CN103858351B - 使用压缩采样的基于传感器的无线通信系统 - Google Patents

使用压缩采样的基于传感器的无线通信系统 Download PDF

Info

Publication number
CN103858351B
CN103858351B CN201080034095.9A CN201080034095A CN103858351B CN 103858351 B CN103858351 B CN 103858351B CN 201080034095 A CN201080034095 A CN 201080034095A CN 103858351 B CN103858351 B CN 103858351B
Authority
CN
China
Prior art keywords
signal
base station
sensor
sampling
sampler
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201080034095.9A
Other languages
English (en)
Other versions
CN103858351A (zh
Inventor
托马斯·A·塞克斯顿
克里斯托弗·德维里斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Maliki Innovation Co ltd
Original Assignee
BlackBerry Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from US12/635,526 external-priority patent/US8644244B2/en
Priority claimed from US12/760,892 external-priority patent/US20100290395A1/en
Application filed by BlackBerry Ltd filed Critical BlackBerry Ltd
Publication of CN103858351A publication Critical patent/CN103858351A/zh
Application granted granted Critical
Publication of CN103858351B publication Critical patent/CN103858351B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
    • H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Selective Calling Equipment (AREA)

Abstract

本发明提供针对使用压缩采样的基于传感器的无线通信系统的方法、设备和系统。在一个实施例中，对信号采样的方法包括：通过无线信道接收基于向量集的S稀疏组合的用户设备发送；对所接收的发送进行下变频以及离散化，以创建离散信号；将所述离散信号与感测波形集相关，以创建采样集，其中，所述采样集中的采样的总数等于所述感测波形集中的感测波形的总数，其中所述感测波形集与所述向量集不匹配，以及其中所述感测波形集中的感测波形的总数少于所述向量集中的向量的总数；以及向远程中央处理器发送所述采样集中的至少一个采样。

