing under Quantization
在认知无线电中，协作频谱感知（CSS）是决定次级网络性能的关键。然而，还没有可行的方法，可以分析计算CSS的性能方面的多级量化。本文不仅给出了量化对协作虚警概率和协作检测概率的影响，而且给出了两个封闭形式的表达式。这两个表达式使得协作虚警概率和协作检测概率的计算变得简单易行，为感知性能的优化提供了一种可行的途径。此外，为了便于计算，我们推导出了正常的近似评估感测性能方便。此外，提出了两种优化方法，以实现量化下的高感测性能。
2013-03-14 cs.IT math.IT
Cooperative Prediction-and-Sensing Based Spectrum Sharing in Cognitive Radio Networks
本文提出了一种新的认知无线电网络频谱共享模型--基于预测和感知的频谱共享模型，将每个资源块的时间结构分为频谱预测和感知阶段和数据传输阶段。在第一阶段中，协作频谱预测作为频谱感知的子阶段被并入。我们研究了一种在辅基站（BS）和感测时间处的发射波束成形的联合设计。主要的设计目标是最大化所有次级用户（SU）的总速率，其服从所有SU的最小速率要求、次级BS处的发射功率约束以及所有主用户处的干扰功率约束。原来的问题很难解决，因为它是高度非凸的。我们首先将问题转化为一个更容易处理的形式，然后到达一个凸规划的基础上的内部近似框架，最后提出了一个新的算法来连续解决这个凸规划。我们证明了该算法迭代地提高了目标，同时保证收敛至少局部最优。仿真结果表明，该算法达到一个稳定点后，只有几个迭代与现有的方法有显着的性能改善。
2017-07-24 cs.IT math.IT
Distributed Wideband Spectrum Sensing
我们考虑的问题重建宽带频谱分布，压缩测量。测量由节点网络进行，每个节点独立地将环境光谱与低频随机信号混合。重建通过节点之间的本地传输进行，每个节点执行简单的统计操作，如岭回归和收缩。
2015-06-24 cs.IT math.IT
GLRT-Based Spectrum Sensing with Blindly Learned Feature under Rank-1 Assumption
先验知识可以提高频谱感知的性能。而不是使用通用功能作为先验知识，我们建议盲目学习的本地化功能在次要用户。受机器学习中模式识别的启发，我们将信号特征定义为信号样本协方差矩阵的前导特征向量。提出了用于盲特征学习的特征学习算法（FLA）和用于频谱感知的特征模板匹配算法（FTM）。此外，我们在硬件上实现了FLA和FTM。仿真和硬件实验表明，信号特征可以盲学习。此外，利用信号特征作为先验知识，检测性能可提高约2dB。基于实验结果，本文在秩1假设下，以信号特征、信号功率和噪声功率为参数，推导了几种基于广义似然比的频谱感知算法。我们提出的算法的性能进行了测试，合成秩1信号和捕获的DTV数据，并与其他国家的最先进的协方差矩阵为基础的频谱感知算法。在一般情况下，我们的GLRT算法具有更好的检测性能。另外，将信号特征作为先验知识的算法比没有先验知识的算法性能好约2dB。
2011-03-01 cs.IT math.IT
Channel Estimation for Opportunistic Spectrum Access: Uniform and Random Sensing
信道统计的知识可以非常有助于做出合理的机会频谱接入决策。因此，期望能够有效且准确地估计信道统计。在本文中，我们研究的问题，最佳地放置在一个时间窗口的检测时间，以获得最佳的估计的参数的开关更新信道。我们特别感兴趣的稀疏感测制度与少量的样本相对于时间窗口大小。利用Fisher信息作为测度，在稀疏性条件下，我们解析地推导出最佳和最差的感知序列。我们还提出了一种方法来获得最好/最坏的序列没有这个条件，使用动态规划的方法。在这两种情况下，最坏的结果是均匀感测序列，其中感测时间在窗口内均匀间隔。这些结果，我们认为，没有先验知识，一个强大的传感策略应该是一个随机化的策略。然后，我们比较不同的随机方案，使用家庭的分布产生的圆形$β$合奏，并提出了一种自适应感知方案，以有效地跟踪随时间变化的信道参数。我们进一步讨论了压缩传感对于这个问题的适用性。
2010-05-14 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
Covariance-Based OFDM Spectrum Sensing with Sub-Nyquist Samples
在本文中，我们提出了一种基于特征的方法的频谱感知的OFDM信号的子奈奎斯特样本在一个单一的频带。我们利用OFDM信号的协方差矩阵的结构，将一组欠定的基于协方差的方程转换为超定的。分析了样本协方差矩阵的统计特性，并在此基础上推导出了一种近似的广义似然比检验（GLRT），用于从亚奈奎斯特样本中检测OFDM信号。该方法也被推广到频率选择性信道。
2015-01-10 cs.IT math.IT
