CN109379745A - 一种面向5g的多用户协作频谱感知策略研究方法 - Google Patents
一种面向5g的多用户协作频谱感知策略研究方法 Download PDFInfo
- Publication number
- CN109379745A CN109379745A CN201811099444.XA CN201811099444A CN109379745A CN 109379745 A CN109379745 A CN 109379745A CN 201811099444 A CN201811099444 A CN 201811099444A CN 109379745 A CN109379745 A CN 109379745A
- Authority
- CN
- China
- Prior art keywords
- signal
- spectrum
- broadband
- user
- algorithm
- 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.)
- Pending
Links
- 238000001228 spectrum Methods 0.000 title claims abstract description 87
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000008447 perception Effects 0.000 title abstract description 4
- 239000011159 matrix material Substances 0.000 claims abstract description 32
- 238000005070 sampling Methods 0.000 claims abstract description 26
- 238000011160 research Methods 0.000 claims abstract description 12
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 10
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 239000002184 metal Substances 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 16
- 230000001149 cognitive effect Effects 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 abstract description 5
- 230000004927 fusion Effects 0.000 abstract description 4
- 238000007906 compression Methods 0.000 abstract description 3
- 230000006835 compression Effects 0.000 abstract description 3
- 238000007907 direct compression Methods 0.000 abstract 1
- 238000009792 diffusion process Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000002401 inhibitory effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 101100398248 Arabidopsis thaliana KIN10 gene Proteins 0.000 description 1
- 241001289435 Astragalus brachycalyx Species 0.000 description 1
- 235000002917 Fraxinus ornus Nutrition 0.000 description 1