Description

使用压缩采样的基于传感器的无线通信系统
相关申请的交叉引用
本申请要求2009年7月31日提交的、标题为“远程采样器模拟前端”的美国临时申请No.61/230,309的优先权，而且是2010年4月15日提交的、标题为“使用压缩采样的基于传感器的无线通信系统”的美国专利申请No.12/760,892的部分延续申请，并且是2009年12月10日提交的、标题为“使用压缩采样的基于传感器的无线通信系统”的美国专利申请No.12/635,526的部分延续申请，其中美国专利申请No.12/760,892要求2009年4月15日提交的、标题为“远程采样器-中心大脑架构”的美国临时申请No.61/169,596的优先权，而美国专利申请No.12/635,526要求2008年12月12日提交的、标题为“低功率架构和远程采样器发明”的美国临时申请No.61/121,992的优先权。上述申请通过引用方式整体并入本文。
技术领域
本公开通常涉及无线通信系统，并且更具体地，涉及用于在基于传感器的无线通信系统中使用压缩采样的方法、设备和系统。
背景技术
无线通信系统被广泛地部署来提供例如各种语音和数据相关业务。典型的无线通信系统包括允许用户共享公共网络资源的多址接入通信网络。这些网络的示例是时分多址(“TDMA”)系统、码分多址(“CDMA”)系统、单载波频分多址(“SC-FDMA”)系统、正交频分多址(“OFDMA”)系统或其他类似系统。利用各种技术标准来支持OFDMA系统，比如演进通用陆地无线接入(“E-UTRA”)、Wi-Fi、全球微波接入互操作性(“WiMAX”)、超移动宽带(“UMB”)、以及其他类似系统。此外，利用各种标准组织(比如第三代合作伙伴计划(“3GPP”)和3GPP2)开发的规范来描述这些系统的实现。
随着无线通信系统的演进，引入了提供增强特征、功能和性能的更高级的网络设备。这种高级网络设备还可以称作长期演进(“LTE”)设备或长期演进高级(“LTE-A”)设备。LTE构建在高速分组接入(“HSPA”)的成功之上，所述高速分组接入具有更高的平均和峰值数据吞吐速率、更低的延迟和更好的用户体验，特别是在高需求地理区域中。LTE通过使用更宽的频谱带宽、OFDMA和SC-FDMA空中接口以及高级天线方法，实现了该更高的性能。
可以使用单输入单输出系统(“SISO”)、单输入多输出系统(“SIMO”)以及多输入多输出系统(“MIMO”)建立用户设备和基站之间的通信，其中，在所述SISO系统中，仅仅一根天线同时用于接收机和发射机；在所述SIMO系统中，在接收机处使用多根天线，且在发射机处仅仅使用一根天线；在所述MIMO系统中，在接收机和发射机处都使用多根天线。与SISO系统相比，如果使用多根发送天线、多根接收天线或者二者，则SIMO可以提供增加的覆盖范围，MIMO系统可以提供增加的频谱效率和更高的数据吞吐量。
在这些无线通信系统中，噪声中的信号检测和估计是普遍的。采样定理提供了将连续时间信号转换为离散时间信号的能力，从而允许对信号检测和估计算法进行高效且有效的实现。众所周知的采样定理通常称作Shannon定理，并且提供了与频率带宽相关的必要条件，以允许对任意信号的精确恢复。所述必要条件是必须以信号的最大频率的最少两倍对该信号进行采样，该采样速率也被定义为Nyquist速率。Nyquist速率采样具有以下缺陷：要求昂贵的高质量的组件，该组件要求大量的功率和成本来支持在大频率处的采样。此外，Nyquist速率采样根据信号的最大频率改变，且不要求该信号的任何其他属性的知识。
为了避免这些困难中的部分困难，压缩采样提供了用于信号感测和压缩的新框架，其中，利用输入信号的特定属性“稀疏性”来减少可靠地表示信号同时不损失期望信息所需要的值的数目。
附图说明
为了方便本领域普通技术人员对本公开的理解以及将其付诸实现，现在对参照附图所说明的示例实施例进行引用。在全部附图中，相似的引用标号指代相同或功能上相似的单元。根据本公开，附图以及具体实施方式被并入说明书中，构成说明书的一部分，并且用于进一步例示示例实施例以及说明各种原理和优点，在附图中：
图1例示了根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统的一个实施例。
图2例示了根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统的另一个实施例。
图3例示了根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统的另一个实施例。
图4例示了根据本文阐述的各个方面的压缩采样系统的一个实施例。
图5是根据本文阐述的各个方面的压缩采样方法的一个实施例的流程图。
图6例示了根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统的另一个实施例。
图7例示了根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统中的接入方法的一个实施例。
图8例示了根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统的另一个实施例。
图9例示了根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统中的检测器的量化方法的一个实施例。
图10是例示在根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统中所使用的稀疏表示矩阵和感测矩阵的类型的示例的图表。
图11例示了可以在根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统中使用的无线设备的一个实施例。
图12例示了可以在根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统中使用的传感器的一个实施例。
图13例示了可以在根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统中使用的基站的一个实施例。
图14例示了在根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统中检测无线设备的一个实施例的仿真结果。
图15例示了根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统的一个实施例的性能的仿真结果。
图16例示了根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统的一个实施例的性能的仿真结果。
图17例示了根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统的一个实施例的性能的仿真结果。
图18例示了根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统的一个实施例的性能的仿真结果。
图19例示了根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统的一个实施例的性能的仿真结果。
图20是在根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统的一个实施例中使用的确定性矩阵的示例。
图21是在根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统的一个实施例中使用的随机矩阵的示例。
图22例示了无噪声环境中的非相干采样系统的示例。
图23例示了根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统的另一个实施例。
图24例示了现有技术无损采样系统的示例。
图25例示了根据本文阐述的各个方面的在嘈杂的环境中使用压缩采样的基于传感器的无线通信系统的另一个实施例。
图26例示了根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统中的接入方法的另一个实施例。
图27例示了根据本文阐述的各个方面的在嘈杂的环境中使用压缩采样的基于传感器的无线通信系统的另一个实施例。
图28示出了根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统的另一个实施例。
图29示出了根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统的另一个实施例。
图30示出了提出的根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统的目标操作区域。
图31示出了根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统的另一实施例。
图32示出了根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统的频域采样的实施例。
图33是根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统的远程采样器的框图。
本领域技术人员将明白的是，为了说明清楚、简单，且进一步帮助增强对实施例的理解，对附图中的单元进行例示，但这些单元不必按照比例绘制。
具体实施方式
尽管下面公开了用于在基于传感器的无线通信系统中使用的示例方法、设备和系统，但本领域普通技术人员将理解的是，无论如何不应将本公开的教导限制为所示示例。相反，预期可以在替换配置和环境中实现本公开的教导。例如，尽管结合前述的基于传感器的无线通信系统的配置来描述本文所述的示例方法、设备和系统，但本领域技术人员将容易认识到可以在其他系统中使用该示例方法、设备和系统，且该示例方法、设备和系统可以被配置为按照需要对应于这些其他系统。相应地，尽管下面描述了在基于传感器的无线通信系统中使用的示例方法、设备和系统，本领域普通技术人员将明白的是，所公开的示例不是实现这种方法、设备和系统的唯一方式，且附图和描述应该被认为在本质上是说明性的而非限制性的。
本文所述的各种技术可以用于各种基于传感器的无线通信系统。本文所述的各个方面被呈现为可以包括多个组件、单元、成员、模块、节点、外围设备等等的方法、设备和系统。此外，这些方法、设备和系统可以包括或可以不包括附加组件、单元、成员、模块、节点、外围设备等等。此外，可以以硬件、固件、软件或它们的任何组合来实现本文所述的各个方面。重要的是注意到术语“网络”和“系统”可以互换使用。本文所述的关系术语，比如“在...之上”和“在...之下”、“左”和“右”、“第一”和“第二”等等可以仅仅用于将一个实体或动作与另一个实体或动作区分开，而不必要求或暗示这些实体或动作之间的任何实际的这种关系或顺序。术语“或”意在意味着包含性的“或”，而不是排他性的“或”。此外，术语“a”和“an”意在意味着一个或多个，除非另行指定或者根据上下文可以清楚地是旨在单数形式。
所述无线通信系统可以包括多个用户设备和基础结构。该基础结构包括该无线通信系统中的不是用户设备的部分，比如传感器、基站、核心网、下行链路发射机、其他单元和单元的组合。所述核心网可以接入其他网络。所述核心网(也被称作中央脑(centralbrain)或远程中央处理器)可以包括高功率基础结构组件，其可以以可接受的财政成本，高速率地执行计算强度大的功能。所述核心网可以包括基础结构单元，该基础结构单元可以与基站通信，从而使得物理层功能也可以由所述核心网执行。所述基站可以向下行链路发射机传送控制信息，以克服例如与信道衰落相关联的通信障碍。信道衰落包括射频(“RF”)信号可以被如何从很多反射体弹开，以及所得到的反射和的属性。所述核心网和基站可以是例如相同的基础结构单元；共享相同基础结构单元的一部分；或者是不同的基础结构单元。
基站可以称作节点B(“NodeB”)、基站收发站(“BTS”)、接入点(“AP”)、卫星、路由器、或某个其他等价的技术。基站可以包含RF发射机、RF接收机或两者，它们与天线耦合以能够与用户设备进行通信。
传感器可以称作远程采样器、远程转换设备、远程传感器或其他类似术语。传感器可以包括例如天线、接收单元、采样器、控制器、存储器和发射机。传感器可以与例如基站交互。此外，传感器可以部署在包括核心网的无线通信系统中，该核心网可以接入另一个网络。
无线通信系统中使用的用户设备可以称作移动站(“MS”)、终端、蜂窝电话、蜂窝手机、个人数字助理(“PDA”)、智能电话、手持计算机、台式计算机、膝上型计算机、平板计算机、上网本、打印机、机顶盒、电视机、无线装置、或某种其他等价技术。用户设备可以包含RF发射机、RF接收机、或二者，它们与天线耦合以与基站进行通信。此外，用户设备可以是固定的或移动的，且可以具有在无线通信系统中移动的能力。此外，上行链路通信指代从用户设备到基站、传感器或二者的通信。下行链路通信指代从基站、下行链路发射机或二者到用户设备的通信。
图1例示了根据本文所述的各个方面的使用压缩采样的基于传感器的无线通信系统100的一个实施例。在该实施例中，系统100可以提供支持高用户密度的鲁棒高带宽实时无线通信。系统100可以包括用户设备106、传感器110至113、基站102、核心网103和其他网络104。用户设备106可以是例如低成本低功率设备。基站102可以使用例如多个低成本低功率传感器110至113与用户设备106通信。
在图1中，系统100包含与基站102耦合的的传感器110至113，用于从用户设备106接收通信。基站102可以与核心网103耦合，核心网103可以接入其他网络104。在一个实施例中，传感器110至113可以间隔例如大约10米到几百米。在另一个实施例中，可以使用单一传感器110至113。本领域普通技术人员将明白的是，在部署基于传感器的无线通信系统时，在传感器的功耗、部署成本、系统容量、其他因素以及组合因素之间存在平衡。例如，随着传感器110至113的间隔变得更加接近，传感器110至113的功耗可能减少，同时部署成本和系统容量可能增加。此外，当与传感器110至113接近时，用户设备106可以使用与底层无线网络所使用的频段不同的RF频段来操作。
在当前实施例中，传感器110至113可以分别使用通信链路114至117与基站102耦合，通信链路114至117可以支持例如光纤线缆缆连接、同轴电缆连接、其他连接或它们的任意组合。此外，多个基站102可以在彼此之间传送基于传感器的信息，以支持各种功能。利用例如天线、RF前端、基带电路、接口电路、控制器、存储器、其他单元或单元的组合，可以将传感器110至113设计为低成本。多个传感器110至113可以用于支持例如天线阵列操作、SIMO操作、MIMO操作、波束成形操作、其它操作或操作的组合。本领域普通技术人员将认识到，前述操作可以允许用户设备106以较低功率电平发送，从而导致例如较低的功耗。
在系统100中，用户设备106和基站102可以使用例如网络协议进行通信。所述网络协议可以是例如蜂窝网络协议、Bluetooth协议、无线局域环路(“WLAN”)协议或任何其他协议或协议的组合。本领域普通技术人员将认识到，蜂窝网络协议可以是在诸如LTE、UMTS、GSM和其他的系统中使用的很多标准化的蜂窝网络协议中的任意一个。传感器110至113所执行的网络协议的部分可以包括例如物理层功能的一部分。本领域普通技术人员将认识到，传感器110至113所执行的缩减功能可以导致更低的成本、更小的尺寸、降低的功耗、其他优点或优点的组合。
传感器110至113可以由例如电池功率源、交流(“AC”)电功率源或其他功率源或功率源的组合来供电。可以使用例如自动重复请求(“ARQ”)协议，支持在传感器110至113、用户设备106、基站102、核心网103、其他网络104或它们的任一组合之间的包括实时通信的通信。
在当前实施例中，传感器110至113可以对从用户设备106发送的所接收的上行链路信号(“f”)进行压缩，以形成感测信号(“y”)。传感器110至113可以分别使用通信链路114-117，向基站102提供该感测信号(“y”)。然后，基站102可以处理该感测信号(“y”)。基站102可以向传感器110至113传送指令，其中，所述指令可以涉及例如数据转换、振荡器调谐、使用相位采样的波束控制、其他指令或指令的组合。此外，用户设备106、传感器110至113、基站102、核心网103、其他网络104或它们的任一组合可以使用例如媒体接入控制(“MAC”)混合ARQ协议、其他类似协议或协议的组合来进行包括实时通信的通信。同样，用户设备106、传感器110至113、基站102、核心网103、其他网络104或它们的任一组合可以使用例如存在性信令码(presence signaling code)、空时码、喷泉码(fountain code)、其他通信码或通信码的组合来进行通信，所述存在性信令码可以在不需要传感器110至113的合作的情况下进行操作，所述空时码可能要求信道知识，所述喷泉码可以用于注册和实时传输。这些通信码中的一些可能要求例如应用各种信号处理技术来利用这些码的任何内在属性的优点。
在图1中，基站102可以执行以下功能，比如发送系统开销信息；使用传感器110至113检测用户设备106的存在性；与用户设备106的双向实时通信；其他功能或功能的组合。本领域普通技术人员将认识到，传感器110至113可以比基站102和核心网103便宜得非常多。
通过以周期速率、非周期速率或二者测量连续时间信号的值来形成离散时间信号，执行采样。在当前实施例中，传感器110至113的有效采样速率可能小于传感器110至113使用的实际采样速率。所述实际采样速率是例如模-数转换器(“ADC”)的采样速率。在传感器110至113的输出处测量有效采样速率，其对应于感测信号(“y”)的带宽。通过提供较低的有效采样速率，传感器110至113可以消耗比以实际采样速率操作的其他传感器更少的功率，而不需要任何压缩。可以将冗余设计到系统的部署中，从而使得传感器的损耗将最小程度地影响该系统的性能。对于很多类型的信号，可以由基站102、核心网103、其他网络104或它们的任一组合来执行对这种信号的重构。
在当前实施例中，传感器110至113每个都可以包含直接序列解扩单元、快速傅里叶变换(“FFT”)单元、其他单元或单元的组合。基站102可以向传感器110至113发送例如选择用于解扩单元的直接序列码或子码片定时(sub-chip timing)的指令、选择用于FFT单元的频率区间或频段的数目的指令、其他指令或指令的组合。这些指令可以以例如一毫秒间隔来传送，同时每个指令在接收到后，由传感器110至113在十分之一毫秒内执行。此外，用户设备106可以以时隙、分组、帧或其他类似结构的形式发送和接收信息，这些结构可以具有例如一至五毫秒的持续时间。时隙、分组、帧和其他类似结构可以包括连续捕获的时域采样的集合，或可以描述连续的实数值或复数值的集合。
在图100中，系统100可以包括在用户设备106、基站102、核心网103、其他网络104、传感器110至113或它们的任一组合之间的系统开销信息的传送。所述系统开销信息可以包括例如引导和同步信息、无线广域网信息、WLAN信息、其他信息或信息的组合。本领域普通技术人员将认识到，通过限制用户设备106对监视底层网络、额外网络或二者的需求，可以减少其功耗。
在图1中，如果用户设备106足够接近传感器110至113，则用户设备106可以以低发送功率电平发送上行链路信号。传感器110至113可以对所接收的上行链路信号(“g”)进行压缩采样，以生成感测信号(“y”)。传感器110至113可以分别使用通信链路114至117，将感测信号(“y”)发送到基站102。基站102可以执行例如第1层功能，比如解调和解码；第2层功能，比如分组编号和ARQ；以及较高层功能，比如注册、信道分配和切换。基站102可以具有相当大的计算能力来实时地、接近实时地或二者同时地执行计算强度大的功能。
在当前实施例中，基站102可以使用例如比如用户设备106的天线相关矩阵的所述通信信道的知识、与用户设备106接近的传感器110至113的数目、其他因素或因素的组合，应用链路调整策略。所述通信信道的知识这种调整策略可以要求周期间隔的处理，例如，一毫秒间隔。这种策略可以允许例如以最优的空时复用增益和分集增益进行操作。同样，多个基站102可以彼此之间通信，以执行例如脏纸编码(dirty paper coding)(“DPC”)，所述脏纸编码是用于通过经受了某种为基站102已知的干扰的通信信道来有效地发送下行链路信号的技术。为了支持这些技术，从用户设备106接收额外上行链路信号的其他基站可以向与用户设备106相关联的基站102提供该上行链路信号(“f”)。本领域普通技术人员将认识到，多个用户设备106可以与基站102通信。
图2例示了根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统200的另一个实施例。在本实施例中，系统200可以提供支持高用户密度的鲁棒高带宽实施无线通信。系统200包括用户设备206、传感器210至213、基站202、核心网203和其他网络204。在本实施例中，传感器210至213可以执行第1层功能的一部分，比如接收上行链路信号并执行压缩采样。此外，基站202可以分别使用通信链路214至217，向传感器210至213发送指令。这些指令可以是例如使用特定的多址接入码(比如直接序列码或OFDM码)来进行压缩。此外，基站202可以向传感器210至213发送指令，以以例如在特定相位处的采样速率两倍的采样速率执行采样。
基站202可以执行计算强度大的功能，以例如在从传感器210至213接收到的感测信号(“y”)中检测用户设备206的存在性。一旦检测到用户设备206的存在性，基站202可以配置传感器210至213，以改进对来自用户设备206的上行链路信号(“f”)的接收。这种改进可以与定时、频率、编码、其他特性或特性的组合相关联。此外，用户设备206可以使用例如喷泉码来发送上行链路信号(“f”)。对于高带宽低功率通信，用户设备206可以使用喷泉码来发送包含例如实时语音的上行链路信号。针对这种上行链路信号的分组发送速率可以例如在200Hz到1kHz的范围内。传感器210至213可以具有基本上由基站202控制的有限决策能力。
在图2中，传感器210至213可以密集部署，例如：大约每一百米间隔距离一个传感器210至213、大约每十米间隔距离一个传感器210至213、其他配置或配置的组合。传感器210至213可以包含下行链路发射机，或者与下行链路发射机共处一处，所述下行链路发射机用于支持发送从基站202接收的下行链路信号。此外，基站202可以使用通信链路来向远程下行链路发射机提供下行链路信号，所述远程下行链路发射机比如是具有天线扇区化的传统蜂窝铁塔、安装在建筑物或光极(1ight pole)上的蜂窝发射机、办公室中的低功率单元、其他单元或单元的组合。这种远程下行链路发射机的部署可以是支持例如建筑物部署、街灯部署、其他部署或部署的组合。此外，将理解的是，多个用户设备206可以与基站202通信。
