分布式的1bit压缩频谱感知算法

赵知劲; 胡伟康; 胡俊伟

doi:10.3969/j.issn.1000-0801.2014.09.015

您当前的位置：

首页 >

文章列表页 >

分布式的1bit压缩频谱感知算法

研究与开发 | 更新时间：2024-06-05

- 分布式的1bit压缩频谱感知算法
- 1 bit Compressive Spectrum Sensing Algoritbm Based on Distributed Model
- 电信科学 2014年30卷第9期页码：106-110
- 作者机构：
  
  1. 杭州电子科技大学通信工程学院杭州310018
  2. 中国电子科技集团第36研究所通信系统信息控制技术国家级重点实验室嘉兴314001
- 作者简介：
  
  [ "赵知劲，女，博士，杭州电子科技大学教授、博士生导师，杭州电子科技大学通信工程学院党委书记，主要研究方向为认知无线电、通信信号处理、自适应信号处理等。" ]
  [ "胡伟康，男，杭州电子科技大学硕士生，主要研究方向为认知无线电及频谱感知算法的研究。" ]
  [ "胡俊伟，男，杭州电子科技大学硕士生，主要研究方向为压缩感知在通信系统中的应用。" ]
- 基金信息：
  
  电科院预研基金资助项目(41101040102);浙江省研究生创新科技基金资助项目(YK2011062)
- DOI：10.3969/j.issn.1000-0801.2014.09.015
  中图分类号：
- 网络出版日期：2014-09，
  
  纸质出版日期：2014-09-20
- 稿件说明：
移动端阅览
赵知劲, 胡伟康, 胡俊伟. 分布式的1bit压缩频谱感知算法[J]. 电信科学, 2014,30(9):106-110.

Zhijin Zhao, Weikang Hu, Junwei Hu. 1 bit Compressive Spectrum Sensing Algoritbm Based on Distributed Model[J]. Telecommunications science, 2014, 30(9): 106-110.
赵知劲, 胡伟康, 胡俊伟. 分布式的1bit压缩频谱感知算法[J]. 电信科学, 2014,30(9):106-110. DOI： 10.3969/j.issn.1000-0801.2014.09.015.

Zhijin Zhao, Weikang Hu, Junwei Hu. 1 bit Compressive Spectrum Sensing Algoritbm Based on Distributed Model[J]. Telecommunications science, 2014, 30(9): 106-110. DOI： 10.3969/j.issn.1000-0801.2014.09.015.

摘要

由于频谱感知中信道稀疏度动态变化，导致分布式频谱感知网络中节点间信息传输频繁，消耗感知网络通信带宽。为了缓解网络通信带宽压力，提出分布式的1 bit压缩频谱感知算法。各节点对感知数据进行压缩采样并1 bit量化，然后融合节点采用JSM-2模型对数据进行融合，最后通过BIHT算法重构信号频谱，实现频谱感知。仿真结果表明，在低信噪比和较少的采样数目下，分布式的1 bit压缩频谱感知算法能具有较好的频谱检测性能，是一种可实用的频谱感知方法。

Abstract

Since the actual sparsity of spectrum is unknown and time-varying

information transmit frequently between nodes in the distributed spectrum sensing network consumes communication bandwidth. To relieve the network communication bandwidth pressure

a spectrum algorithm based on 1 bit compressed sensing and distributed model was proposed. The sensing data of the nodes was compressive sampled and quantified in 1 bit

and then the data was fused in fusion node

through the mode of JSM-2. Finally the spectrum was reconstructed by the BIHT algorithm to implement spectrum sensing. Simulation results show that the proposed method has better spectrum detection performance with a few samples in low SNR

so it is a practical method of spectrum sensing.

关键词

Keywords

references

Mitola J . Cognitive radio: an integrated agent architecture for software defined radio . Stockholm: Sweden Royal Institute of Technology（RTH） , 2000

Donoho D L . Compressed sensing . IEEE Transactions on Information Theory , 2006 , 52 ( 4 ): 1289 ～ 1306 .

Cand E S E J , Romberg J , Tao T . Robust uncertainty principles:exact signal reconstruction from highly incomplete frequency information . IEEE Transactions on Information Theory , 2006 , 52 ( 2 ): 489 ～ 509

Boufounos P T , Baraniuk R G . 1 bit compressive sensing . Proceedings of the 42nd Annual Conference on Information Sciences and Systems（CISS） , Princeton, NJ, USA 2008 : 16 ～ 21

Jacques L , Laska J N , Boufounos P T , et al . Robust 1 bit compressive sensing via binary stable embeddings of sparse vectors . IEEE Transactions on Information Theory , 2011 , 59 ( 4 ): 2082 ～ 2102

Yan M , Yang Y , Osher S . Robust 1 bit compressive sensing using adaptive outlier pursuit . IEEE Transactions on Signal Processing , 2012 , 60 ( 7 ): 3868 ～ 3875

Baraniuk R G . Compressive sensing . IEEE Signal Processing Magazine , 2007 , 24 ( 4 ): 118 ～ 121

Goyal V K , Kova V C , Evi C J , et al . Quantized frame expansions with erasures . Applied and Computational Harmonic Analysis , 2001 , 10 ( 3 ): 203 ～ 233

Plan Y , Vershynin R . One bit compressed sensing by linear programming . Communications on Pure and Applied Mathematics , 2013 , 36 ( 4 ): 1 ～ 18

Laska J N , Baraniuk R G . Regime change: bit-depth versus measurement-rate in compressive sensing . IEEE Transactions on Signal Processing , 2012 , 60 ( 7 ): 3496 ～ 3505

Polo Y L , Wang Y , Pandharipande A , et al . Compressive wide-band spectrum sensing . Proceedings of IEEE International Conference on Speech and Signal Processing , Taipei, Taiwan, China , 2009 : 2337 ～ 2340

Baron D , Duarte M F , Wakin M B , et al . Distributed compressive sensing . ArXiv Preprint ArXiv:0901.3403 , 2009

Tropp J A , Gilbert A C , Strauss M J . Simultaneous sparse approximation via greedy pursuit . Proceedings of IEEE International Conference on Acoustics, Speech, and Signal Processing , Philadelphia , 2005 : 721 ～ 724

浏览量

354

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

稀疏度自适应的宽带压缩频谱感知方法

基于随机共振和非中心F分布的频谱感知算法

针对输电线路周边工程机械的防撞在线预警方法

一种降低复杂度的压缩感知水声信道估计方法

基于随机共振的双门限协作频谱感知算法