- 108010076504 Protein Sorting Signals Proteins 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000012466 permeate Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/14—Spectrum sharing arrangements between different networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明公开了一种面向5G的多用户协作频谱感知策略研究方法。所述发明围绕5G环境下认知无线电协作感知中的决策融合技术展开研究,着眼于解决融合中心对检测节点检测可靠性的估计问题。本发明通过概率统计的方式估算各个检测节点的检测可靠性,同时将利用宽带频谱的稀疏性研究一种基于BOMP算法的宽带频谱感知方法,该方法利用调制宽带转换器(MWC)采样实现对宽带模拟信号直接压缩采样;利用自相关矩阵对称分解特性和系统用户信号独立性,得到有限维压缩采样信号模型。本发明还利用引入影响因子的AIC/MDL准则估计稀疏度作为BOMP算法迭代停止的条件,大大减少了算法复杂度和感知过程产生的时延。
Description
技术领域
本发明涉及无线通信、认知无线电、宽带频谱感知技术领域,具体涉及一种面向5G的多用户协作频谱感知策略研究方法。
背景技术
第五代移动通信(5G)是面向2020年以后移动通信需求而发展的新一代移动通信系统,将渗透到物联网及各种行业领域,实现真正的“万物互联”。同时,无线频谱资源短缺的问题越来越突出。认知无线电(Cognitive Radio,CR)技术对周围无线环境感知的同时,集合当前状态及参考历史信息进行检测、分析、学习和规划,通过自适应地调整自己的传输参数实现频谱的动态接入以提高频谱利用率,成为移动互联网和物联网发展的关键技术。频谱感知技术是认知无线电系统的基石所在,只有通过准确而有效的频谱检测,认知用户(Cognitive Users,CU)才能找到空闲频谱进行接入,同时避免对主用户(Primary Users,PU)系统造成干扰。
频谱感知是实现对复杂信道环境检测的重要条件和手段,而协作频谱感知(集中式和分布式)算法是当前研究的重点。本文主要研究分布式协作频谱感知,这种方式的频谱感知分为两个阶段:感知和报告。感知就是每个认知用户独立完成局部的检测,报告是指在所有用户的局部检测完成后将检测结果发送到融合中心(Fusion Center,FC),融合中心将接收到的局部统计信息进行融合,综合做出主用户存在与否的判决。利用协作频谱感知可以有效提高系统的检测可靠性,同时降低检测时的误警概率。
在实际场景中,认知用户接收到的信号具有稀疏性,这种稀疏性的表现形式多种多样,因为非零系数的信号在任何位置均有可能出现,而常用的信号的稀疏模型为块稀疏。因此,在宽带无线频谱中利用信号的稀疏特性可以降低压缩感知的采样速率。最先用于宽带压缩感知的是正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法,此算法在重构信号时计算复杂度较高,而且会对频谱感知的造成较大时延。在信号的稀疏性模型得出后,学术界提出了一种基于OMP算法的频谱感知算法,即块正交匹配追踪(Block OrthogonalMatching Pursuit,BOMP)算法,此算法可以有效降低采样速率,并减小计算复杂度。但是传统的块稀疏重构算法存在的问题是,在未知非零子块边界信息的情况下重构会失败,也就是说,在宽带频谱感知场景下,授权主用户(Primary Users,PU)占用的子频带边界信息对二级用户(Secondary Users,SU)往往是受限的,SU通常只会知道PU的一个大概占用范围,而对具体的边界信息是未知的。
针对上述问题,Tanumay Manna等人提出一种改进OMP算法的新型BOMP算法,可以根据不同的信道环境设计不同大小的非零子块,以提高检测精度和检测耗时。Duarte M.F等人提出了一种分布式压缩感知算法,采用同步正交匹配追踪(Simultaneous OrthogonalMatching Pursuit,SOMP)算法联合重构多个检测节点,其仿真结果表明利用该算法可以提高重构精确度,并能有效降低所需观测数目。在5G应用的多频段多干扰密集用户的复杂信道环境下,噪声的不确定将会严重影响频谱的感知过程。同时,较低的信噪比环境下频谱感知问题很难实现。
发明内容
本发明的目的是提供一种基于BOMP算法的提高宽带频谱感知效率的方法,此方法在信号估计阶段采用引入影响因子的AIC/MDL准则估计稀疏度作为BOMP算法迭代停止的条件,大大减少了算法复杂度,提高了在复杂环境中的感知准确性。
为实现上述目的,本发明采用的技术方案如下:一种面向5G的多用户协作频谱感知策略研究方法,包括以下步骤:
步骤一:用户信号xi(t)经过调制信号mi(t)调制后,通过信道冲激响应h(t)得到模拟宽带信号yi(t);