图3例示了根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统300的另一个实施例。在本实施例中，系统300表示多址接入系统。系统300包括用户设备306、传感器301、基站302和下行链路发射机308。在图3中，传感器310可以包括用于对上行链路信号进行下变频的接收单元。本领域普通技术人员将明白针对这种接收单元的设计和实现要求。
在图3中，基站302可以耦合到下行链路发射机308，其中，下行链路发射机308可以与例如蜂窝铁塔共处一处。基站302可以包含例如收集器，用于从传感器310收集感测信号；检测器，用于检测该感测信号中包含的信息信号；控制器，用于控制传感器310；其他单元或单元的组合。基站302和下行链路发射机308可以共处一处。此外，下行链路发射机308可以使用通信链路309来耦合到基站302，该通信链路309可以支持例如光纤线缆连接、微波链路、同轴电缆连接、其他连接或它们的任一组合。系统300的配置可以类似于常规蜂窝系统，比如GSM系统、UMTS系统、LTE系统、CDMA系统、其他系统或系统的组合。本领域普通技术人员将认识到，这些系统展示了用户设备、基站、下行链路发射机、其他单元或单元的组合的布置。
在当前实施例中，用户设备308和基站302可以使用网络协议通信，以执行比如以下功能：随机接入、寻呼、发起、资源分配、信道分配、包括定时的开销信令、导频系统识别、允许用于接入的信道、切换消息、训练或导频信令、其他功能或功能的组合。此外，用户设备308和基站302可以传送语音信息、分组数据信息、电路交换数据信息、其他信息或信息的组合。
图4例示了根据本文阐述的各个方面的压缩采样系统的一个实施例。系统400包括压缩采样器431和检测器452。在图4中，压缩采样器431可以使用感测矩阵(“Φ”)的感测波形(“φj”)对输入信号(“f”)进行压缩采样，以生成感测信号(“y”)，其中，φj指代感测矩阵(“Φ”)的第j个波形。输入信号(“f”)可以具有长度N，感测矩阵(“Φ”)可以具有M个长度为N的感测波形(“φj”)，且感测信号(“y”)可以具有长度M，其中，M可以小于N。如果输入信号(“f”)足够稀疏，则可以恢复信息信号(“x”)。本领域普通技术人员将识别稀疏信号的特性。在一个定义中，具有S个非零值的长度为N的信号被称作S稀疏，且包括N减S(“N-S”)个零值。
在当前实施例中，压缩采样器431可以使用例如等式(1)对输入信号(“f”)进行压缩采样。
k∈J，使得
其中，括号<>代表内积、相关性函数或其他类似函数。
此外，检测器452可以求解感测信号(“y”)，以使用例如等式(2)来发现信息信号(“x”)。
满足
其中是l1范数，为其自变量的元素的绝对值之和，且括号<>代表内积、相关性函数或其他类似函数。可以应用于l1最小化的一个方法是例如单纯形加速法(simplexmethod)。求解感测信号(“y”)以找到信息信号(“x”)的其他方法包括使用例如l0范数算法、其他方法或方法的组合。
非相干采样是依赖于与稀疏表示矩阵Ψ充分不相关的感测矩阵(“Φ”)的感测波形(“φj”)的压缩采样形式，稀疏表示矩阵Ψ用于使得输入信号(“f”)稀疏。为了最小化感测矩阵(“Φ”)的感测波形(“φj”)的所需数目，稀疏表示矩阵(“Ψ”)的稀疏表示波形(“Ψj”)和感测矩阵(“Φ”)的感测波形(“φj”)之间的相干性(“μ”)应当表示这些波形是充分不相关的，对应于较低的相干性(“μ”)，其中，Ψj指代稀疏表示矩阵(“Ψ”)的第j个波形。相干性(“μ”)可以由例如等式(3)来表示。
其中是l1范数，为其自变量的元素的绝对值之和，且括号<>代表内积、相关性函数或其他类似函数。
图5是根据本文阐述的各个方面的压缩采样方法500的实施例的流程图，该方法可以用于例如设计压缩采样系统。在图5中，方法500开始于块570，在块570中，方法500可以对输入信号(“f”)建模，并发现稀疏表示矩阵(“Ψ”)，在稀疏表示矩阵(“Ψ”)中，输入信号(“f”)是S稀疏的。在块571，方法500可以选择感测矩阵(“Φ”)，该感测矩阵与稀疏表示矩阵(“Ψ”)充分不相干。在块572，方法500可以随机地、确定性地、或二者同时地选择感测矩阵(“Φ”)的M个感测波形(“φj”)，其中M可以大于或等于S。在块573，方法500可以使用所选的M个感测波形(“φj”)对输入信号(“f”)进行采样，以产生感测信号(“y”)。在块574，方法500可以将稀疏表示矩阵(“Ψ”)、感测矩阵(“Φ”)和感测信号(“y”)传递给检测器，以恢复信息信号(“x”)。
图6例示了根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统的另一个实施例。在本实施例中，系统600可以提供支持高用户密度的鲁棒高带宽实时无线通信。系统600包括用户设备606、传感器610和基站602。在图6中，即使传感器610例如无法操作，系统600也可以允许用户设备606与例如底层蜂窝系统通信。系统600可以允许传感器610被广泛地分布，以符合例如办公室建筑物环境。系统600可以允许基站602不受限于例如计算容量、存储器、其他资源或资源的组合。系统600可以允许由例如常规蜂窝铁塔来提供下行链路信号。系统600可以允许用户设备606通过将其发送功率电平限制至例如大约十至一百微瓦来最小化功耗。系统600可以允许传感器610使用通信链路614耦合到基站602，其中，通信链路614可以支持例如光纤线缆连接、同轴电缆连接、其他连接或它们的任一组合。系统600可以允许传感器610由功率源来进行操作，所述功率源比如是电池、光伏功率源、交流电(“AC”)电功率源、其他功率源或功率源的组合。
在图6中，系统600可以允许传感器610比基站602便宜得相当多。此外，系统600可以允许传感器610使用电池功率来在一段被扩展的时间段内持续操作，比如大约一至两年。为了实现这，本领域普通技术人员将认识到，比如信号检测、解调和解码的特定的功能必须由例如基站602来执行。
在图6中，传感器610可以具有接收单元，比如与RF下变频链耦合的天线，用于接收上行链路信号(“f”)。在本公开中，上行链路信号(“f”)还可以称作上行链路信号(“g”)。上行链路信号(“g”)包括与上行链路信号(“f”)相关的信道传播效应和环境效应。例如，信道620的信道增益(“a”)621可以表示例如信道传播效应，同时信道620的信道噪声(“v”)622可以表示例如环境噪声效应。此外，传感器610可以支持向基站602发送例如感测信号(“y”)的通信链路。传感器610可以不具有用于例如识别用户设备606何时发送上行链路信号(“f”)的计算能力。传感器610可以从基站602接收与例如RF下变频、压缩采样、其他功能或功能的组合相关联的指令。
存在很多使得用户设备接入无线通信系统的方法。一种类型的接入方法是例如Aloha随机接入方法，当未识别的用户设备尝试接入网络时，执行该方法。在已向用户设备给出使用系统的许可以及已分配了任何上行链路和下行链路信道后，可以发生与基站间的双向通信。
图7例示了根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统中的接入方法700的一个实施例。在图7的下部中示出了各种例示性结构，以便于对方法700的理解。此外，图7例示了基站702两次，但是应当将其解释为同一基站702。相应地，方法700包括基站702、用户设备706、传感器710或它们的任一组合之间的通信。用户设备706可以具有例如上电事件770，并且开始观察从基站702发送的开销消息771。本领域普通技术人员将认识到，基站可以使用例如广播通信、点对多点通信、点对点通信或其他通信方法或通信方法的组合，与用户设备通信。开销消息771可以包含系统参数，该系统参数包括例如消息帧的长度、与感测波形(“φj”)的数目相关联的M的值以及被发送的上行链路信号(“f”)的稀疏度S。
在图7中，基站702可以发送例如开销消息，以配置用户设备706来使用稀疏度S1和稀疏表示矩阵(“Ψ”)，如772所示。然后，用户设备706可以发送使用稀疏度S1的存在性信号，如780所示。存在性信号可以包括用户设备706向基站702发送的可以被压缩采样的任何信号。在另一个实施例中，当用户设备706确定其正在接近基站702时，用户设备706可以发送使用S1的存在性信号，如780所示。在该情况下，用户设备706可以经由基站702、另一个基站或二者所发送的开销消息771，确定其正在接近基站702。
在图7中，基站702还可以发送例如包含系统信息的开销消息，所述系统消息比如是成帧、定时、系统识别、其他系统信息或信息的组合，如773所示。另外，基站702可以指示传感器710使用例如感测矩阵(“Φ”)的M1个感测波形(“φj”)，如791所示。然后，传感器710可以连续地处理所接收的上行链路信号(“f”)，并向基站702发送使用感测矩阵(“Φ”)的M1个感测波形(“φj”)的感测信号(“y”)，如790所示。
在图7中，基站702可以发送例如开销消息，以配置用户设备706使用稀疏度S2和稀疏表示矩阵(“Ψ”)，如774所示。然后，用户设备706可以发送例如使用稀疏度S2的存在性信号，如781所示。另外，基站702可以指示传感器710使用例如感测矩阵(“Φ”)的M2个感测波形(“φj”)，如792所示。然后，传感器710可以连续地处理所接收的上行链路信号(“f”)，并向基站702发送使用感测矩阵(“Φ”)的M2个感测波形(“φj”)的感测信号(“y”)，如793所示。用户设备706可以继续发送使用S2的存在性信号，如781所示，直到例如基站702检测到使用S2的存在性信号，如794所示。在该点处，基站702可以向用户设备706发送识别消息，所述识别消息包括例如发送用户设备706的电子序列号(“ESN”)的一部分的请求，以及使用稀疏度S3和稀疏表示矩阵(“Ψ”)的请求，如775所示。此外，基站702可以向传感器710发送指令，以使用例如M3的新值和新的感测矩阵(“Φ”)，如795所示。然后，传感器710可以连续地处理所接收的上行链路信号(“f”)，并向基站702发送使用感测矩阵(“Φ”)的M3个感测波形(“φj”)的感测信号(“y”)，如796所示。
在图7中，用户设备706可以向基站702发送包含使用S3的用户设备的ESN的一部分的上行链路消息，如782所示。一旦基站702已经接收到该上行链路消息，基站702就可以向用户设备706发送下行链路消息，以请求用户设备706发送例如用户设备的完整ESN和针对资源的请求，如776所示。然后，用户设备706可以发送上行链路消息，包含使用S3的用户设备的完整ESN以及针对资源的请求，如783所示。在基站702接收该上行链路消息之后，基站702可以验证用户设备706的完整ESN，以确定其有资格在系统上，并且向其分配任何资源，如798所示。然后，基站702可以向用户设备706发送下行链路消息，以向其分配资源，如777所示。
传感器710可以持续地接收具有以中心频率(“fc”)为中心的频率带宽(“B”)的上行链路信号(“f”)。传感器710可以使用接收单元对上行链路信号(“f”)进行下变频，然后执行压缩采样。通过例如对所接收的上行链路信号(“f”)进行采样，然后计算感测矩阵(“Φ”)和该采样的乘积，以生成感测信号(“y”)，来执行压缩采样。可以在对应于Nyquist速率的频率带宽(“B”)处例如执行采样，从而与根据Shannon定理保存所接收到的上行链路信号(“f”)相一致。可以例如周期性地、非周期性地或二者同时地对所接收到的上行链路信号(“f”)进行采样。
所述采样过程可以得到N个采样，而计算感测矩阵(“Φ”)和N个采样的乘积可以得到感测信号(“y”)的M个值。感测矩阵(“Φ”)可以具有维度N×M。可以在通信链路上，将这些所得到的感测信号(“y”)的M个值发送到基站702。压缩采样可以将发送至基站702的采样数目从常规方案的N个采样减少到M个采样，其中M可以小于N。如果传感器710不具有足够的系统定时，可以采用较高的采样速率来执行采样，从而得到例如2N个采样。针对该情况，传感器710可以计算感测矩阵(“Φ”)和上行链路信号(“f”)的2N个采样的乘积，从而得到感测信号(“y”)的2M个采样。因此，所述压缩采样器可以将发送至基站702的采样数目从常规方案的2N个采样减少到2M个采样，其中M可以小于N。针对该情况，感测矩阵(“Φ”)可以具有维度2N×2M。
所述压缩采样器可以通过将已采样的所接收的上行链路信号(“f”)与例如感测矩阵(“Φ”)的独立选择的感测波形(“φj”)相关，来计算感测信号(“y”)。可以在无需信息信号(“x”)的知识的情况下，选择感测矩阵(“Φ”)的感测波形(“φj”)。然而，M的选择可以根据例如对所接收的上行链路信号(“f”)的稀疏度S的估计。因此，感测矩阵(“Φ”)的所选M个感测波形(“φj”)可以独立于稀疏表示矩阵(“Ψ”)，但是M可以依赖于对所接收的上行链路信号(“f”)的属性的估计。此外，所接收的上行链路信号(“f”)的稀疏度S可以由例如向用户设备706发送下行链路消息的基站702控制，该下行链路消息用于识别用户设备706，并配置用户设备706来使用稀疏度S3和新的稀疏表示矩阵(“Ψ”)775。
基站702对信息信号(“x”)的成功检测可以要求M大于或等于稀疏度S。可以通过例如基站702估计稀疏度S并之后进行调整，来克服缺少稀疏度S的知识。例如，基站702可以将M初始化为例如N的值，N可以对应于没有压缩好处。当基站702估计在传感器710处所接收的频率带宽B的活动级别时，基站702可以例如调整M的值。通过这样，基站702可以通过调整M个感测波形(“φj”)的数目，影响传感器710的功耗；因此，调整了在通信链路上被发送至基站702的感测信号(“y”)的带宽。
此外，基站702可以向传感器710发送指令，以例如周期性地增加M的值，从而允许基站702彻底评估频率带宽B中的稀疏度S。另外，基站702可以向传感器710发送与选择感测波形(“φj”)的方法相关的指令，比如随机选择、根据调度进行的选择、其他选择方法或选择方法的组合。在一些实例中，传感器710可能需要将其对感测波形(“φj”)的选择传送给基站702。
用户设备706可以发送存在性信号，以向基站702通知其存在性。每一个存在性信号可以是通过例如选择和组合稀疏表示矩阵(“Ψ”)的稀疏表示波形(“Ψj”)来生成的信息信号。对稀疏表示矩阵(“Ψ”)的稀疏表示波形(“Ψj”)的选择可以由例如基站702发送的开销消息来配置。例如，基站702可以广播开销消息，该开销消息指定了稀疏表示矩阵(“Ψ”)的稀疏表示波形(“Ψj”)的子集。
基站702还可以广播下行链路开销消息，以供未识别的用户设备706用来使用稀疏表示矩阵(“Ψ”)的特定稀疏表示波形(“Ψj”)，其可以称作导频信号(“Ψ0”)。传感器710可以连续地接收上行链路信号(“f”)，对上行链路信号(“f”)进行压缩采样以生成感测信号(“y”)，并向基站702发送感测信号(“y”)。然后，基站702可以在感测信号(“y”)中检测导频信号(“Ψ0”)。一旦检测到导频信号(“Ψ0”)，基站702可以估计用户设备706和传感器710之间的信道增益(“”)，并可以指示已经发送导频信号(“Ψ0”)的任何用户设备706发送例如其ESN的一部分。如果在来自不同用户设备706的上行链路发送之间发生冲突，可以使用比如Aloha算法的冲突解决方法来分离不同用户设备706进行的后续上行链路发送尝试。
传感器710还可以在不考虑基站702和用户设备706之间的通信的情况下进行操作。基站702可以指示传感器710使用例如稀疏表示矩阵(“Ψ”)的M个稀疏表示波形(“Ψj”)。此外，基站702可以基于预期例如用户设备706的上行链路信号(“f”)量来改变M的值。例如，如果基站702预期上行链路信号(“f”)的稀疏度S正在改变，则基站702可以指示传感器710改变M的值。对于特定的确定性感测矩阵(“Φ”)，当M等于N的值时，传感器710中的感测矩阵(“Φ”)可以有效地变为离散傅里叶变换(“DFT”)。
图8例示了根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统800的另一个实施例。在本实施例中，系统800可以提供支持高用户密度的鲁棒高带宽实时无线通信。在图8中，系统800包括用户设备806、传感器810和基站802。基站802可以从传感器810接收感测信号(“y”)，作为基站802的检测器851的输入，以生成信息信号(“x”)的估计，也称作。然后，基站802可以量化该估计，以生成例如信息信号(“x”)的量化估计，也称作。可以使用例如单纯形加速算法、l1范数算法、l0范数算法、其他算法或算法的组合来确定信息信号(“x”)的估计。在本实施例中，信息信号(“x”)的估计的所有元素可能具有非零值。因此可以执行对信息信号(“x”)的估计的硬判决，以确定由例如S个非零值和N减S(“N-S”)个零值构成的信息信号(“x”)。
图9例示了根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统中的检测器的量化方法900的一个实施例。图9涉及基站902中的步骤以及基站902的量化器953中的步骤。方法900在可以向基站902发送感测信号(“y”)的传感器910处开始。在块952，方法900可以对感测信号(“y”)求解，以确定信息信号(“x”)的估计，也称作。在块970，方法900可以将信息信号(“x”)的估计中的元素排序为例如从最大值到最小值。
在图9中，将信息信号(“x”)施加到量化器953。在块971处，方法900可以使用例如感测信号(“y”)、信息信号(“x”)的估计或二者来确定稀疏度S。此外，基站902可以通过向用户设备发送下行链路消息，来固定针对用户设备的S值。基站902也可以通过向传感器发送不同的S值并确定在某一时间段期间(例如一到两秒)的上行链路信号(“f”)的稀疏度S，来周期性地扫描S的合适值。由于用户设备可以进行多次接入尝试，所以基站902有机会识别S的糟糕估计，并指示传感器调整它的M值。在与针对S的扫描相关的足够低的占空比(dutycycle)的情况下，可以保留使用基于传感器的无线通信网络的功耗优点。按照这种方式，传感器910的压缩采样活动可以自适应地跟踪可能影响它的信号的稀疏度。因此，即使在连续地执行压缩采样时，传感器910也可以最小化其功耗。
在块972，方法900可以使用在步骤971处确定的稀疏度S，以保持信息信号(“x”)的估计的最大S个元素的索引。在块973，方法900可以使用在块972确定的S个索引，以将信息信号(“x”)的估计的最大S个元素设置为第一值974。在块975，方法900随后可以将信息信号(“x”)的估计中的剩余N-S个元素设置为第二值976。量化器953的输出可以是信息信号(“x”)的量化估计，称作。第一值974可以是例如逻辑1。此外，第二值976可以是例如逻辑0。
图10是例示了根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统100、200、300、400、600和800中使用的稀疏表示矩阵的类型的示例的图表1000。在一个实施例中，使用压缩采样的基于传感器的无线通信系统可以使用随机矩阵作为稀疏表示矩阵(“Ψ”)和感测矩阵(“Φ”)。随机矩阵由例如独立同分布(“iid”)高斯值构成。
在另一个实施例中，使用压缩采样的基于传感器的无线通信系统可以使用确定性矩阵作为稀疏表示矩阵(“Ψ”)和感测矩阵(“Φ”)。确定性矩阵由例如稀疏表示矩阵(“Ψ”)的单位矩阵和感测矩阵(“Φ”)的余弦矩阵构成。本领域普通技术人员将认识到，很多不同类型的矩阵及其组合可以用于使用压缩采样的基于传感器的无线通信系统。
图11例示了可以在根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统100、200、300、400、600和800中使用的用户设备1100的一个实施例。在图11中，用户设备1100可以包括用于调制上行链路消息以形成信息信号(“x”)的调制器1140。生成器1141可以接收信息信号(“x”)，并可以对信息信号(“x”)应用稀疏表示矩阵(“Ψ”)1143，以生成上行链路信号(“f”)，该信号由上行链路发射机1142使用例如天线1364发送。用户设备1100还可以包括用于将天线1164接收到的下行链路信号进行下变频的下行链路接收机1148。所接收的下行链路信号随后可以由解调器1149处理，以生成下行链路消息。
在本实施例中，用户设备1100可以包括振荡器1162，用于对用户设备1100计时并维持系统定时；电源1163，比如电池1361，用于向用户设备1100供电；输入/输出设备1367，比如小键盘和显示器；存储器1360，耦合到用于控制用户设备1100的操作的控制器1147；其他单元或单元的组合。本领域普通技术人员将认识在用户的设备中发现的典型单元。
图12示出了可以在根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统100、200、300、400、600和800中使用的传感器1200的一个实施例。在图12中，传感器1200可以包括用于对例如天线1264接收到的上行链路信号(“f”)进行下变频的接收单元1230。压缩采样器1231可以将感测矩阵(“Φ”)1233应用于上行链路信号(“f”)，以生成感测信号(“y”)，该感测信号(“y”)可以使用传感器发射机1232来发送。
在本实施例中，传感器1200可以包括：振荡器1262，用于对传感器1200计时并维持系统定时；电源1263，比如电池1261，用于向用户设备1100供电；存储器1260，耦合到用于控制传感器1200的操作的控制器或状态机1237；其他单元或单元的组合。可以利用硬件、软件、固件或他们的任一组合来实现控制器1237。此外，控制器1237可以包括微处理器、数字信号处理器、存储器、状态机或它们的任一组合。
图13例示了可以在根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统100、200、300、400、600和800中使用的基站1300的一个实施例。在图13中，在上行链路方向，基站1300可以包括用于收集感测信号(“y”)的收集器1350。检测器1351可以接收所收集的感测信号(“y”)，并可以使用感测矩阵(“Φ”)1233和稀疏表示矩阵(“Ψ”)1143，在所收集的感测信号(“y”)中估计和检测信息信号(“x”)。控制器1357可以评估所检测到的信息信号(“”)，以确定上行链路消息。在下行链路方向上，基站1300可以包括：调制器1359，用于调制下行链路消息；以及下行链路发射机接口1358，用于发送已调制的下行链路信号。
