宽带频谱感知.ppt
Wideband Spectrum Sensing,宽带感知的研究必要性,宽带感知的研究现状和方法,宽带感知的研究挑战,宽带感知的研究必要性,IEEE802.22 WRAN（47910MHz）,WPANs：蓝牙、紫蜂、UWB（3.1-10.6GHz 7500MHz）,未来实现高速认知数据传输，必须感知宽带资源“伺机”接入。,WiMax,现有的频谱感知技术多以窄带为研究对象，如果仅仅改变射频端带通滤波器的中心频率实现宽带感知，不能有效的对频谱使用情况实时跟踪，必须寻找适合宽带的感知方法。,宽带感知的研究挑战,第一：感知频带内不仅包含一路主用户信号，且各主用户的信号参数不尽相同。,第二：宽带对射频前端、处理速度和感知算法可靠性的要求提高。,第三：空时频联合优化问题。,宽带感知的研究现状和方法,单用户宽带感知的方法：1、A/D采样全频段（DSP部分分段或不分段）；2、带通滤波器组分段实现；3、单一滤波器改变中心频率；,采样速率要求较高。,1、A/D采样全频段：,Z.Tian and G.B.Giannakis,“A wavelet approach to wideband spectrum sensing for cognitive radios,”in Proc.Int.Conf.Cognitive Radio Oriented Wireless Networks and Communications(CROWNCOM),Mykonos Island,Greece,June2006,pp.15.,Y.Hur,J.Park,W.Woo,K.Lim,C.-H.Lee,H.S.Kim,and J.Laskar,“A widebandanalog multi-resolution spectrum sensing technique for cognitive radio systems,”in Proc.IEEE Int.Symp.Circuits and Systems(ISCAS),Island of Kos,Greece,May 2006,pp.40904093.,有文献采用小波变换方案。,J.Park,Y.Hur2,T.J.Song“implementation issues of A wideband multi-resolution spectrum sensing technique for cognitive radio systems”2006IEEE,小波变换直接用于宽带感知，在压缩宽带感知中也有应用，分段。,MRSS results for FM,VSB and OFDM signals.Input RF signal spectrum,spectrum detected in a sparse manner(i.e.10-MHz,5-MHz),spectrum detected in a precise manner(i.e.1-MHz,2 MHz).,另外小波变换用于多分辨率实现：,压缩感知：,CS（compressive sampling）,又称为压缩感知或稀疏采样，是一种利用稀疏的或可压缩的信号进行信号重建的技术。利用了授权频段频谱利用的低效性，将问题的求解在低维空间上进行。目前，基于CS的宽带压缩感知的研究还处于起步阶段。,Zhi Tian Georgios B.Giannakis“COMPRESSED SENSING FOR WIDEBAND COGNITIVE RADIOS”Acoustics,Speech and Signal Processing,2007,IEEE International Conference Volume 4,15-20 April 2007,Zhiz Tian,Blash E.,Wenhua Li,etc.”Performance evaluation of distributed compressed wideband sensing for cognitive radio network”,2008 11th Int.Conf.on Inf.Fusion,1-8,2008,Guangming Shi,Jie Lin,Xuyang Chen,ect,”UWB echo signal detection with ultra-low rate sampling based on compressed sensing”,IEEE Trans.on Circuits and Systems：express Brief 379-383,2008,Zhuizhuan Yu,Hoyos S.,Sadler B.M,”Mixed-signal parallel compressed sensing and reception for cognitive radio”,IEEE(ICASSP),3861-3864,2008,传统的信号采集、编解码过程如图1所示：编码端先对信号进行采样，再对所有采样值进行变换，并将其中重要系数的幅度和位置进行编码，最后将编码值进行存储或传输号的解码过程仅仅是编码的逆过程，接收的信号经解压缩、反变换后得到恢复信号。这种传统的编解码方法存在两个缺陷：1)由于信号的采样速率不得低于信号带宽的2倍，这使得硬件系统面临着很大的采样速率的压力：2)在压缩编码过程中，大量变换计算得到的小系数被丢弃，造成了数据计算和内存资源的浪费。,CS理论对信号的采样、压缩编码发生在同一个步骤，利用信号的稀疏性，以远低于Nyquist采样率的速率对信号进行非自适应的测量编码。测量值并非信号本身，而是从高维到低维的投影值，从数学角度看，每个测量值是传统理论下的每个样本信号的组合函数，即一个测量值已经包含了所有样本信号的少量信息。解码过程不是编码的简单逆过程，而是利用信号稀疏分解中已有的重构方法在概率意义上实现信号的精确重构或者一定误差下的近似重构,i)compressed random sampling to generate measurements from r(t);ii)reconstruction of the frequency response;iii)estimation of frequency band number N and locations;iv)estimation of the average amplitude of within each identified band for spectrum classification.,实例：,关键是合理选择稀疏基。常见的有正（余）弦基、小波基等,多带联合检测：,每个子带所处的信道条件各不相同，如信道增益、干扰、噪声等，所支持的数据率也各不相同。多带检测时各子带的判决门限不应相同，同时对多个信道门限联合设计将更有实际意义。,Z.Quan,S.Cui,A.H.Sayed,and H.V.Poor,“Optimal multiband joint detection for spectrum sensing in cognitive radio networks,”IEEE Trans.Signal Processing,Zhi Quan,Shuguang Cui，“Wideband Spectrum Sensing in Cognitive RadioNetworks”，Feb 2008,环境设置：K个子带，能量检测，对主用户的干扰最小的情况下使CR吞吐量最大化。多带检测示意图：,其中：,又,效果,2、带通滤波器组分段实现,硬件结构简单但成本高，且不灵活。文中提出滤波器组的多相实现：,Behrouz Farhang-Boroujeny，”Filter Bank Spectrum Sensing for Cognitive Radios”，IEEE TRANSACTIONS ON SIGNAL PROCESSING,VOL.56,NO.5,MAY 2008,多用户协作宽带感知的方法：,每个用户检测全频段然后上传融合判决；每个用户检测部分频段，上传融合判决,每个用户检测全频段然后上传融合判决，这样不仅要对各子带确定判决门限还要对各认知用户确定融合权重。这样就会变成空域-频域两重优化问题。,Z.Quan,S.Cui,A.H.Sayed,and H.V.Poor,“Spatial-spectral joint detection for wideband spectrum sensing in cognitive radio networks,”in Proc.IEEE ICASSP,Las Vegas,NV,Apr.2008,pp.27932796.,思路：,由自适应滤波理论中Rayleigh Ritz inequality：,上限的最小化。仿真结果：,每个认知用户感知部分频谱，除有上述空频联合设计的难点外还必须解决一个问题：怎么确定哪些认知用户感知哪些频段。目前这方面的研究还未查到相关文献。,End!,