步骤二:模拟宽带信号yi(t)经过以速率fs=B进行采样,得到M组序列zi[k],i=1,2,...,M,然后将zj[k]转换为频域表达,得到的频域信号表达模型Z(f)=AY(f)+W(f),f∈[0,B],
其中,A∈CM×N是调制矩阵(A是支撑集),Y(f)表示输入频域信号,W(f)表示频域噪声,Z(f)表示输出频域信号;
步骤三:自相关矩阵可由K组序列相关的平均得到,即所以当K趋于无穷大时,利用矩阵分解式可以得到一个有限维度的矩阵V,进而得到有限维压缩信号的采样信号模型V=AU;其中,表示自相关矩阵,V表示有限维度的分解矩阵,U表示采样矩阵。
步骤四:对宽带频谱中主用户的信源个数通过引入影响因子α∈(0,1)的AIC/MDL准则进行估算,主用户为宽带频谱中非零子块边界,信源数为用户信号xi(t)的个数;
步骤五:估算出宽带频谱中主用户的信源个数之后,通过BOMP算法进行宽带频谱协作感知,确定信源数;其中BOMP算法包括如下步骤:
输入:观测信号y,采样矩阵U,块稀疏度p;
输出:原始块稀疏频谱的最优估计;
步骤1:采用MWC直接压缩采样宽带频谱中的宽带模拟信号,得到zi[k];
步骤2:通过估计并进行自相关矩阵分解
步骤3:利用引入影响因子的AIC/MDL准则估计主用户信号个数
步骤4:初始化估计支撑集A=Φ,残差yr=V,重构频谱迭代次数t=1;
步骤5:利用残差yr来确定A中与其相匹配的列:相匹配的列为A中与V相关性最强的列;
步骤6:更新支撑集At=[At-1,A(:,i)];
步骤7:计算重构频谱
步骤8:更新残差
步骤9:若则转至步骤10,若t=t+1,转至步骤5;
步骤10:迭代停止,得到重构频谱
进一步的,所述用户信号xi(t)被智能感知节点感知,并将感知到的数据传送到网关,再经过基站传送到后台进行频谱数据的分析,将信号xi(t)放在整段宽带频谱中,当有需求的用户来请求资源时,将宽带频谱中感知的空洞频谱分配给用户。
进一步的,步骤一中xi(t)经过mi(t)调制得到信号ri(t),即其中,xi(t)是输入信号,mi(t)是调制信号;
进一步的,步骤一中经过调制得到的信号ri(t),通过信道冲激响应h(t),再经过窄带滤波得到宽带模拟信号yi(t),即
进一步的,在信源个数估计时,通过引入影响因子来避免信源个数的过估计,信源估计算法描述如下:
其中,S是待估计信源个数,k为阵元数,T为快拍数,λi为自相关矩阵的特征值,α为影响因子,与信号阵元数和信噪比有关。
影响因子α的经验公式由Levenberg-Marquqrdt算法拟合得出:
α=α1+α2*SNR+α3*SNR2+α4/(1+((k-α5)/α6)2)
其中,αi(i=1,...,6)为算法拟合系数,其值分别是α1=1.243,α2=0.115,α3=0.004,α4=-0.338,α5=1.269,α6=7.526。
进一步的,所述步骤1中MWC采样宽带模拟信号时,采用小于2倍的奈奎斯特采样率。
本发明的有益效果是:利用引入影响因子的AIC/MDL准则进行信源个数的估计,通过影响因子减小参数复杂度的估计,抑制噪声特征值的扩散,从而避免信源个数的过估计,同时在面向5G多用户协作频谱感知情况下,可以发现BOMP算法大大提高了频谱感知的准确性,同时减少了感知过程产生的时延。
附图说明
图1为本发明基于BOMP算法的频谱感知框图。
图2为本发明的系统模型图。
具体实施方式
下面结合附图对技术方案的实施作进一步的详细描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
如图1~2所示,本实施例提供了:一种面向5G的多用户协作频谱感知策略研究方法,包括以下步骤:
步骤一:用户信号xi(t)经过调制信号mi(t)调制后,通过信道冲激响应h(t)得到模拟宽带信号yi(t);
步骤二:模拟宽带信号yi(t)经过以速率fs=B进行采样,得到M组序列zi[k],i=1,2,...,M,然后将zj[k]转换为频域表达,得到的频域信号表达模型Z(f)=AY(f)+W(f),f∈[0,B],
其中,A∈CM×N是调制矩阵(A是支撑集),Y(f)表示输入频域信号,W(f)表示频域噪声,Z(f)表示输出频域信号;
步骤三:自相关矩阵可由K组序列相关的平均得到,即所以当K趋于无穷大时,利用矩阵分解式可以得到一个有限维度的矩阵V,进而得到有限维压缩信号的采样信号模型V=AU。其中,表示自相关矩阵,V表示有限维度的分解矩阵,U表示采样矩阵。
步骤四:对宽带频谱中主用户的信源个数通过引入影响因子α∈(0,1)的AIC/MDL准则进行估算,主用户为宽带频谱中非零子块边界;
步骤五:估算出宽带频谱中主用户的信源个数之后,通过BOMP算法进行宽带频谱协作感知,确定信源数;其中BOMP算法包括如下步骤:
输入:观测信号y,采样矩阵U,块稀疏度p;
输出:原始块稀疏频谱的最优估计;