在本实施例中，基站1300可以包括：振荡器1362，用于对基站1300计时并维持系统定时；电源1363，用于向基站1300供电；存储器1360，耦合到用于控制基站1300的操作的控制器1337；传感器控制器1355，用于控制传感器；下行链路发射机控制器，用于控制下行链路发射机；其他单元或单元的组合。
在一个实施例中，基于传感器的无线通信系统100、200、300、400、600和800可以使用多个传感器110至113、210至213、310、610、710、810、1200和1310来处理上行链路信号(“f”)，以允许通过使用天线阵列信号处理技术、MIMO信号处理技术、波束成形技术、其他技术或技术的组合，在基站102、202、302、602、702、802和1302处联合检测存在性信号。多个传感器110至113、210至213、310、610、710、810、1200和1310的使用可以允许在每一个传感器110至113、210至213、310、610、710、810、1200和1310处的M值更低。因此，可以通过以例如更密集的部署放置多个传感器110至113、210至213、310、610、710、810、1200和1310，减少每一个传感器110至113、210至213、310、610、710、810、1200和1310的功耗。
在另一个实施例中，基于传感器的无线通信系统100、200、300、400、600和800可以部署传感器110至113、210至213、310、610、710、810、1200和1310，以典型地允许两个传感器110至113、210至213、310、610、710、810、1200和1310接收由用户设备706发送的上行链路信号(“f”)。这种部署可以是在室内环境中，在该室内环境中，传感器110至113、210至213、310、610、710、810、1200和1310可以被部署为间隔三十米距离，所具有的路径损耗指数在二和三之间。传感器110至113、210至213、310、610、710、810、1200和1310中的每个都可以被部署为覆盖更大的区域；然而，路径损耗指数可能更小。对于成功的检测，检测单个存在性信号的概率可以高于百分之十。
在另一个实施例中，基于传感器的无线通信系统100、200、300、400、600和800可以在微小区中部署传感器110至113、210至213、310、610、710、810、1200和1310，以支持例如车载通信、其他通信或通信的组合。此外，传感器110至113、210至213、310、610、710、810、1200和1310可以被部署在微小区中以支持例如行人通信、室内通信、办公室通信、其他通信或通信的组合。
在系统100、200、300、400、600和800中，信道620和820可以是静态的，具有信道增益(“a”)621和821，并且信道噪声(“v”)622和821可以是加性高斯白噪声(“AWGN”)。信道噪声(“v”)622和821可以包括加性信号，该加性信号可以使得接收机所观看到的感兴趣信息失真。信道噪声(“v”)的源可以是例如接收天线处的热噪声、同信道干扰、相邻信道干扰、其他噪声源或噪声源的组合。此外，传感器110至113、210至213、310、610、710、810、1200和1310；用户设备106、206、306、606、706、806和1100；基站102、202、302、602、702、802和1302；或它们的任一组合可以在定时、频率、相位、其他条件或它们的条件的组合上充分同步。另外，可以仅仅存在一个传感器110至113、210至213、310、610、710、810、1200和1310；一个用户设备106、206、306、606、706、806和1100；一个基站102、202、302、602、702、802和1302；或它们的任一组合。
压缩采样方案可以使用稀疏表示矩阵(“Ψ”)和感测矩阵(“Φ”)，它们是例如随机对、确定性对或上述的任一组合。对于这些矩阵，可以向基站102、202、302、602、702、802和1302、传感器110至113、210至213、310、610、710、810、1200和1310、用户设备106、206、306、606、706、806和1100或它们的任一组合，提供例如稀疏表示矩阵(“Ψ”)、感测矩阵(“Φ”)或二者、信息(比如用于生成稀疏表示矩阵(“Ψ”)、感测矩阵(“Φ”)或二者的种子值)。基站102、202、302、602、702、802和1302可以知道正在使用哪个稀疏表示矩阵(“Ψ”)和感测矩阵(“Φ”)。基站102、202、302、602、702、802和1302可以指示传感器110至113、210至213、310、610、710、810、1200和1310使用感测矩阵(“Φ”)的M个感测波形(“φj”)的特定集合。此外，基站102、202、302、602、702、802和1302可以向用户设备106、206、306、606、706、806和1100以及传感器110至113、210至213、310、610、710、810、1200和1310指示上行链路信号由例如N个间隔或码片构成。
前述随机矩阵、确定性矩阵或二者可以仅仅生成一次，或如果再次生成则不改变。此外，可以在一段时间(例如几秒)之后，重新生成这些矩阵。同样，可以在每次使用这些矩阵时，重新生成这些矩阵。在任一情况中，基站102、202、302、602、702、802和1302中的包括求解器的检测器可以知道用户设备706使用的稀疏表示矩阵(“Ψ”)以及采样器使用的感测矩阵(“Φ”)。本领域本谱技术人员将认识到，这不意味着基站必须提供所述矩阵。另一方面，例如，用户设备106、206、306、606、706、806和1100以及基站102、202、302、602、702、802和1302可以根据例如系统时间的伪噪声(“pn”)函数来改变稀疏表示矩阵(“Ψ”)。类似地，例如，传感器110至113、210至213、310、610、710、810、1200和1310以及基站102、202、302、602、702、802和1302可以根据例如系统时间的伪噪声(“pn”)函数来改变感测矩阵(“Φ”)。
图14例示了在根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统中检测用户设备的一个实施例的仿真结果，其中，使用N＝10，M＝5，S＝1或2以及随机矩阵来测量系统800的性能。图形例示的整体被称作1400。信噪比(“SNR”)的对数幅度在横坐标1401上示出，且被绘出了从0分贝(“dB”)到25dB的范围。检测概率(“Pr(检测)”)在纵坐标1402中示出，且被绘出了从零(对应于零概率)到一(对应于百分之百的概率)的范围。图1403、1404和1405表示系统800的仿真结果，其中，N是10，M是5，S是1或2，且使用随机iid高斯值来填充稀疏表示矩阵(“Ψ”)和感测矩阵(“Φ”)。图1403示出了在信息信号(“x”)的量化估计中检测到一个非零项的概率，其中S是1。图1404示出了在信息信号(“x”)的量化估计中检测到一个非零项的概率，其中S是2。图1405示出了在信息信号(“x”)的量化估计中检测到两个非零项的概率，其中S是2。
图15例示了根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统的一个实施例的性能的仿真结果，其中，使用N＝20，M＝10，S＝1或2以及随机矩阵来测量系统800的性能。图形例示的整体被称作1500。SNR比的对数幅度在横坐标1501上示出，且被绘出了从0dB到25dB的范围。检测概率(“Pr(检测)”)在纵坐标1502中示出，且被绘出了从零(对应于零概率)到一(对应于百分之百的概率)的范围。图1503、1504、1505、1506和1507表示系统800的仿真结果，其中，N是20，M是10，S是1或2，且使用随机iid高斯值来填充稀疏表示矩阵(“Ψ”)和感测矩阵(“Φ”)。图1503示出了在信息信号(“x”)的量化估计中检测到一个非零项的概率，其中S是1。图1504示出了在信息信号(“x”)的量化估计中正确检测到两个非零项的概率，其中S是2。图1505示出了在信息信号(“x”)的量化估计中正确检测到没有非零项的概率，其中S是1。图1506示出了在信息信号(“x”)的量化估计中正确检测到没有非零项的概率，其中S是2。图1507示出了在信息信号(“x”)的量化估计中正确检测到一个非零项的概率，其中S是2。
图16例示了根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统的一个实施例的性能的仿真结果，其中，使用N＝10，M＝3，S＝1以及确定性或随机矩阵来测量系统800的性能。图形例示的整体被称作1600。SNR比的对数幅度在横坐标1601上示出，且被绘出了从0dB到25dB的范围。检测概率(“Pr(检测)”)在纵坐标1602中示出，且被绘出了从零(对应于零概率)到一(对应于百分之百的概率)的范围。图1603、1604、1605、1606和1607表示系统800的仿真结果，其中，N是20，M是10，S是1或2，且将确定性的值用于稀疏表示矩阵(“Ψ”)和感测矩阵(“Φ”)。图1603示出了在信息信号(“x”)的量化估计中正确检测到一个非零项的概率，其中S是1。图1604示出了在信息信号(“x”)的量化估计中正确检测到两个非零项的概率，其中S是2。图1605示出了在信息信号(“x”)的量化估计中正确检测到没有非零项的概率，其中S是1。图1606示出了在信息信号(“x”)的量化估计中正确检测到没有非零项的概率，其中S是2。图1607示出了在信息信号(“x”)的量化估计中正确检测到一个非零项的概率，其中S是2。
图17例示了根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统的一个实施例的性能的仿真结果，其中，使用N＝10，M＝3，S＝1以及随机或确定性矩阵来测量系统800的性能。图形例示的整体被称作1700。SNR比的对数幅度在横坐标1701上示出，且被绘出了从0dB到45dB的范围。检测概率(“Pr(检测)”)在纵坐标1702中示出，且被绘出了从零(对应于零概率)到一(对应于百分之百的概率)的范围。图1703、1704、1705和1706表示系统800的仿真结果，其中，N是10，M是3，S是1。图1703示出了在信息信号(“x”)的量化估计中正确检测到一个非零项的概率，其中使用确定性矩阵。图1704示出了在信息信号(“x”)的量化估计中正确检测到一个非零项的概率，其中使用iid高斯随机矩阵。图1705示出了在信息信号(“x”)的量化估计中正确检测到没有非零项的概率，其中使用iid高斯随机矩阵。图1706示出了在信息信号(“x”)的量化估计中正确检测到没有非零项的概率，其中使用确定性矩阵。
图18示出了根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统的一个实施例的性能的仿真结果，其中，使用N＝10，M＝5，S＝2以及随机矩阵来测量系统800的性能。此外，在每次发送信息信号(“x”)之前，改变稀疏表示矩阵(“Ψ”)和感测矩阵(“Φ”)。图形例示的整体被称作1800。SNR比的对数幅度在横坐标1801上示出，且被绘出了从0dB到50dB的范围。检测概率(“Pr(检测)”)在纵坐标1802中示出，且被绘出了从零(对应于零概率)到一(对应于百分之百的概率)的范围。图1803、1804、1805和1806表示系统800的仿真结果，其中，N是10，M是5，S是2，随机iid高斯矩阵用于稀疏表示矩阵(“Ψ”)和感测矩阵(“Φ”)，且在每次发送之前重新生成所述随机矩阵。图1803示出了在信息信号(“x”)的量化估计中检测到两个非零项的概率。图1804示出了在信息信号(“x”)的量化估计中检测到两个非零项的概率，其中感测矩阵(“Φ”)的任意两个感测波形(“φj”)基本上不相干。图1805示出了在信息信号(“x”)的量化估计中检测到一个非零项的概率，其中感测矩阵(“Φ”)的任意两个感测波形(“φj”)基本上不相干。特别地，图1804和1805还表示拒绝感测矩阵(“Φ”)中的任意两个具有相关性幅度大于0.1的感测波形(“φj”)的效果。图1806示出了在信息信号(“x”)的量化估计中检测到一个非零项的概率。
图19例示了根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统的一个实施例的性能的仿真结果，其中，使用N＝10，M＝3，S＝1，随机矩阵以及各种数目的试验来测量系统800的性能。此外，在每次发送信息信号(“x”)之前，改变稀疏表示矩阵(“Ψ”)和感测矩阵(“Φ”)。图形例示的整体被称作1900。SNR比的对数幅度在横坐标1901上示出，且被绘出了从0dB到50dB的范围。检测概率(“Pr(检测)”)在纵坐标1902中示出，且被绘出了从零(对应于零概率)到一(对应于百分之百的概率)的范围。图1903、1904、1905、1906和1907表示系统800的仿真结果，其中，N是10，M是3，S是1，随机iid高斯矩阵用于稀疏表示矩阵(“Ψ”)和感测矩阵(“Φ”)，且在每次发送之前重新生成所述随机矩阵。图1903示出了在信息信号(“x”)的量化估计中检测到一个非零项的概率，其中感测矩阵(“Φ”)的任意两个感测波形(“φj”)基本上不相干，且执行了两百次试验。特别地，图1903还表示拒绝感测矩阵(“Φ”)中的任意两个具有相关性幅度大于0.1的感测波形(“φj”)的效果。图1904示出了在信息信号(“x”)的量化估计中正确检测到一个非零项的概率，其中执行了两百次试验。图1905示出了在信息信号(“x”)的量化估计中正确检测到一个非零项的概率，其中执行四千次试验。图1906示出了在信息信号(“x”)的量化估计中正确检测到一个非零项的概率，其中执行一千次试验。图1907示出了在信息信号(“x”)的量化估计中正确检测到一个非零项的概率，其中执行两千次试验。
图20是在根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统的一个实施例中使用的确定性矩阵的示例。确定性矩阵的示例被统称作2000。矩阵2001和2002表示可以在系统100、200、300、400、600和800中使用的确定性矩阵，其中N是10且M是5。矩阵2001可以表示感测矩阵(“Φ”)的变换。矩阵2002可以表示稀疏表示矩阵(“Ψ”)。
图21是在根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统的一个实施例中使用的随机矩阵的示例。随机矩阵的示例被统称作2100。矩阵2101和2102表示可以在系统100、200、300、400、600和800中使用的随机矩阵，其中N是10且M是5。矩阵2101可以表示感测矩阵(“Φ”)的变换。矩阵2102可以表示稀疏表示矩阵(“Ψ”)。
图22示出了一种不同的采样方式。该图基于[CW08]。图22中的采样器是感测波形的集合Φ。如果f是稀疏的，则可以在没有误差的情况下恢复信号x。如果在表示f＝Ψx中，x仅仅具有S个非零项(参见[CW08，第23页])，则N维信号是S稀疏的。表示参数是用于表征表达式f＝Ψx中的变量的特征的参数。这些参数包括Ψ中的行数(即N)、Ψ中的元素的值、以及x中非零项的数目(即S)。由新的操作对“感测”和“求解”来替代在图22中的“采样”和“恢复”步骤。
步骤1、感测
k∈J使得
步骤2、求解
满足
等式(1)和(2)来自[CW08，等式4和5]。在等式(1)中，括号<>代表内积，也称作相关性。由指示的l1范数是其自变量的元素的绝对值之和。
为了使用尽可能少的感测波形，基矩阵Ψ的向量和从Φ中取出的用于感测的向量之间的相干性必须低[CW08，等式3和6]。相干性μ由以下等式给出：
用于设计采样系统的非相干采样方法(相比于[CW08])是：
1、对f建模，并发现Ψ，在Ψ中，f是S稀疏的。
2、选择与Ψ不相干的Φ。
3、随机地选择Φ的M列，其中M＞S。
4、使用所选的向量对f进行采样，以产生y。
5、将Ψ、Φ和y传递给l1最小化器，并恢复x。
可以应用于l1最小化的一种方法是单纯形加速法[LY08]。
图23所示的本发明的实施例包括低功率接收机。可以如[ESY05，KJR+06]中所教导的，实现所述低功率接收机的RF部分。本图表示多址接入系统2300。可以在本系统中使用的多址接入方案包括FDMA、TDMA、DS-CDMA、使用FDD和TDD模式的TD/DMA[Cas04，第23-45页，109]以及OFDM接入方案[AAN08]。所述系统包括用户设备或UE 2206和基础结构2210。UE2206包括移动站、配备有蜂窝无线电的膝上型计算机以及智能电话。基础结构2210包括蜂窝系统中的不是UE的部分，比如远程采样器2212、基站2216、中央脑以及DL铁塔2222。远程采样器2212包括由以下部分构成的设备：天线、下变频RF部件、相关部件、用于在回程上接收指令的控制器或状态机、用于存储配置的存储器、以及用于在光纤(回程)上向基站2216发送相关结果或值的光学发射机。每一个基站2216一般将由多于一个远程采样器2212来馈送。可以在使用中央脑概念的系统中，或在不使用中央脑概念的系统中，部署远程采样器2212。
转换包括以适合发送或计算的某种其他形式来表示输入波形。示例是移位信号的频率(下变频)、从模拟形式改变到数字形式(A至D转换)。
中央脑是高功率基础结构组件，其可以以可接受的成本，以非常高的速度执行计算。中央脑包括可以与基站快速通信的基础结构组件，从而使得可以在中央脑处执行很多物理层计算活动。经由基站和DL铁塔进行的无线控制不是慢到使得克服与信道衰落速率相关联的通信故障是不可行的。中央脑和基站可以在物理上是相同的计算机或基础结构组件。基站发射机位于DL(下行链路)铁塔2222处，DL铁塔包括常规蜂窝铁塔、安装在建筑物上的蜂窝发射机、光极或办公室中的低功率单元。
下行链路DL 2220是从基础结构到用户设备(即UE)的信息承载RF能量流。这包括由DL铁塔2222发送的无线信号以及UE 2206所接收的无线信号。
衰落包括对无线信号可以如何从很多反射体弹开，以及所得到的反射和的属性的描述。针对与衰落相关的更多信息，请参见[BB99，第13章]。
环境参数包括：从UE到远程采样器的距离、从UE到DL铁塔的距离、在任何感兴趣的远程采样器处的SNR以及呈现的任何同信道信号和任何衰落。
在蜂窝系统中存在若干种接入。当UE希望到达基础结构，但是基础结构不知道该UE存在时，发生Aloha随机接入。在已经向UE给予使用系统的许可并已分配UL和DL信道之后，发生双向数据交换。针对接入的更多讨论，请参见[Cas04，第119页]。
“信道”包括由时间、频率、代码和/或空间限制所参数化的被许可的波形。示例将是GSM系统中的特定小区扇区中的特定TDMA时隙。在信道上发送用于维持蜂窝连接所需的用户数据和/或信令信息。
术语“基站”一般用于包括对实体的描述，该实体从远程采样器接收光纤承载的信号，提供11求解器以及量化器，并智能地操作(即，运行计算机软件)来识别量化器所检测到的消息，从而使用DL来执行与UE间的协议交换。基站生成在DL上发送的开销消息。基站在功能上是RIM(捷迅研究有限公司)创建的中央脑概念的一部分。“求解器”包括使用11距离度量的设备。该距离被测量为在每个维度上的差值的绝对值之和。例如，在(1.0，1.5，0.75)和(0，2.0，0.5)之间的距离是|1-0|+|1.5-2.0|+|0.75-0.5|＝1.75。“量化器”包括用于下述操作的设备，该设备接受作为输入的估计，并产生信息符号或单词的有限集中之一作为输出
基站接收机、求解器、量化器和控制器处于图中被称作“基站”2216的点处。基站2216和DL铁塔2222可以共处一处，且在任意事件中，将它们完全相连用于信令的目的。上行链路2224是从UE 2206到基础结构2210的信息承载RF能量流。这包括UE 2206发送的以及由一个或多个远程采样器2212接收的无线信号。
蜂窝系统向很多移动用户提供多址接入，用于实时双向通信。这些系统的示例是GSM、IS-95、UMTS和UMTS-Wi-Fi[Cas04，第559页]。
混合型宏/微蜂窝网络包括针对交通工具的大型小区和针对行人的小型小区[Cas04，第45页]。对于蜂窝系统设计的一般观点，GSM或WCDMA系统是合适的参考系统。即，它们展示了移动站(UE)、基站、基站控制器等等的布置。在这些系统中，取决于UE和基础结构之间的通信的相位，使用各种信令体制，比如随机接入、寻呼、资源分配(信道分配)、开销信令(定时、导频系统id、被允许用于接入的信道)、切换消息、上行链路或下行链路上的训练或导频信号、以及稳态通信(语音或数据、分组或电路)。
在[CG91]中呈现了经由光纤向基站馈送未采样的模拟信号。在Chu中，将一种类型的换能器附加于天线，并向光纤馈电。[CG91]中的换能器不对RF信号采样，其仅仅使用模拟激光发射机将信号转换为光学能量。该发明的一部分创新性是从远程天线发送至基站的值的数目和属性以及如何控制数目和属性。
通常在无损采样的上下文中考虑图24。如果针对|f|＞fmax，信号A(f)的功率频谱是零，则可以基于以速率2fmax采样的离散采样来表示时域信号a(t)[Pro83，第71页]。在该通用场景中，采样器知道的关于A(f)的唯一事情是A(f)在fmax之上是零。
对于将采样器锁定到码片速率的无线系统中，总体而言，无损采样将由每个码片一次采样构成。针对N码片波形(其包括在N个离散的顺序时间点处定义的帧)，这将意味着每个码片级码字N个采样。该帧可能是准备好转换到用于发送的通带的帧，或者其可能仅仅是计算设备或存储器中的具有布尔值、实数值、复数值的帧。在本发明的一个实施例中，利用M个值来感测N个码片波形，其中，M＜N。“帧”包括顺序捕获的时间采样的集合。帧也可以描述顺序产生的布尔(或实数或复数)值的集合。
“噪声”包括加性信号，该加性信号使得接收机所观看到的它所搜寻的信息失真。源可以是接收机天线处的热噪声、或者它可以是来自不期望的或其他期望源的同信道无线信号，或者它可以来自其他源。在[BB99，第2.6章]中论述了在噪声中检测信号的基本理论。
“性能”包括根据设计者的预期操作，无线系统工作得如何。例如，设计者可能希望在UE上电并识别开销信号时，UE将发送向基站告警的消息。基站检测该信号的性能包括基站将识别该消息的单次发送的概率。所述性能根据系统参数和环境因素而变化。“系统参数”包括消息帧的长度、感测波形的数目以及被发送的消息的稀疏度。
