Novel Deep Learning Framework for Wideband Spectrum Characterization at Sub-Nyquist Rate
IIT-Hyderabad(印度理工学院海得拉巴分校);IIIT-Delhi(德里印度信息技术学院)
在5G和后续一代网络中引入频谱共享需要具有表征跨越许可、共享和未许可非连续频段的宽带频谱的能力的基站。频谱表征涉及空频带的识别以及中心频率和参数(能量、调制等)。被占领的乐队。由于需要高速数字化,奈奎斯特采样下的这种特性需要占用大量面积和功耗。虽然次奈奎斯特采样(SNS)提供了一个很好的选择时,频谱稀疏,它遭受在低信噪比(SNR)的性能差,需要仔细的设计和集成的数字重建,可调信道化器和表征算法。在本文中,我们提出了一种新的深度学习框架,通过一个统一的流水线来完成两个任务:1)直接从子奈奎斯特样本重建信号,2)宽带频谱表征。所提出的方法消除了重建和表征之间的复杂信号调理的需要,并且不需要复杂的可调谐信道器。我们广泛地比较了我们的框架的性能范围广泛的调制方案,信噪比和信道条件。我们表明,该框架优于现有的SNS为基础的方法和表征性能的方法,以奈奎斯特采样为基础的框架与SNR的增加。易于设计和集成以及单个统一的深度学习框架使所提出的架构成为可重新配置平台的良好候选者。
2020-05-07 cs.LG eess.SP
Distributed UAV Swarm Augmented Wideband Spectrum Sensing Using Nyquist Folding Receiver
针对分布式无人机集群宽带频谱感知中亚 Nyquist 采样复杂度高、非严格稀疏恢复效率低的问题,提出基于 NYFR 的两种多通道架构并分析脉冲与块稀疏恢复,实验验证其感知效率提升。
2023-08-14 eess.SP
Above the Nyquist Rate, Modulo Folding Does Not Hurt
我们考虑的问题,恢复连续时间带限信号从离散时间的信号,从采样它每$T_s$秒,并减少结果模$Δ$,对于一些$Δ>0$。对于$Δ=\infty$,著名的Shannon-Nyquist采样定理保证,如果采样率$1/T_s$超过所谓的Nyquist速率,则可以实现完美的恢复。Bhandari等人最近的工作表明,对于任何$Δ>0$,如果采样率超过奈奎斯特速率$πe$的因子,则仍然可以进行完美的重建。在这封信中,我们改进了这一结果,并表明,对于有限的能量信号,完美的恢复是可能的任何$Δ>0$和任何采样率以上的奈奎斯特率。因此,如果采样率超过奈奎斯特速率,则模折叠不会使信号降级。这一主张是通过建立一个连接的离散时间信号从其模减少版本的恢复问题和预测的离散时间信号的下一个样本从其过去的问题,并利用这一事实,即对于一个带限信号的预测误差可以任意小。
2019-03-28 cs.IT eess.SP math.IT
Intentional Aliasing Method to Improve Sub-Nyquist Sampling System
调制宽带转换器(MWC)已被引入作为一个子奈奎斯特采样器,利用一组快速交替伪随机(PR)信号。通过并行采样分支,MWC通过将多带频谱与PR信号在时域混合来压缩多带频谱,并获得其亚奈奎斯特样本。以前,压缩比完全取决于PR信号的规格。也就是说,为了进一步降低采样率而不丢失信息,需要更快和更长周期的PR信号。然而,这种PR信号发生器的实现导致高功耗和大的制造面积。在本文中,我们提出了一种新的混叠调制宽带转换器(AMWC),它可以进一步降低采样率的MWC与固定PR信号。其主要思想是在模数转换器(ADC)中引入有意的信号混叠。除了信号混合器的第一次频谱压缩之外,有意混叠再次压缩混合频谱。我们证明了AMWC减少了采样支路的数量和ADC的速率,而不需要提高PR信号的速度或周期的无损亚奈奎斯特采样。相反,对于给定的固定采样分支数和采样率,AMWC提高了信号重构的性能。
2018-10-05 eess.SP
Hardware Software Co-design of Statistical and Deep Learning Frameworks for Wideband Sensing on Zynq System on Chip
随着频谱共享和异构业务在下一代网络中的引入,基站需要感知宽带频谱并识别频谱资源以满足服务质量、带宽和延迟约束。欠奈奎斯特采样(SNS)实现了稀疏宽带频谱的数字化,而无需奈奎斯特速度模数转换器。然而,SNS需要用于频谱重构的附加信号处理算法,诸如公知的正交匹配追踪(OMP)算法。OMP还广泛用于其它压缩感知应用中。本文的第一个贡献是将OMP算法有效地映射到由ARM处理器和FPGA组成的Zynq片上系统(ZSoC)上。实验分析表明,稀疏频谱的OMP性能显着下降。此外,OMP需要频谱稀疏性的先验知识。我们通过基于深度学习的架构来解决这些挑战,并将其有效地映射到ZSoC平台上作为第二个贡献。通过硬件-软件协同设计,考虑通过软件(ARM处理器)和硬件(FPGA)之间的分区获得的所提出的架构的不同版本。资源,功率和执行时间的比较,给定的内存限制和广泛的字长,这些架构。