A Cooperative Spectrum Sensing Scheme Based on Compressive Sensing for Cognitive Radio Networks
提出了一种基于压缩感知的协作频谱感知方案。在该方案中，二级用户（SU）被组织在集群中。在每个集群中，SU将其压缩信号转发给集群头。然后，簇头将本地感知数据报告给融合中心，以做出最终决策。采用模数转换器对接收到的SU信号进行采集。所提出的方案进行评估，使用几个指标，包括检测概率，压缩比，错误的概率，和处理时间。仿真结果与其他合作感知方案进行了比较。该方案的检测概率高达97%，处理时间仅为2 ms，压缩比仅为10%，出错率仅为35%。这些结果表明，我们提出的方法优于频谱感知没有压缩感知。
2019-12-10 cs.IT eess.SP math.IT
Spectrum Sensing in Cooperative Cognitive Radio Networks with Partial CSI
提出了一种基于中继的认知无线电网络中的协作频谱感知算法。我们考虑一个随机模型，其中数据从主用户（PU）的基站（BS）发送。数据由次要用户（SU）中继到SU BS。SU BS仅具有无线信道的部分CSI知识。为了获得基于似然比检验（LRT）的最优决策规则，需要逐点评估每个假设下的边际似然。然而，由于积分的难处理性，这些不能通过分析获得。相反，我们利用拉普拉斯方法近似这些量。性能评估通过数值模拟，它表明，所提出的频谱感知方案可以实现优越的结果的能量检测方案。
2011-10-28 cs.IT math.IT
Generalized Deterministic-Random Tradeoff in Integrated Sensing and Communications: The Sensing-Optimal Operating Point
该研究聚焦集成感知与通信（ISAC）系统的性能权衡问题，通过分析容量-失真区域的感知最优工作点，证明通用非凸感知性能指标下确定性-随机性权衡（DRT）的存在性，并以目标检测概率为例展开说明，为6G ISAC系统设计提供理论支撑。
2023-08-28 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
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
Orthogonality and Cooperation in Collaborative Spectrum Sensing through MIMO Decision Fusion
本文论述了认知无线电的情况下，决策融合中心（DFC）利用阵列处理的频谱感知。更具体地说，我们探讨了用户合作和正交传输之间的二级用户（SU）的报告信道的影响。为了这个目的，四个协议被认为是：（i）非正交和非合作;（ii）正交和非合作;（iii）非正交和合作;（iv）正交和合作。DFC采用最大比合并（MRC）规则和性能进行评估的互补接收机工作特性（CROC）。分析结果，再加上蒙特卡罗模拟，提出。
2013-08-14 cs.IT math.IT
Near-optimal Binary Compressed Sensing Matrix
压缩感知是一种很有前途的技术，它试图用尽可能少的线性和非自适应测量来忠实地恢复稀疏信号。其性能在很大程度上取决于传感矩阵的特性。近年来，由于其相对较低的复杂度和较好的性能，人们已经确定性地构造了几种0 - 1二元感知矩阵。考虑到实现的复杂性，如果能在不损失性能的前提下进一步提高二进制矩阵的稀疏性，将具有很大的实际意义。本文在研究限制等距性（RIP）的基础上，提出了一种近似最优的二进制感知矩阵，该矩阵在尽可能稀疏的分布下保证了接近最佳的性能。该近似最优二进制矩阵可以用渐进边增长（PEG）算法确定性地构造。其性能得到了广泛的模拟证实。
2013-10-02 cs.IT math.IT
Universal and efficient compressed sensing by spread spectrum and application to realistic Fourier imaging techniques
我们提倡一种压缩感知策略，该策略包括将感兴趣的信号乘以宽带调制，然后投影到随机选择的正交基向量上。首先，在一个数字设置与随机调制，考虑到整个类的传感基地，包括傅立叶基，我们证明了该技术是通用的意义上，所需的测量数量的准确恢复是最佳的，独立的稀疏基础。这种普遍性源于稀疏性和感测基之间的相干性的急剧降低，对于傅立叶感测基，其涉及通过调制对原始信号频谱的扩展（因此称为“扩展频谱”）。该方法也是有效的，因为可以使用具有快速矩阵乘法算法的感测矩阵，特别是在傅立叶测量的情况下。其次，这些结果证实了数值分析的相变的l1-最小化问题。最后，我们表明，扩频技术仍然是有效的，在模拟设置与啁啾调制应用到现实的傅立叶成像。我们在无线电干涉测量和磁共振成像的背景下说明这些发现。
2011-10-26 cs.IT math.IT