上行链路是从UE到基础结构的信息承载RF能量流。这包括UE发送且被一个或多个远程采样器接收的无线信号。不相干采样包括一种类型的压缩采样，其依赖于与基矩阵Ψ不相关的感测波形(Φ的列)，在基矩阵Ψ中，输入信号是稀疏的。本报告公开了简单采样和低速率数据发送，以节省远程采样器处的电池功率，请参见图25。压缩采样包括一种技术，在该技术中，利用输入信号的特殊属性“稀疏度”来减少用于可靠表示信号(在统计学的意义上)同时不损失所需信息的所需值的数目。以下是与该创造性架构相关的一些一般性的点。
1、即使采样器停止工作，整体蜂窝系统也继续以完全性能操作。
2、在建筑物/城市环境中，远程采样器以间隔30至300m广泛分布。
3、基站不受限于其计算能力。
4、由常规小区铁塔来提供蜂窝系统下行链路，同时没有不常见的RF功率限制。
5、要节省UE电池，目标有效载荷数据发送功率电平是10至100微瓦。
6、通过光纤将任何给定的远程采样器与基站相连。针对所选采样器部署的一个替换方案将是同轴电缆。
7、如果可能，远程采样器应当以电池功率进行操作。使用线路功率(在美国是110V，60Hz)是另一种可能性。
根据整体系统特性，我们推断出远程采样器的以下特性。
1、远程采样器非常廉价，几乎是可抛弃的。
2、远程采样器电池必须持续1-2年。
3、远程采样器功率预算将不允许执行接收机检测/解调/解码算法。
4、远程采样器将具有RF下变频链，以及用于向基站发送数字采样的一些方案。
5、远程采样器将不具有识别UE何时发送信令的计算机智能。
6、远程采样器可以从基站接收与下变频和采样相关的指令。
调制方案的示例是QAM和PSK以及差分变化[Pro83，第164、188页]、编码调制[BB99，第12章]。
根据这些特性，产生这些设计规则：
规则A：将所有可选计算任务从采样器推到基站上。
规则B：将采样器在光纤上的发送速率降低至配合良好系统性能的最低级别。
规则C：努力实现在整体系统效果和采样器电池节约之间的平衡。
规则D：让采样器对于演进的物理层变化鲁棒，而不依赖于CPU下载。
根据上述设计规则，我们得到图23和25中粗略绘出的设计。在本报告中，我们专注于以下问题：在之前未识别的UE(用户设备或移动站)存在时，向基站告警。除了我们在此处未处理功率控制或干扰之外，该情形类似于在[LKL+08，“情况1”]中描述的一个接入场景。存在众所周知的控制这些问题的方案。采样器以锁定到基站所提供的系统时钟来进行操作。
针对在本报告所关注的蜂窝系统接入事件中发送的消息的例示，参见图26。图26是例示了UE 2206发送存在性信号2314的一个示例情形。在该图中，UE 2206上电，观测到开销信号2312，并且开始发送存在性告警信号2314。术语“存在性信号”包括由UE 2206发送至基站的可以被感测波形非相干采样的任何信号。“感测波形”包括感测矩阵Φ中的列，该列与输入的帧相关联以获得相关值。所述相关值被称作yi，其中i是在相关时使用的Φ的列。通常，每当UE 2206通过开销信息2312确定其正在接近当前不知道UE 2206的小区，UE 2206总是可以使用存在性告警信号2314。远程采样器2212连续地发送感测测量y，除非M＝0。
感测参数是用于表示表达式中变量的特征的参数。连续地发送开销2312。在预期存在性告警信号2314将被确认的情况下，发送存在性告警信号2314。UE和基站按照下述方式交换消息：UL是UE 2206到远程采样器2212。远程采样器2212连续地感测，而不检测，并且通过光纤上基站2216发送感测测量y。DL是基站铁塔2222到UE2206，例如，消息2318指示在发送存在性信号2314时，UE使用稀疏度S2。稀疏信号包括可以通过将来自NxN矩阵的S个列求和而创建的N码片波形。该信号的重要特性是S的值，即稀疏度。对于非平凡信号，S的范围从1至N。示出了改变远程采样器2212所使用的M的值的指令2316。指示是一种向UE发送消息或向远程采样器指示要使用的特定变量的特定值的方式。本图不是意在精确地示出发送多少条消息。
UE还在下行链路(DL)上经由来自基站的开销传输，访问系统时钟。远程采样器观测以某个频率fc为中心的无线能量带宽B。总体而言，远程采样器不将B作为其仅有的信息来对待，因此其确实通过光纤向基站提供速率为2B的采样。相反，采样器获得所述N码片波形的N个采样，并计算M个相关性。通过光纤将所得到的M个值发送至基站。如果采样器不具有码片定时锁定，则它可以在半码片定时获取2N个采样，并计算2M个相关性。被发送至基站的采样从常规方案的2N减少到2M。
采样器能够通过与独立选择的Φ矩阵的列相关，来计算感测测量y。感测参数是用于表示在所接收信号g与Φ矩阵的列的相关中的变量的特征的参数。这些参数包括：y中的元素的数目(即M)、Φ中的元素的值、以及g表示的码片采样的数目(即N)。对所使用的Φ矩阵的列的选择是除了对M本身的值的选择依赖于对S的估计之外，在无需x的任何信息的知识的情况下进行的。因此，使用Φ的哪些列与Ψ无关，但是所使用的Ψ的列的数目取决于对f的属性的估计。或者，可以如图26中在时间t17处所示，由DL发送来控制f的稀疏度。
在基站处成功检测到x的必要条件是必须将远程采样器所使用的M的值选择为大于S。可以通过在基站处猜测且之后进行调整，来克服缺少S的知识。例如，M可以从N的最大值开始，且随着基站了解频段B的活动级别，M可以移动到较小的但依然充分大的值。按照这种方式，可以让远程采样器处的功耗(在计算相关性y时和通过光纤向基站发送时的功耗都)保持低。基站可以周期性地增加M(经由去往远程采样器的指令)，以彻底地评估频段B中的信号的稀疏度。基站可以指导采样器它应当使用哪些列，或采样器可以根据调度来选择列，或采样器可以随机地选择列并向基站通知它的选择。
检测包括对估计值进行操作以获得有限大小的星座图中的最近点。星座图包括点的集合。例如，如果该星座图中的每个点都与包含N个项的向量唯一相关联，且每个项尽可以取值0或1(通常，向量项可以是布尔值、实数或复数)，则该星座图中具有2N个或更少的点。
在上电后，UE 2206希望让系统知道它的存在。为此，UE发送存在性告警信号2314。该存在性告警信号是通过选择Ψ矩阵中的列并将其求和而构造的信息信号。对列的选择可以受到基站开销信号的影响。例如，基站可以指定要从中选择的Ψ列的子集。
基站可以经由DL开销消息2312，要求尚未被识别的UE发送一个特定列，称为Ψ0。这将充当导频。远程采样器2212将根据非相干采样进行操作，并向基站2216发送采样y。基站2216随后将处理该信号，并检测Ψ0的存在性，估计先前未识别的UE和远程采样器之间的复衰落信道增益α^，然后例如指示已发送Ψ0的任何UE开始发送它们的ESN(电子序列号，全球唯一的移动站标识符)中的最后两个比特。“采样”包括将信号从每个时刻都具有值的信号改变为对应于离散时间点处的输入的离散序列(周期性或非周期性)。
如果来自两个不同的移动站的发送之间发生冲突，则可以使用上行链路(UL)标准Aloha随机回退(back-off)技术来分离后续的UL尝试。
远程采样器2212不知道该协议进展，并且简单地利用Φ中的列保持感测，并向基站2216发送采样y。基站2216可以指示远程采样器2212使用特定数量(M)个感测列。该数量可以随着基站预期来自UE的更多或更少信息流而改变。如果基站预期具有最大值N的S增加，则基站将指示远程采样器增加M(M可以取的最大值是N)。例如，在图26中，识别消息可以包括UE要使用的S的新值S3，且同时基站可以配置远程采样器使用M的更大值，在图中被称作M3。在该图中，这些事件发生在时间t13、t15和t16。在t17，基站期望具有稀疏度S3的消息，并且期望有可能以适当的M值(具体地，该值在此处称为M3)来感测到该消息。例示了事件序列，但是该时序不意味着是精确的。在M增加到极限的情况下，如果Φ是确定性(例如，正弦)的且是复数的，则当M取极限值N时，远程采样器中的Φ变为DFT操作(有可能被实现为FFT的离散傅里叶变换)。继续该场景下的描述，一旦基站具有了尝试接入系统的所有UE的ESN的一部分，则基站可以利用特定的部分ESN，告诉特定UE发送其完整的ESN及其希望请求的资源。或者，基站可以在确定UE有资格在该系统上时，分配资源。
远程采样器/中央脑系统在嘈杂的环境中进行信息信令，且在远程采样器处几乎没有智能活动。该系统具有经由常规DL进行反馈的好处。链路预算包括在考虑到RF能量源和在接收机尝试恢复信号之前所引发的所有损耗的情况下的无线系统设计。对于更多细节，请参见[Cas04，第39-45页、第381页]。我们的初始链路预算计算示出：如果可以实现重用因子3，且实现0至10dB的接收SNR，则UE能够在20至30m的范围上以10至100微瓦的发送功率进行操作。这些数字是“量级”类型的数量，而不具有有效数位。对于存在性信号的检测，通常多于一个采样器可以接收到嘈杂的不同版本的f，且可以进行联合检测。这将允许M在每一个采样器处比在仅在一个远程采样器处可见f的情况下更低。因此，通过以密集方式部署采样器，可以减少每个采样器的电池消耗。简而言之，有时将f的嘈杂版本称作g。
“重用”包括在相同模式在地理上再次发生之前，对无线带宽资源进行了多少次非重叠部署。
对于最差情况设计，我们假定来自UE的信号仅仅射到(imping on)一个远程采样器上。通常，对于室内发送，我们期望两个远程采样器在30m范围内，且路径损耗指数在2和3之间。该设计不受限于室内发送。在室外，范围更大，但是路径损耗指示将倾向于更小。对于成功的检测，检测到信号发送的概率应当高于10％(假定误差机制是噪声引起的，且因此检测尝试将是独立的)。可以在宏小区中部署远程采样器以支持车载业务，并且在微小区中部署远程采样器以支持行人或办公室室内通信业务。
来到具体示例，那么我们设计了以下场景。
1、信道是静态的(无衰落)。
2、噪声是AWGN。
3、UE、远程采样器和基站都被锁定到不具有任何类型的定时、频率或相位误差的时钟。可以以标准方式来处理诸如这些的故障[BB99，第5.8章、第9章]。
4、存在一个UE。
5、非相干采样方案使用随机对(Ψr，Φr)或确定性对(Ψd，Φd)，在任一情况中，求解器知道除了信号x、f和噪声之外的所有信息。
6、基站已指示采样器使用Φ的M个列的特定集合。
7、基站已向UE和采样器指示发送波形由N个间隔或码片构成。
图27是根据本文阐述的各个方面的远程采样器/中央脑蜂窝架构的一个实施例的图示。所述信息是x 3240。f 3242是S稀疏的，并且如本文其他地方所讨论的，基站已经估计S。远程采样器3212的输入是f的嘈杂版本，其在这里有时被称作g 3244。远程采样器3212计算g 3244与Φ中的预先选择的列间的M个相关性，产生Mx1向量y 3215(等式1)。将y 3215经由光纤向下传递至基站3216。
“估计”是统计学术语，其包括尝试从展示出最小距离的有限集合(比如实数)中选择数值在某种意义上，从x的真值中选择。经常使用的最小距离的测量方法是均方差(MSE)。很多估计器被设计为最小化MSE，即期望在[Pro83，第一章]中涵盖了统计学运算，比如期望。实际中，经常使用定点值来表示估计器输出的数值。
对于实数，g与间的相关性或内积被计算为其中g(k)表示g的第k个元素。
对于复数，相关性将是其中，g*代表复共轭。
信号g的12范数是针对实数的表达式是相同的，复共轭在该情形下不起作用。
基站3216首先产生x的估计，被称作3246，然后产生被称作3248的硬判决。通过形成线性规划(linear program)，然后使用单纯形加速算法求解，来产生估计3246。算法探索产生向量y*的Nx1向量x*的实现的可行区域的边界。搜索不依赖于稀疏度。由于信号是稀疏的，因此l1最小化起作用，但是最小化器在无需尝试利用稀疏度的情况下作用。
因此，x*的N个项通常都是非零的。将产生满足y*＝y的y*且具有最小绝对值和的x*选作(等式5)。通常不等于x，因此进行硬判决以找到由S个1和N-S个0构成的与最接近的向量
线性规划包括等式和可能的不等式的集合。变量仅以线性形式出现。例如，如果x1和x2是变量，则形式的变量不出现。
该量化识别出x中的一个或多个正确的非零项的概率是仿真被设计来确定出的概率。存在“最接近”的很多种定义。我们如下确定量化器3230首先对的元素进行算术排序，并保留开始S个元素的索引(例如+1.5大于-2.1)。其次，量化器将的所有项设置为逻辑0。第三，量化器将中的具有等于所保留的索引的索引的那些元素设置为逻辑1。该结果是量化器的输出。
量化器3230根据各种方式获得S。示例将是全知精灵(all-knowing genie)(用于限制性能确定)，或基站已经使用DL固定移动站要使用的S的值，或基站通过尝试不同的值(经由去往远程采样器的指令)并确定在某个宏时间段(例如1-2秒)期间f的稀疏度，周期性地“扫描”S。由于UE将进行多次尝试，所以基站有机会识别出对S的估计错失(miss-estimate)，并指示远程采样器减少或增加其使用的S的值。在与扫描S相关的充分低的占空比的情况下，将保留感测技术的功率节约方面。按照这种方式，远程采样器的感测活动跟踪射到该远程采样器上的信号的稀疏度。因此，远程采样器通常总是在采样，但是仅仅具有足够供系统操作的电池消耗，而不产生远远超过该足够供系统操作的电池消耗的电池消耗。具体地，针对根本不存在UE的长时间段，远程采样器不以全Nyquist速率来进行采样。
y*是来自[CW08，第24页]的符号。不是来自[CW08]的符号，因为该引用不处理被噪声破坏的信号。一般在工业界中使用用于估计和检测输出的和符号，且可以在例如[Pro83，第364页，图6.4.4“Adaptive zero-forcing equalizer”]中看到这些符号。
图27示出了在计算机仿真中的功能件(functional piece)和信号。表1中指定了所使用的矩阵的属性。所述列被归一化为单位长度。请参见图20和21中的这些矩阵的示例。
表1：矩阵的属性
确定性矩阵仅仅生成一次，并且如果再次生成将不改变。随机矩阵可以仅仅生成一次，或者可以在一段时间(比如几秒)以后重新生成随机矩阵。此外，可以每次在要使用随机矩阵时重新生成随机矩阵。在任一情况中，求解器3228必须知道UE 3206在任意时间使用什么Ψ矩阵以及采样器3212使用什么Φ矩阵。这不意味着求解器3228必须规定(dictate)使用什么矩阵。如果UE正在根据系统时间(经由DL开销获得的时间)的伪随机(“pn”)函数改变Ψ，则求解器3228可以使用相同的pn函数生成器来找到Ψ是什么。除非另行声明，在本报告中给出的概率是针对一次生成随机矩阵并且该随机矩阵对于所有SNR和在这些SNR处的试验是固定的情形。
已将仿真限制为实数，以使得开发容易，但是在此处呈现的方案中不存在将它们的应用限制为实数的限制。可以将相同的构建块技术(比如相关性和线性规划)应用于通常利用复数建模的系统上。这是真的，因为可以将任何复数a+jb写为全实数2x2矩阵，其中第一行为[a-b]，第二行为[b a]。
可以在标量或矩阵级上完成上述。因此，等式的任何复数集可以被改写为全实数集。
SNR(dB) S Pr{总错失} Pr{j＝1命中} Pr{j＝2命中}
0 1 0.67 0.32 n/a
10 1 0.29 0.71 n/a
20 1 0.12 0.87 n/a
0 2 0.44 0.46 0.09
10 2 0.22 0.47 0.30
20 2 0.16 0.28 0.55
表2：在M＝5，N＝10，AWGN，具有iid高斯项的Ψ和Φ的情况下的检测器性能。参见图27。
在这些仿真中，我们寻找的性能是超过大约10％的那些。由于仅有的随机事件是噪声、信号和矩阵生成，因此不需要大数量的试验。在大多数情况下，使用每个点100或200次试验来收集数据点。在大约0.5％的试验中，我们的11求解器实现在其应当在现有解的情况下退出时，尝试继续优化剔除这些不多的试验。即使将其作为成功或失败包括，对结果的影响也将是不可察觉的，因为我们正在寻找任何大于10％的性能。
在图14中绘出表3中的数据。S是x中的非零项的数目，并在图14中被称作“脉冲”。事件“j＝1命中”意味着检测器刚好在x中正确地检测到一个非零项。在S＝1的情况下，这是检测器所能做到的最佳情况。事件“j＝2命中”意味着检测器刚好在x中正确地检测到两个非零项。
我还做了在M＝3，N＝10以及S＝1的情况下的仿真(请参见以下讨论的图17)。
SNR(dB) S Pr{总错失} Pr{j＝1命中} Pr{j＝2命中}
0 1 0.64 0.36 n/a
10 1 0.13 0.87 n/a
20 1 0.03 0.97 n/a
0 2 0.42 0.49 0.09
10 2 0.13 0.40 0.47
20 2 0.07 0.19 0.74
表3：在M＝5，N＝10，AWGN，具有确定性项的Ψ和Φ的情况下的检测器性能。
图15、16和17给出了针对M、N、S、SNR和矩阵属性的各种组合的检测性能。在这些图的每一个中，j是由l1最小化器和量化器的组合所正确确定的x中的非零项的数目(图25)。
对于系统设计，重要的概率是检测器在一次观测中完全正确地获得消息的概率。假定系统使用多次发送，就非受控效应(如噪声)而言，每一次发送将是独立的。在该情况下，在C次发送或更少次发送中检测到存在性信号的概率是1-Pr(错失)C。可以将错失定义为事件j＝0或事件j＜S。当S＝1且使用随机矩阵时，事件j＝S在低于0dB的SNR处以大于10％的概率发生，且在大约3dB的SNR和S＝2处以大于10％的概率发生。如图15所示，90％的点分别在大约12和17dB处。如图16所示，对于确定性矩阵和S＝1，性能更好。
为了看见检测器如何在稀疏度条件(M＞＞S非真)弱时将起作用，我们使用S＝1和M＝3，生成如图17所示的数据。随机和确定性配置都能够在低SNR处检测，但是随机配置饱和接近70％，而不是到达90％的点。与M＝5，N＝10的情形相比，随机配置的性能要差一点(例如，在SNR＝10dB处，Pr{检测}＝0.55，同时对于M＝5，该概率是0.71)。在图17中，在高SNR处，针对确定性情况，概率接近1。
因此，我们看到在M和SNR增加的情况下，我们接近了达到100％可靠精确恢复的Candes无噪声结果。然而，对于低M和嘈杂的信号，求解器有时产生不等于x的重要的量化特征是：对于确定性配置，恶化是逐渐的。除非M＞＞S，否则对于随机配置，存在噪声中的阈值效应。在图17中，M＝3S，而在所有其他图中，当S＝1时，M≥5S。
非相干采样方法的不寻常的特性是非相干性。大多数检测器寻求尝试很多候选波形，以查看哪一个波形与所接收的波形匹配，然后使用某种类型的“选择最大”函数来确定所发送波形的身份或索引。本地复制品是所具有的身份与所发送的波形的身份相同的波形。在非相干采样中，唯一的要求是Ψ和Φ最多弱相关。这意味着各种感测矩阵(Φs)可以用于任何Ψ。对于随机情况，我们探索在每次发送时改变两个矩阵的效果。在图18和19中示出了该情况的结果。据此，我们注意到性能上的一些变化，即使在高SNR处。我们确认以下猜想：这是由于生成了具有差自相关属性的“坏”矩阵。任一个矩阵中的高相关性将弱化估计能力，因为对于Ψ，其将减少用于在任意两个相关列上的x的值之间进行区分的支持，且对于Φ，其将减少求解器的用于在Φ中的两个相关列的候选贡献之间进行区分的能力。为了对在高SNR处这些变化的机制本地化，我们拒绝以下Φ矩阵：在该Φ矩阵中，任意两列具有大于阈值的相关幅度。在图中，阈值是0.1。利用其他阈值进行了研究。阈值0.4几乎没有效果。我们据此得到的是：是的，实际的Φ矩阵对性能的效果影响是广泛变化的。另一种合理推测的方式是：存在我们不希望用来进行感测的“坏”的Φ矩阵。所述性能是与矩阵的分布相关的随机变量。这意味着可以定义中断概率(probability of outage)。具体地，中断概率是检测概率将低于概率阈值的概率。例如，系统可以被设计为使得不仅平均检测概率大于40％，且检测概率将小于10％的概率小于1％。我们可以减少“坏”矩阵的数目，以减少中断概率。一种这么做的方式是约束Φ矩阵中的相关性。约束Ψ矩阵也将有好处，特别是在S增加时。
为了通过无线电提供鲁棒高带宽实时服务以及高用户密度，我们已经创建了基于分散式天线和对无线信号的集中式处理的架构。我们称该系统为远程转换或远程采样。移动站是简单的低功率设备，基础结构核心是超级计算机类，且基站与移动站通过冗余海量的廉价无线传感器相连。图28是我们此处提出的蜂窝网络的示图。图28示出了一系列大量部署的简单传感器2712，从而使得在移动订户(MS)设备2206的范围中通常多于一个传感器2712。在本方案中，还可以将这些传感器称为远程采样器或远程转换设备。可以将这些传感器间隔十米至几百米的距离。在传感器所需功率、部署传感器的容易度以及系统所需的容量之间存在部署平衡。UE可以使用比在蜂窝电话中一般使用的频段更高的频段。
向传感器提供去往中央基站2716的光纤回程2714。所述回程也可以由另一种介质来提供，比如同轴电缆。在部署中可以存在若干基站，它们通信并传递信息。传感器具有附加到RF前端的一根或多根天线，以及具有被设计为廉价的基带处理。可以将具有一根天线的传感器用作阵列，并且可以将其做成MIMO空中接口。
波束形成的空中接口允许MS以低功率发送。在MS和基站之间使用的上层协议可以是来自标准化的蜂窝网络(例如LTE)的一个协议。在低功率和短距离上特殊化的上层协议(例如Bluetooth)是用于MS和基站之间的通信的替换模型。传感器处的堆栈将仅仅包括第1层(物理层)的一部分。这减少了成本和电池功耗。传感器有可能由AC(在美国是110V电力线)供电。可以使用用于处理实时应用的低往返时间混合ARQ重发送技术；处理ARQ的第2层单元将不在传感器中，而在BS或中央脑中。此处给出创新区域，完全新的拓扑结构，其中，传感器对在短距离上接收的高带宽移动信号进行压缩，且基础结构以高速度进行物理层计算。
1、基站和传感器之间的指令、通信协议和硬件接口
a、远程转换指令
b、振荡器返回指令
c、波束控制(相位采样)指令
2、MS和BS或中央脑之间的通信协议和硬件接口
a、可以支持实时服务的MS和BS之间的高带宽MAC混合ARQ链路。
3、MS和中央处理器/中央脑之间的通信协议和处理技术
a、在无需来自传感器的配合的情况下工作的存在性信令码
b、针对该新的拓扑结构和信道知识混合的空时码
c、针对移动站注册和实时发送的喷泉码
d、大型阵列信号处理技术
e、利用更高频率发送频段的信号处理技术
4、基站支持包括下述的活动：
a、发送系统开销信息
b、检测在一个或多个传感器的范围中的移动站的存在性
c、基站和移动站之间的双向实时通信。