2022-09-06 cs.AR eess.SP
A Novel Sub-Nyquist Multiband Signal Detection Algorithm for Cognitive Radio
宽带频谱感知是认知无线电的关键技术。然而,采样率仍然是WSS的一个瓶颈。已经提出了几种亚奈奎斯特感测方法。这些技术在低信噪比(SNR)状态下恶化或遭受高计算复杂度。本文提出了一种基于多陪集采样的亚奈奎斯特WSS方法。设计了一种简单的信噪比鲁棒的低复杂度多带信号检测算法。特别地,所提出的方法不同于通常使用的基于能量检测(ED)、匹配滤波器(MF)或循环平稳检测(CD)的检测算法。我们利用非零频率的位置和算术移位的二次采样信号的DFT之间的线性递归关系。这些关系可以用一系列所谓的频率定位多项式(FLP)唯一地表示。关系的标量与子信号的带宽有关。在此基础上,提出了一种稀疏多带信号检测器,并给出了估计载波频率和带宽的方法。检测器不需要关于感兴趣的信号的频率位置的先验知识。在稀疏情况下,与CD相比,它具有更低的样本和计算复杂度。实验结果表明,该检测器优于ED在次奈奎斯特制度,特别是在低信噪比。
2018-02-12 eess.SP
Reconfigurable Architecture for Spatial Sensing in Wideband Radio Front-End
蜂窝频谱在授权、共享和未授权频谱中的部署要求在非连续的6 GHz以下频谱上进行宽带感测。为了提高频谱和能量效率,正在探索波束成形和大规模多天线系统,其需要空间感测,即空频段的盲识别和占用频带的到达方向(DoA)。我们提出了一种可重构的架构,通过宽带无线电前端的稀疏天线阵列(SAA)和次奈奎斯特采样(SNS)的数字化多频带频谱进行空间感测。所提出的架构包括SAA预处理和算法,直接对SNS样本进行空间感测。该架构通过软硬件协同设计(HSCD)在由ARM处理器和FPGA组成的Zynq片上系统(SoC)上实现。使用动态部分重新配置(DPR),能够根据感测到的频谱中的活动信号的数量在算法之间进行动态切换。所提出的架构的功能,资源利用率和执行时间进行了分析,为各种HSCD配置,字长,数字化样本的数量,信噪比(SNR),和天线阵列(稀疏/非稀疏)。
2021-05-26 eess.SP
Reconfigurable and Intelligent Ultra-Wideband Angular Sensing: Prototype Design and Validation
在FR 1(0.45-6 GHz)和FR 2(24 - 52 GHz)中的超许可频谱共享的出现以及基于多天线窄波束的定向传输要求在时域以及空域中的宽带频谱感测。我们称之为超宽带角频谱感知(UWAS),它包括数字化和宽带频谱的表征。在本文中,我们设计和开发国家的最先进的UWAS原型使用USRP和LabVIEW NXG在真实的无线电环境中进行验证。由于预期5G将与LTE共存,因此发射机经由LTE特定的单载波频分多址接入(SC-FDMA)方法来生成多方向多用户宽带业务。在接收端,采用稀疏天线阵与可重构次奈奎斯特采样(SNS)相结合的新方法完成了宽带频谱数字化的第一步。可重构SNS允许通过低速率模数转换器对非连续频谱进行数字化,但它需要智能来选择用于数字化的频段。我们探索了基于多角色多臂强盗的学习算法来嵌入智能。与以前的工作相比,所提出的表征(频段状态和到达方向估计)的方法不需要接收信号分布的先验知识。各种频谱统计,功率增益和天线阵列排列以及较低的复杂度的详细实验结果验证了功能的正确性,优越性和可行性的建议UWAS国家的最先进的方法。
2020-08-13 eess.SP
OwnDPDLab: A Flexible Open-Source Testbed for Wideband DPD Algorithm Benchmarking
Institute of High-Frequency Technology, Hamburg University of Technology(汉堡工业大学高频技术研究所);Smart Sensors Group, Hamburg University of Technology(汉堡工业大学智能传感器小组);eleqtron GmbH(eleqtron有限公司);Institute of Communications Technology, Hamburg University of Technology(汉堡工业大学通信技术研究所)
针对5G及以后标准中DPD算法需在增加信号带宽下运行,现有测试硬件成本高且缺灵活性的问题,OwnDPDLab提供开源系统,基于RFSoC 4x2实现多参数控制,经实验展示其能力,用DPD取得误差和邻道泄漏比改善。
2026-07-14 eess.SP
A Hardware Prototype of Wideband High-Dynamic Range ADC