Unilateral Left-Tail Anderson Darling Test Based Spectrum Sensing with Laplacian Noise
本文主要研究拉普拉斯噪声下的频谱感知问题。为了消除拉普拉斯噪声的重尾特性对系统性能的影响，采用分数低阶矩技术对接收样本进行预处理。通过利用主用户存在和不存在情况下接收样本的FLOM分布之间的不对称差异，我们将拉普拉斯噪声下的频谱感知问题表示为单边拟合优度（GoF）测试问题。基于此测试问题，我们提出了一种新的基于GoF的检测器，称为单侧左尾Anderson Darling（ULAD）检测器。的理论性能的分析表达式，在虚警和检测概率方面，ULAD的推导。此外，还导出了最佳检测阈值的封闭形式的表达式，以最小化总的出错率。仿真结果验证了理论分析的正确性，并证明了该检测器的优越性能。
2019-01-08 cs.IT math.IT
Cooperative spectrum sensing with enhanced energy detection under GAUSSIAN noise uncertainty in cognitive radios
针对一般高斯噪声，研究了协作频谱感知（CSS）中能量检测（ED）门限的优化问题。提出了增强ED阈值以克服多个噪声不确定性的敏感性。在高斯噪声不确定性下，提出了两步判决模式和凸样本阈值。通过推导独立同分布（i.i.d.）因此，我们在低信噪比（SNR）条件下，使用建议的ED阈值获得较低的总出错率（Qe）。此外，仿真结果表明，所提出的方案优于大多数其他噪声不确定性计划。
2017-12-29 cs.IT math.IT
Blind Spectrum Sensing in Cognitive Radio over Fading Channels and Frequency Offsets
本文研究了认知无线电中的频谱感知问题。我们考虑一个随机系统模型，其中主用户（PU）在衰落信道上发送周期信号。研究了由于振荡器失配和多普勒偏移引起的频率偏移的影响。我们表明，在这种情况下，似然比检验（LRT）不能逐点评价。我们提出了一种新的方法来近似边缘化的频率偏移使用一个单点估计。这是通过一个低复杂度的约束自适应陷波滤波器（CANF）来估计频率偏移。通过数值模拟的性能进行评估，它表明，所提出的频谱感知方案可以实现相同的性能作为接近最佳的方案，即基于一个银行的匹配滤波器，只使用所需的复杂性的一小部分。
2011-02-15 cs.IT math.IT
Joint Optimization of Spectrum Sensing and Accessing in Multiuser MISO Cognitive Networks
提出了一种多用户认知网络联合频谱感知和接入优化框架，以显著提高频谱利用率。对于这样一个认知网络，有两个重要的和有限的资源，应该在一个全面的方式分配，即反馈比特和时间持续时间。首先，关于反馈比特，存在两个组件：感测组件（用于传送各个用户的感测结果）和接入组件（用于反馈信道状态信息）。一个大的感知组件可以支持更多的用户进行协作感知，这导致高的感知精度。然而，大的接入组件也是优选的，因为当利用诸如迫零波束成形（ZFBF）的多天线技术时，它对多用户认知网络中的性能具有直接影响。其次，需要确定传输间隔中的感测和接入持续时间的折衷，使得在满足干扰约束的同时优化总传输速率。此外，上述两种资源在一定条件下是相互关联、相互转化的。具体地，对于给定的性能目标，可以通过利用更多的感测反馈比特来节省感测时间。因此，资源应以联合方式分配。基于联合优化框架和两种资源之间的内在关系，提出了两种多用户多天线认知网络中以最大化平均和传输速率为目标的联合资源分配方案。仿真结果表明，采用联合资源分配策略，与传统的固定策略相比，可以获得明显的性能增益。
2014-06-30 cs.IT math.IT
Collaborative Spectrum Sensing from Sparse Observations in Cognitive Radio Networks
频谱感知是认知无线电实现的前提，其目的是检测频谱空洞。认知无线电节点间的协作频谱感知有望提高检测完整频谱使用情况的能力。由于硬件的限制，每个认知无线电节点只能感知相对较窄的无线电频谱。因此，可用的信道感测信息远不足以精确地识别宽范围的未占用信道。针对这一瓶颈，本文提出采用矩阵完备和联合稀疏恢复的方法来降低感知和传输的要求，提高感知效果。具体而言，配备了频率选择性滤波器，每个认知无线电节点感测多个信道信息的线性组合，并将其报告给融合中心，在融合中心，占用的信道然后通过使用新的矩阵完成和联合稀疏恢复算法从报告中解码。因此，从CR发送到融合中心的报告数量显著减少。我们提出了两种解码方法，一种是基于矩阵完成和联合稀疏恢复，这两种方法都允许从不完整的报告中准确恢复。数值结果验证了我们的方法的有效性和鲁棒性。特别是，在小规模网络中，矩阵完成方法实现了精确的信道检测，样本数量不超过网络中信道数量的50%，而联合稀疏恢复在大规模网络中实现了类似的性能。
2010-08-25 cs.IT math.IT