本备忘录提出了要在蜂窝电话架构中使用的传感器或采样器。这些传感器比基站便宜，且对高带宽(例如带宽B)的RF信号进行采样。通过光纤向基站发送已压缩信号。传感器通常不执行Nyquist采样。这么做出于若干原因。一个原因是高速率采样消耗过多的能量。我们的目的是提供低功率传感器技术。期望将冗余设计到系统中，从而使得可以容易地克服单个传感器的损耗。对于很多重要的信号，可以在基站处对存在的信号进行低误差重构。传感器可以配备有直接序列解扩器或FFT设备。传感器不进行解调判定。在解扩器中使用的直接序列码、或解扩器的子码片定时、或在FFT中使用的频率区间数目、或传感器要应用FFT的频谱频段是基站通过指令告诉传感器的内容。在一个实施例中，这些指令以1ms间隔发送，且传感器在用于接收该指令的少于0.1ms内调整其采样或转换。为了结构的目的，我们假定移动站发送和接收持续时间为1至5ms的信息分组或帧。格式可以是电路类或非电路类。系统开销信息可以包括引导和同步信息，该引导和同步信息使得移动站根据博弈论实行并复制良好的合作行为。假设MS需要知道可能的无线WAN，则还可以存在重要的信息。通过保持该子通信网络中的所有通信，并且不必监视外部网络，可以节约电池功率。移动站以低功率发送它们的消息。传感器对无线信道进行采样。本提议中的传感器对采样进行压缩。通过光纤信道向基站发送本提议中的已压缩采样。基站负责很多第1层活动(解调、解码)、第2层活动(分组编号、ARQ)、以及信令活动(注册、信道分配、切换)。基站的计算能力高。基站可以使用该计算能力来实时求解等式系统，在现有系统中，该等式系统将仅在离线模式下仿真。基站可以使用信道的信息(移动站天线相关矩阵、在考虑到移动站时的传感器的数目)，来在1ms间隔上确定链路调整策略。这些策略将包括在最优的空时复用增益/分集增益平衡点处进行操作。同样，多个基站可以彼此进行几乎同时的通信，并最优地设计发送波形，所述发送波形将在简单移动站处加和以得到无失真波形(脏纸编码)。从移动站接收到额外上行链路能量的其他基站偶尔向锚定基站提供在其他情况下擦除的1ms帧间隔。图29示出了所提议的系统的另一个示意图。该提议中的传感器2712仅仅负责第1子层活动，即采样级上的压缩。该提议中的基站2716可以向传感器发送指令，比如使用多址接入码16(这可能是DS码、OFDM码)进行压缩。基站可以发送指令，比如执行具有相位theta的2x采样。换言之，传感器是从常规基站的A/D路径远程拉出的路径，就好像拉动太妃糖的一角，并创建细的连接线。所述太妃糖线是从传感器到基站的光纤信道的比喻。基站使用非常高的可用计算能力，来在压缩数据中检测MS信号的存在性。然后，本提议中的基站通过指示传感器使用将良好捕获MS信号的采样和压缩技术(即使传感器不知道指令的效用，也呈现充满MS信号的已压缩数据的定时、频率、编码细节)，对所检测到的MS进行响应。本提议中的MS可以利用喷泉码来发送，至少用于呼叫建立。对于非常高的带宽、低功率链路，移动站可以使用喷泉码来发送实时语音。分组发送速率应当具有1至5ms量级的周期。传感器主要不是决策设备；传感器也不是本地自适应的；传感器控制来自基站。在空间上密集地部署传感器，即每100mx 100m至少一个，且可能每10m x 10m一个。传感器可以支持或可以不支持DL发送。可以从具有扇区化的传统基站铁塔传送DL。这种铁塔的密度将是每1000m x 1000m至少一个(建筑物部署)，且可能每300m x 300m一个(街灯部署)。
图30示出了根据本文阐述的各个方面的使用压缩采样的基于传感器的无线通信系统的一个实施例的性能的仿真结果，其中，使用N＝8，S＝1以及变化的M值来测量系统3000的性能。图示出了在M的各个值的压缩采样和已发送信号之间的互信息。基于仿真结果，识别出提出的压缩采样架构的目标操作区域。这些观察的重要性在于以下事实：保存电池寿命是提出的压缩采样架构的关键属性。当M值增大时，采样器要求更多的电池功率。然而，如果M值过小，则在发送和接收信号之间的互信息可能低于可接受水平。因此，为了可接受的系统性能，需要识别M的值，以提供稳定的系统。针对该仿真，稀疏表示矩阵(“Ψ”)在属性上是Walsh矩阵，且感测矩阵(“Φ”)在属性上是随机的。取决于SNR，对使用的表示和感测矩阵的选择影响在发送信号和压缩采样之间的互信息。针对特定的条件集合，将表示矩阵正交化是有好处的。使用确定性矩阵有助于增加互信息，然而，将要求更多的信令。从而，在信令和电池功率之间存在平衡，且对应地，在协调矩阵和M值之间也存在平衡。在信令更有限的情况下，则应当使用更高的M值。然而，如果电池寿命更关键，则应当使用更多的信令。此外，在发送信号和压缩采样之间的互信息与加性噪声相关。因此，当可行时，应当使用确定性矩阵。然而，这又将再一次增加系统的信令要求。此外，选择具有某种形式长度保留的表示和感测矩阵是有利的。
将该图形说明整体称为3000。在横坐标3009上示出SNR比的对数幅度，并在从0dB至35dB的范围中绘出。在纵坐标3008上示出互信息，且在从-1.0至3的范围中绘出。曲线3003、3004、3005和3006表示系统3000的仿真结果，其中，N是8，S是1，且将随机iid高斯矩阵用于感测矩阵(“Φ”)以及将Walsh矩阵用于稀疏表示矩阵(“Ψ”)。曲线3003示出了在M＝1时的互信息的下界(“LB”)。曲线3004示出了在M＝2时的互信息的LB。曲线3005示出了在M＝3时的互信息的LB。曲线3006示出了在M＝4时的互信息的LB。3001和3007分别表示上界和下界聚集。将目标操作区域的示例示出为区域3002。已执行了max运算来保留每个M的Φ的概率的最佳蒙特卡罗实现。如图所示，M＝3时的最差边界(Φ，Ψ)好于M＝1时的最佳边界。选择目标操作区域作为由区域3002指示的区域，以获得对信令延迟的合理限制。该仿真系统的行为对于任何线性调制系统都成立。
在设计系统时，可以改变或调整各种属性，以增加系统性能或最大化效率。例如，可以向系统的所有UE分配相同的S值，同时可以向所有的远程采样器分配相同的M值。这不是必须的，因为对于所有的UE和远程采样器，S和M的值可以不同。此外，对于低SNR值，可以减小S的值，同时对于高SNR，可以增大S的值。这些值的改变是合乎逻辑的，因为在低SNR率下增大S仅具有非常少的好处。然而，在高SNR率下，为了传输更多用户信息而增大S是有意义的。如果求解器知道分配给UE的S值，则该系统也将获益。本领域技术人员还应当意识到，在异步采样的情况下，M的最大值将是2N，因为对于码片锁定(chip lock)的同步系统，需要每个码字N个采样，反之，对于无码片锁定的系统，必须最少取2N个采样。本发明的另一个方面是控制器能够在压缩采样架构中区分各种类型的信号，比如区分在WCDMA和GSM。因此，控制器可以发出指令，以基于其感知到的信号类型来最大化信号传输的效率。系统还可以被设计为不要求对UE的飞行时间的调整。例如，在GSM系统中，基于信号相对其他信号发生了时间偏移的事实，系统可以要求UE调整其发送。然而，在提出的系统中，可以通过使用长的码片时间段，将这些调整考虑在系统设计中，使得不要求对UE部分的调整。
图31是本发明的一个实施例的草图，其中，若干UE使用压缩采样进行通信。图31示出了与远程采样器3104、3105和3106通信的UE 3101、3102和3103。远程采样器3104、3105和3106经由光纤电缆3107连接到求解器3108。除了发送针对求解器3108本身的指令之外，控制器3109还经由光纤电缆3107向远程采样器3104、3105和3106发送指令。控制器3109通过基站塔3110向UE 3101、3102和3103发送指令。本发明的一个方面是：UE 3101、3102和3103不限制于任何特定的远程采样器。每个UE简单地进行发送，且多个远程采样器简单地报告它们捕捉的采样。在UE和控制器之间的下行链路经由基站塔3110实现。上行链路通过远程采样器3104、3105和3106实现。
在任何给定系统中，如果增加远程采样器的数目，则可以减小M值，同时不会明显地危害系统性能。此外，尽管本发明寻求保留远程采样器的电池寿命，但是如果在系统中存在具有显著多于其他远程采样器的可用能量的远程采样器，则将这些远程采样器处的M值增大是有利的。这样，可以减少能量受限的其他远程采样器的M值，而不影响系统性能。
提出的架构的另一方面是基于已知的信道系数来减少信号复杂度。如果存在与多个远程采样器通信的多个UE，则信道系数可以指示：由于一些阻碍，特定UE几乎仅仅与单一远程采样器通信。在这种情形下，与多个UE相关联的信道系数矩阵可以表现出：在特定区域中，与特定感测波形相关联的向量是微不足道的。例如，如果UE仅仅与一个远程采样器通信，则针对其他远程采样器的与该UE相关联的信道系数可以是0。从而，可以在不考虑除了与UE正在通信的一个远程采样器之外的任何其他远程采样器处的测量结果的情况下，重新构建与该UE相关联的信号。通过将该特定信号分离出来，减少了表示剩余信号的矩阵的复杂度。这进而将减少求解器所需的计算功率。基于此，控制器可以向求解器发出指令，以将矩阵拆为更小的矩阵，以减少计算复杂度。
图32表示使用频移和滤波器组的频域采样的方法。这些是提出的系统的模拟或连续的时间相关性的形式。应当注意到，可以以离散时间或连续时间来进行相关。3212是使用滤波器组的稀疏信号采样器的图。3212示出了使用M个窄带滤波器3202的组来恢复3211。对接收信号y3201进行复用，并将其馈入M个窄带滤波器3202的信号组。滤波器组对模拟信号执行矩阵运算Φ。输出是信号y3203，将其传递给优化器3204，优化器3204恢复的估计3205。使用滤波器组的频域采样的特征在于以下几点：
1、采样的数目M受限于设备中的窄带滤波器的数目。
2、当需要M个窄带滤波器时，硬件要求随着M而增加。
3、可以不需要y的存储器存储。
4、非静态或时间变化信号处理是可能的。
3213是使用频移的稀疏信号采样器的图。3213展示了针对时间静态信号从时域信号y直接恢复信号的方法。电压控制的振荡器3207以及窄带滤波器3208在模拟域中执行Φ的运算。由VCO 3202将信号y3206频移至窄带滤波器3208的通带。应当注意到，可以使用低通滤波器，而不是窄带滤波器，且具有不同的结果。在存储器3209中存储输出幅度和相位，直到对所有M个频率进行采样。然后将y3209传递给优化器3210，优化器3210产生的估计3211。使用频移的频域采样的特征在于以下几点：
1、可以通过控制VCO来动态改变采样的数目M。
2、需要初始发现的y值的存储器存储，以恢复整个向量y。
3、信号必须是静态的或者缓慢时间变化的。
图33是利用本文所述的连续时间采样概念的远程采样器的框图。天线3301接收稀疏信号，并将信号传递给下变频转换器3305。由于天线特征，噪声3302将是接收信号3304的一部分，且由加法器3303来指示其添加(尽管这不是实际的结构，噪声3302的添加由加法器来指示，以示出接收信号3304的属性)。在3305处对信号进行下变频。在3306处，使用远程采样器从远程中央处理器(未示出)接收的配置，对信号进行相关。然后将采样3307发送至模数转换器3308。然后将转换后的信号沿着光纤3309发送至求解器(未示出)。
在Kaukovuori[KHR+06]中给出了低成本无线电的示例，在Enz[ESY05]中给出了另一个示例。
由Chu[CG91]提出并测试了使用光纤将远程天线与基站相连。
当前的Intel处理器(类似QX9775)以超过1GHz时钟速度、超过1GHz总线速度和利用超过1MB高速缓存执行。根据摩尔定律，到2015年，晶体管密度将达到当前值的8倍。基于典型的时钟速率倍数(clock-rate-times)门数目(gate-count)推理，我们可以预期在2015年单个处理器中将可获得大约10倍所述处理能力的处理能力。因此，在1ms中，可以执行1千万次CISC指令。一个微处理器将实时指导10个传感器的物理层调整。http://compare.intel.com/pcc/
与MIMO复用/分集平衡相关的限制是由Zheng和Tse，2L.Zheng和D.Tse，在“Diversity and Multiplexing：A Fundamental Tradeoff in Multiple-AntennaChannels，IEEE Transactions on Info.Theory，May2003，pp.1073-1096”导出的。
在例如Ng，“C.Ng and A.Goldsmith，Transmitter Cooperation in Ad-HocWireless Networks：Does Dirty-Paper Coding Best Relaying？，IEEE ITW 2004，pp.277-282”中讨论了脏纸编码的当今概念。
在例如Hales，“D.Hales，From Selfish Nodes to Cooperaive NetworksEmergent Link-based incentives in Peer-to-Peer Networks，IEEE Peer-to-PeerComputing，2004”中讨论了教导自私的用户进行合作。
在Kokalj-Filipovic，“A.Kokalj-Filipovic，P.Spasojevic，R.Yates andE.Soljanin，Decentralized Fountain Codes for Minimum-Delay Data Collection，CISS 2008，pp.545-550”中讨论了接收聪明的冗余发送的多个节点的概念。
根据这些表和图，我们推断出：是的，有可能设计存在性信号，并在远程采样器处检测到，同时满足定性的设计规则。具体地，已示出了两个组合Ψ和Φ来使得在远程采样器利用非常少的信号处理且不进行决策来检测存在性信号变为可能。请回忆，存在性信号是Ψ矩阵中的列之和。在x中的S＝1或S＝2个非零项的情况下检测到存在性信号的概率对于0至10dB范围中的SNR而言足够高。这是在远程采样器向基站发送比以下情况更少的采样的情况下实现的：在进行常规假设，信号完全使用了N维基时，对所观测到的信号进行常规转换所需的采样。已经通过有意识地将所发送信号设计为稀疏的，将远程采样器设计为简单的，且将基站设计为智能的且配备有分离设计(与远程采样器非共处一处)的去往移动站的下行链路连接，产生这个增益。
此处所附的并以引用的方式并入本文中的附录A、B、C、D、E、F和G描述了与设计压缩采样系统相关的技术考虑。具体地，更详细地讨论了远程采样器中的互信息。此外，解决了稀疏信号采样中的噪声问题。附录C和D介绍了被设计为解决这些问题的计算机程序。附录G是于2009年4月15日提交的临时申请。
参考文献：
[AAN08]K.Adachi，F.Adachi，and M.Nakagawa.Cellular mimo channelcapacities of mc-cdma and ofdm.IEEE，2008.
[BB99]S.Benedetto and E.Biglieri.Principles of Digital Trans-missionWith Wireless Applications.Kluwer，New York，1999.
[Cas04]J.P.Castro.All IP in 3G CDMA Networks.John Wiley ＆Sons，Ltd.，Chichester，England，2004.
[CG91]T.S.Chu and M.J.Gans.Fiber optic microcellular radio.IEEE，pages339-344，1991.
[CR02]S.Cotter and B.Rao.Sparse channel estimation via matchingpursuit with application to equalization.IEEE Trans.On Communications，pages374-377，March 2002.
[CW08]E.Candes and M.Wakin.An introduction to compressive samplingIEEE Signal Proc.Mag.，pages 21-30，March 2008.
[ESY05]C.Enz，N.Scolari，and U.Yodprasit.Ultra low-power radio designfor wireless sensor networks.IEEE Intl.Workshop on RF Integration Tech.，pages1-17，Dec.2005.
[JR08]Y.Jin and B.Rao.Performance limits of matching pursuitalgorithms.IEEE Intl.Sym.Info.Theory，pages 2444-2448，July 2008.
[KJR+06]J.Kaukovuori，J.A.M.Jarvinen，J.Ryynanen，J.Jussila，K.Kivekas，and K.A.I.Halonen.Direct-conversion re-ceiver for ubiquitouscommunications.IEEE，pages 103-106，2006.
[LKL+08]M.Lee，G.Ko，S.Lim，M.Song，and C.Kim.Dyanmicspectrum accesstechniques：Tpc-resilient initial access in open spectrum bands.Intl.Conf.onCognitive Radio Ori-ented Wireless Networks and Comm.，pages 1-6，May 2008.
[LY08]D.Luenberger and Y.Ye.Linear and NonlinearProgramming.Springer，third edition，2008
[Pro83]John G.Proakis.Digital Communications.McGraw-Hill，New York，NewYork，first edition，1983.
[TGS05]J.A.Tropp，A.C.Gilbert，and M.J.Strauss.Simultaneous sparseapproximation via greedy pursuit.IEEE ICASSP，pages V721-V824，2005.
在本文公开的各种实施例中，多个用户设备(UE)经由远程采样器(RS)的聚集，通过上行链路(UL)与中央脑(CB)通信。由基站塔提供下行链路(DL)。
UE发送在任何给定RS的接收天线处表现为相应单独波形的“和”。将存在于RS天线处的该“和”表示为“g”。RS使用在每个RS处捕捉M个采样的采样技术(在不同的RS处，M可以不同)。
在传统系统中，对于每个发送波形，可以发送例如N个CDMA码片。如果接收机具有码片锁定，则可以在解扩之前，由CDMA接收机保留N个采样。在第二示例中，如果窄带发射机(比如GSM)正在使用8-PSK或GMSK调制来发送符号，且GSM接收机具有精确的符号定时，则要求每个符号1个采样以识别所发送的符号。在远程采样器系统中，假如UE已发送了N个符号，则从给定RS传递至CB的采样的数目是M，其中，当预期UE对来自在UE处使用的Ψ矩阵的列的S稀疏组合进行发送时，M小于N，其中，S远小于N。将包含这些采样的M维向量表示为y。
若干前端配置在无线设计中被使用，且其提供了RS前端的设计指南。增加在前端中可用的供电电流的量可以增加使用中的特定前端设计的动态范围。模拟前端的组件是：LNA(低噪放大器)、PLL(锁相环)、混频器、衰减器、IF滤波器和ADC(模数转换器)。在本公开中，利用电路功率对动态范围的影响来改进信号检测。
一般而言，由于允许PLL消耗更多的电流，因此所产生的信号的相位噪声分量中的功率下降。这引起接收信号的信噪比(SNR)达到最大限制。通过增加供应给PLL的电流的量，可以增加最大可实现SNR。
可以存在一些实例，其中，存在具有不同接收能量水平的两个UE信号。由于模拟前端具有有限的动态范围(DR)，在模数转换(ADC)之后，较弱的信号在远程采样器中可能仅出现在与接收机电路噪声电平可比较的电平上。假定较弱的信号来自UE2，且将来自UE2的稀疏信号表示为x2。CB可能在检测x2上具有糟糕的成功率。为了减轻这个问题，基于来自CB的命令来增加ADC的动态范围。从而，较弱的信号现在不被接收机电路噪声所淹没。当将y传递给CB时，CB将具有更好的成功率来检测x2。
CB可以通过在连接光纤上从CB向RS发送的命令来调整M、Φ、DR、采样定时、载波偏移以及RS的任何其他电路参数。通过有时增加用于准确查看天线信号g的M和DR，CB可以确定M和DR(及其他参数)的稳态值。然后，CB向RS指示对于M和DR(及其他参数)使用什么值。如果CB计算出对接收信号的检测受限于加性热噪声，则CB可以发送命令，以减少NF的方式来增加耗用电流(current drain)。
所公开的系统的目的是：当区域中的UE没有正在发送数据时，最小化给定RS中的耗用电流。将UE对系统的接入分为两个阶段：i)存在性信令，以及ii)有效载荷传输。在存在性信令阶段期间，UE将发送稀疏信号。在有效载荷传输模式下不支持一个或多个UE的RS将在M＜N的情况下进行采样。很多不同的接收机配置是可能的，且一些配置对于低占空比的窄带操作是更优化的，而另一些配置对于高带宽的高动态范围操作是更佳的。在本公开中，RS前端电路可以根据在给定RS附近中提供了CB估计的UL业务负载，针对由CB命令的一个体制或另一个体制来配置一些组件(LNA、混频器、PLL、ADC)。
由于CB将裁减RS的耗用电流以适合UE发送UL数据的需要，对于未由110V线路功率供电的那些RS，RS电池电平的状态将在不同RS之间变化，因为UE对服务的需要在地理上是不一致的。CB可以维护对每个RS的期望电池寿命的估计，并对有需要的那些RS电池进行充电。如果最接近活跃UE群(cluster)的RS(“RS_low”)具有低的电池功率，则CB可以在实时操作中调整耗用电流，以使用更多的电池功率从采样器(“RS_high”)收集更多的采样或者与更高DR或更低NF相对应的采样。CB可以使用来自RS_high和RS_low的作为结果的采样，来确定所发送的数据。
已经示出了和描述了示例实施例，本领域普通技术人员可以在不脱离本公开的范围的情况下通过恰当的修改完成对本文所述的方法、设备和系统的进一步调整。已经提到了若干这种潜在的修改，并且其他的修改对于本领域技术人员将是显而易见的。例如，上述讨论的示例、实施例等是例示性的而非必然要求的。相应地，应当针对下述权利要求考虑本公开的范围，且应当理解本公开不受限于在说明书和附图中示出和描述的结构、操作和功能的细节。
如上所述，所述公开包括以下阐述的方面。