模数转换器(ADC)的关键参数是采样率和动态范围。ADC的功耗和成本与采样速率成正比;因此,需要尽可能保持低采样速率。ADC的动态范围也起着重要作用,理想情况下,它应该大于信号的动态范围;否则,信号将被削波。为了避免削波,可以在采样之前使用模折叠,然后使用展开算法来恢复真实信号。在本文中,我们提出了一个模的硬件原型,可用于采样前,以避免削波。我们的模硬件操作之前的采样机制,可以折叠更高频率的信号相比,现有的硬件。我们提出了一个详细的硬件设计,并解决在实施过程中出现的关键问题。在应用方面,我们展示了超出ADC动态范围的有限创新率信号的重构。我们的系统以低于信号奈奎斯特速率六倍的速率运行,并且可以容纳比ADC动态范围大八倍的信号。
2023-01-29 eess.SP
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 Sampling OFDM Radar
提出无需改动硬件与波形的亚奈奎斯特采样 OFDM 雷达,通过频带折叠、已知符号展开及 SMNC 消除干扰,将 ADC 采样率降低 L 倍并保持距离性能。
2023-08-03 cs.SY eess.SP eess.SY
Sub-Nyquist USF Spectral Estimation: $K$ Frequencies with $6K + 4$ Modulo Samples
针对高动态范围信号导致ADC饱和的问题,提出基于无限感知框架(USF)的多通道亚奈奎斯特频谱估计方法,证明仅需 $6K+4$ 个模采样即可精确恢复 $K$ 个正弦波,并在极低采样率下大幅提升了频率估计精度。
2024-09-24 cs.IT eess.SP math.IT
GBSense: A GHz-Bandwidth Compressed Spectrum Sensing System
GBSense通过周期非均匀采样与时间交织模数转换,以400 MHz平均采样率感知2 GHz带宽信号,实现低时延高精度频谱检测,适用于认知无线电、5G和6G场景。
2024-10-18 eess.SP
A Fast Power Spectrum Sensing Solution for Generalized Coprime Sampling
针对宽带频谱感知数据量大的问题,提出基于广义互质采样的快速功率谱感知方案,利用并行傅里叶变换重构自相关序列,在降低计算复杂度的同时提升了估计性能,适用于实时与分布式场景。
2023-11-23 eess.SP
Compressive Spectrum Sensing with 1-bit ADCs
本文提出一种基于1比特ADC和多余弦采样的非协作宽带频谱感知方法,通过特征值分解分离信号与噪声,无需稀疏先验即可实现亚奈奎斯特采样,降低功耗并消除协作依赖。
2024-11-07 eess.SP
Modulation For Modulo: A Sampling-Efficient High-Dynamic Range ADC
本文提出一种基于相位调制(PM)的高动态范围 ADC 方法,无需过采样即可从 Nyquist 速率样本重建信号,在降低重建误差与采样率的同时,有望替代高比特率 HDR-ADC。
2023-11-22 eess.SP
Evaluation of the Effects of Compressive Spectrum Sensing Parameters on Primary User Behavior Estimation
随着物联网(IoT)技术的部署,对无线电频谱的需求正在增加。认知无线电(CR)是通过利用由频谱未充分利用而导致的频谱空洞来允许物联网次级用户的机会性频谱接入的最有前途的解决方案之一。CR需要频繁地感测频谱以避免干扰主用户(PU)。压缩频谱感测技术已经在宽带频谱感测中获得了越来越多的兴趣,因为它们减少了对高速率模数转换器的需求,降低了CR的复杂性和能量要求。为了提高频谱感知性能,研究人员提出将PU频谱使用信息纳入频谱感知过程。频谱使用信息可以通过导频信号、地理位置数据库或通过评估先前的频谱感测结果来获得。在本文中,我们正在研究的压缩感知参数,即压缩比,感测周期,和感测持续时间上的主要用户行为统计的估计的影响。我们实现了一个准确的估计的主要用户的行为,同时节省40%的采样率,通过使用压缩频谱感知相比,传统的频谱感知与奈奎斯特速率采样。
2022-05-19 eess.SP
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
Unlimited Sampling of Bandpass Signals: Computational Demodulation via Undersampling
本文研究带通信号的模运算采样问题,基于无限制采样框架,证明了在亚奈奎斯特速率下从欠采样模表示中恢复带通信号的采样定理,并通过数值仿真和硬件实验验证了方法的有效性。
2023-07-10 cs.IT eess.SP math.IT