Claims (12)

1.一种用于处理通信系统中的数据的方法，包括：
使用采样器，通过无线信道接收和信号，所述和信号包括基于向量集的S稀疏组合的第一用户设备信号发送和第二用户设备信号发送；
响应于从远程中央处理器接收到指令，调整所述采样器的动态范围，以优化对所述第一用户设备信号发送的检测；以及
通过将所述和信号与感测波形集相关以创建采样集，在所述采样器处对所述和信号进行处理，其中，所述采样集中的采样的总数等于所述感测波形集中的感测波形的总数，以及其中所述感测波形集中的感测波形的总数少于所述向量集中的向量的总数。
2.根据权利要求1所述的方法，还包括：
调整所述采样器的动态范围，以优化对所述第一用户设备信号发送和所述第二用户设备信号发送的检测。
3.根据权利要求1所述的方法，其中，通过调整提供给所述采样器的模拟前端中的组件的电流，调整所述采样器的所述动态范围，其中，所述采样器的模拟前端中的组件包括低噪放大器LNA、锁相环PLL、混频器、衰减器和中频IF滤波器。
4.一种用于处理通信系统中的数据的方法，包括：
使用采样器，通过无线信道接收和信号发送，所述和信号发送包括基于向量集的S稀疏组合的第一用户设备信号发送和第二用户设备信号发送；
通过调整提供给所述采样器的模拟前端中的预定组件的电流，调整所述采样器的前端噪声图，以优化对所述第一用户设备信号发送的检测；以及
通过将所述和信号发送与感测波形集相关以创建采样集，在所述采样器处对所述和信号发送进行处理，其中，所述采样集中的采样的总数等于所述感测波形集中的感测波形的总数，以及其中所述感测波形集中的感测波形的总数少于所述向量集中的向量的总数。
5.根据权利要求4所述的方法，还包括：
调整所述前端噪声图，以优化对所述第一用户设备信号发送和所述第二用户设备信号发送的检测。
6.根据权利要求4所述的方法，其中，响应于从远程中央处理器接收到指令而调整提供给所述模拟前端组件中的所述预定组件的电流。
7.根据权利要求4所述的方法，其中，所述采样器的模拟前端中的组件包括低噪放大器LNA、锁相环PLL、混频器、衰减器和中频IF滤波器。
8.一种采样器，包括：
第一接收机，能够操作用于通过无线随机接入信道接收第一用户设备信号发送；以及
第二接收机，能够操作用于通过数据有效载荷信道接收第二用户设备信号发送；
其中，所述第一用户设备信号发送基于向量集的S稀疏组合；或者所述第二用户设备信号基于向量集的S稀疏组合；以及
其中，所述采样器通过将所述向量集与感测波形集相关以创建采样集，来对所述向量集进行处理，其中，所述采样集中的采样的总数等于所述感测波形集中的感测波形的总数，以及其中所述感测波形集中的感测波形的总数少于所述向量集中的向量的总数。
9.一种用于处理通信系统中的数据的方法，包括：
使用接收机，通过无线信道接收基于向量集的S稀疏组合的用户设备信号发送；以及
调整所述接收机的功耗，其中，当所述用户设备信号发送包括存在性信号发送时，所述接收机具有第一功耗电平，以及当所述用户设备信号发送包括有效载荷信号发送时，所述接收机具有第二功耗电平；以及
通过将所述用户设备信号发送与感测波形集相关以创建采样集，对所述用户设备信号发送进行处理，其中，所述采样集中的采样的总数等于所述感测波形集中的感测波形的总数，以及其中所述感测波形集中的感测波形的总数少于所述向量集中的向量的总数。
10.根据权利要求9所述的方法，其中，所述第一功耗电平低于所述第二功耗电平。
11.根据权利要求9所述的方法，其中，通过调整提供给所述接收机的模拟前端中的组件的电流，调整所述接收机的功耗电平。
12.根据权利要求9所述的方法，其中，响应于从远程中央处理器接收到指令而调整所述接收机的所述功耗。
CN201080034095.9A 2009-07-31 2010-07-29 使用压缩采样的基于传感器的无线通信系统 Active CN103858351B (zh)

Applications Claiming Priority (7)

Application Number Priority Date Filing Date Title
US23030909P 2009-07-31 2009-07-31
US61/230,309 2009-07-31
US12/635,526 2009-12-10
US12/635,526 US8644244B2 (en) 2008-12-12 2009-12-10 Sensor-based wireless communication systems using compressive sampling
US12/760,892 2010-04-15
US12/760,892 US20100290395A1 (en) 2009-04-15 2010-04-15 Sensor-based wireless communication systems using compressive sampling
PCT/US2010/043747 WO2011014678A2 (en) 2009-07-31 2010-07-29 Sensor-based wireless communication systems using compressive sampling

Publications (2)

Publication Number Publication Date
CN103858351A CN103858351A (zh) 2014-06-11
CN103858351B true CN103858351B (zh) 2018-02-23

Family

ID=43332719

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201080034095.9A Active CN103858351B (zh) 2009-07-31 2010-07-29 使用压缩采样的基于传感器的无线通信系统

Country Status (4)

Country Link
EP (1) EP2460277A2 (zh)
CN (1) CN103858351B (zh)
CA (1) CA2769642C (zh)
WO (1) WO2011014678A2 (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101494627A (zh) * 2009-03-11 2009-07-29 北京邮电大学 宽带移动通信中利用压缩感知减少导频数的信道估计方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006122146A2 (en) * 2005-05-10 2006-11-16 William Marsh Rice University Method and apparatus for distributed compressed sensing
WO2007050593A2 (en) * 2005-10-25 2007-05-03 William Marsh Rice University Method and apparatus for signal detection, classification, and estimation from compressive measurements
US8644244B2 (en) * 2008-12-12 2014-02-04 Research In Motion Limited Sensor-based wireless communication systems using compressive sampling

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101494627A (zh) * 2009-03-11 2009-07-29 北京邮电大学 宽带移动通信中利用压缩感知减少导频数的信道估计方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
analog front end for 3g femto base stations brings wireless connectivity home;Thomas Cameron;《anlog网站》;20081201;第1-4页 *
performance evaluation of distributed compressed wideband sensing for congnitive radio networks;ZHIZ TIAN;《IEEE》;20080630;第318-325页 *

Also Published As

Publication number Publication date
EP2460277A2 (en) 2012-06-06
WO2011014678A2 (en) 2011-02-03
CA2769642A1 (en) 2011-02-03
CA2769642C (en) 2017-11-07
CN103858351A (zh) 2014-06-11
WO2011014678A3 (en) 2011-06-03

Similar Documents

Publication Publication Date Title
CN102318194B (zh) 使用压缩采样的基于传感器的无线通信系统
CN102812643A (zh) 使用具有稀疏数据的压缩感测的基于传感器的无线通信系统
US8693597B2 (en) Sensor-based wireless communication systems using compressive sampling
CN103262453B (zh) 用于mimo信道的稀疏码以及用于稀疏码的检测器备选
Durand et al. Evaluation of next‐generation low‐power communication technology to replace GSM in IoT‐applications
Abbasi-Daresari et al. Toward cluster-based weighted compressive data aggregation in wireless sensor networks
CN103117970B (zh) Mimo系统中全双工天线的选择方法
US20100290395A1 (en) Sensor-based wireless communication systems using compressive sampling
CN106452700A (zh) 一种进行数据传输的方法和设备
CN102461247B (zh) 使用压缩采样的基于传感器的无线通信系统
CN103858491B (zh) 用于低功率介质访问的系统和方法
CN110140301A (zh) 同步信号块传输方法、装置及存储介质
CN111988783A (zh) 一种上行非正交多址的安全传输方法及系统
Li et al. System‐level performance simulation analysis of non‐orthogonal multiple access technology in 5G mobile communication network
CN106507391B (zh) 无线局域网中的干扰导向方法
CN103858351B (zh) 使用压缩采样的基于传感器的无线通信系统
Abdullah et al. Comparative Study the Effect of Antenna Selection on Capacity and Energy Efficiency of 5G Systems
Jiang et al. A Full‐Duplex MIMO System Based on CP‐Free OFDM in Sensor Network
Kumar et al. Implementation of Software Controlled Radio for Long Range Communication with High Data Rate and Optimal Capacity
Zhao Compression and Recovery in Cell-free Cloud Radio Access Network
Gao et al. Interference Alignment for the Uplink Heterogeneous Cellular Networks

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: Voight, Ontario, Canada

Applicant after: BlackBerry Ltd.

Address before: Voight, Ontario, Canada

Applicant before: Research In Motion Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20240529

Address after: Ai Erlandubailin

Patentee after: Maliki Innovation Co.,Ltd.

Country or region after: Ireland

Address before: Voight, Ontario, Canada

Patentee before: BlackBerry Ltd.

Country or region before: Canada