步骤1:采用MWC直接压缩采样宽带频谱中的宽带模拟信号,得到zi[k];
步骤2:通过估计并进行自相关矩阵分解
步骤3:利用引入影响因子的AIC/MDL准则估计主用户信号个数
步骤4:初始化估计支撑集A=Φ,残差yr=V,重构频谱迭代次数t=1;
步骤5:利用残差yr来确定A中与其相关性最强的列:
步骤6:更新支撑集At=[At-1,A(:,i)];
步骤7:计算重构频谱
步骤8:更新残差
步骤9:若则转至步骤10,若t=t+1,转至步骤5;
步骤10:迭代停止,得到重构频谱
智能感知节点感知节点范围的所有用户信号xi(t),将感知到的数据传送到网关,再经过基站传送到后台进行频谱数据的分析,将结果放在整段宽带频谱中,当有需求的用户来请求资源时,将宽带频谱中感知的空洞频谱分配给用户。
步骤一中xi(t)经过mi(t)调制得到信号ri(t),即其中,xi(t)是输入信号,mi(t)是调制信号;
步骤一中经过调制得到的信号ri(t),通过信道冲激响应h(t),再经过窄带滤波得到宽带模拟信号yi(t),即
在信源个数估计阶段,对迭代停止准则AIC/MDL进行改进,通过引入影响因子来避免信源个数的过估计,信源估计算法描述如下:
其中,S是待估计信源个数,k为阵元数,T为快拍数,λi为自相关矩阵的特征值,α为影响因子,与信号阵元数和信噪比有关。
影响因子α的经验公式由Levenberg-Marquqrdt算法拟合得出:
α=α1+α2*SNR+α3*SNR2+α4/(1+((k-α5)/α6)2)
其中,αi(i=1,...,6)为算法拟合系数,其值分别是α1=1.243,α2=0.115,α3=0.004,α4=-0.338,α5=1.269,α6=7.526。
所述步骤1中MWC采样宽带模拟信号时,采用小于2倍的奈奎斯特采样率。
利用Matlab进行仿真,计算频谱检测可靠性的检测概率PD和误警概率PF公式如下:
其中,pm表示第m次实验产生的信号个数,M表示实验次数,N表示信道数,num()表示求数量,集合Cori和C分别表示实际被占用的信源数集合和估计得到的信源数集合。
本发明的有益效果是:利用引入影响因子的AIC/MDL准则进行信源个数的估计,通过影响因子减小参数复杂度的估计,抑制噪声特征值的扩散,从而避免信源个数的过估计,同时在面向5G多用户协作频谱感知情况下,可以发现BOMP算法大大提高了频谱感知的准确性,同时减少了感知过程产生的时延。
各个智能感知节点感知本节点范围的设备,将感知到的数据传送到网关,再经过基站传送到后台进行频谱数据的分析,将结果放在频谱池中,当有需求的用户来请求资源时可以给其分配感知的空洞频谱。
整个频谱感知分为MWC采样、序列处理、信源估计和BOMP算法重构四步进行。MWC采样对宽带频谱的稀疏信号进行调制压缩采样,可以以小于2倍的奈奎斯特采样率来提高效率。序列处理将稀疏信号序列进行变换为有限维压缩矩阵。信源估计采用引入影响因子的AIC/MDL准则来提高估计准确性,避免了信源过估计。BOMP算法重构相比传统的OMP算法提高了重构效率和准确率,在一定程度上改善了宽带频谱感知的实时性。
本发明的优点是:利用引入影响因子的AIC/MDL准则进行信源个数的估计,通过影响因子减小参数复杂度的估计,抑制噪声特征值的扩散,从而避免信源个数的过估计,同时在面向5G多用户协作频谱感知情况下,BOMP算法将大大提高了频谱感知的准确性,同时减少了感知过程产生的时延。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (6)
1.一种面向5G的多用户协作频谱感知策略研究方法,包括以下步骤:
步骤一:用户信号xi(t)经过调制信号mi(t)调制后,通过信道冲激响应h(t)得到模拟宽带信号yi(t);
步骤二:模拟宽带信号yi(t)以速率fs=B进行采样,得到M组序列zi[k],i=1,2,...,M,然后将zi[k]通过离散傅里叶变换转换为频域表达,得到的频域信号表达模型Z(f)=AY(f)+W(f),f∈[0,B],
其中,A∈CM×N是调制矩阵(A是支撑集),Y(f)表示输入频域信号,W(f)表示频域噪声,Z(f)表示输出频域信号;
步骤三:自相关矩阵可由K组序列相关的平均得到,即所以当K趋于无穷大时,利用矩阵分解式可以得到一个有限维度的矩阵V,进而得到有限维压缩信号的采样信号模型V=AU,其中,表示自相关矩阵,V表示有限维度的分解矩阵,U表示采样矩阵。
步骤四:对宽带频谱中主用户的信源个数通过引入影响因子α∈(0,1)的AIC/MDL准则进行估算,主用户为宽带频谱占有者;
步骤五:估算出宽带频谱中主用户的信源个数之后,通过BOMP算法进行宽带频谱协作感知,确定信源数;其中BOMP算法包括如下步骤:
输入:观测信号y,采样矩阵U,块稀疏度p;
输出:原始块稀疏频谱的最优估计;
步骤1:采用MWC直接压缩采样宽带频谱中的宽带模拟信号,得到zi[k];
步骤2:通过估计并进行自相关矩阵分解
步骤3:利用引入影响因子的AIC/MDL准则估计主用户信号个数
步骤4:初始化估计支撑集A=Φ,残差yr=V,重构频谱迭代次数t=1;
步骤5:利用残差yr来确定A中与其相匹配的列:
步骤6:更新支撑集At=[At-1,A(:,i)];
步骤7:计算重构频谱
步骤8:更新残差
步骤9:若则转至步骤10;若t=t+1,转至步骤5;
步骤10:迭代停止,得到重构频谱
2.根据权利要求1所述的一种面向5G的多用户协作频谱感知策略研究方法,其特征在于,所述用户信号xi(t)被智能感知节点感知,并将感知到的数据传送到网关,再经过基站传送到后台进行频谱数据的分析,将分析结果放在频谱池中,当有需求的用户来请求资源时,将宽带频谱中感知的空洞频谱分配给用户。
3.根据权利要求1所述的一种面向5G的多用户协作频谱感知策略研究方法,其特征在于,步骤一中xi(t)经过mi(t)调制得到信号ri(t),即其中,xi(t)是输入信号,mi(t)是调制信号。
4.根据权利要求3所述的一种面向5G的多用户协作频谱感知策略研究方法,其特征在于,步骤一中经过调制得到的信号ri(t),通过信道冲激响应h(t),再经过窄带滤波得到宽带模拟信号yi(t),即
5.根据权利要求1所述的一种面向5G的多用户协作频谱感知策略研究方法,其特征在于,所述步骤四中,引入影响因子的信源估计算法描述如下:
其中,S是待估计信源个数,k为阵元数,T为快拍数,λi为自相关矩阵的特征值,α为影响因子,与信号阵元数和信噪比有关;
影响因子α的经验公式由Levenberg-Marquqrdt算法拟合得出:
α=α1+α2*SNR+α3*SNR2+α4/(1+((k-α5)/α6)2)
其中,αi(i=1,...,6)为算法拟合系数,其值分别是α1=1.243,α2=0.115,α3=0.004,α4=-0.338,α5=1.269,α6=7.526。
6.根据权利要求1所述的一种面向5G的多用户协作频谱感知策略研究方法,其特征在于,所述步骤1中MWC采样宽带模拟信号时,利用小于2倍的奈奎斯特采样率对宽带模拟信号进行MWC采样。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811099444.XA CN109379745A (zh) | 2018-09-20 | 2018-09-20 | 一种面向5g的多用户协作频谱感知策略研究方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811099444.XA CN109379745A (zh) | 2018-09-20 | 2018-09-20 | 一种面向5g的多用户协作频谱感知策略研究方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109379745A true CN109379745A (zh) | 2019-02-22 |
Family
ID=65405685
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811099444.XA Pending CN109379745A (zh) | 2018-09-20 | 2018-09-20 | 一种面向5g的多用户协作频谱感知策略研究方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109379745A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110289926A (zh) * | 2019-07-22 | 2019-09-27 | 南通大学 | 基于调制信号循环自相关函数对称峰值的频谱感知方法 |
CN114329933A (zh) * | 2021-12-20 | 2022-04-12 | 北京力通通信有限公司 | 一种宽带功率放大器输入输出特性拟合方法 |
CN115190029A (zh) * | 2022-06-30 | 2022-10-14 | 上海交通大学 | 在扫频干扰下的全时空域宽带频谱空间构建方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103138859A (zh) * | 2013-02-25 | 2013-06-05 | 东华大学 | 基于回溯和集中式协作认知无线电宽带频谱压缩感知方法 |
US20160150415A1 (en) * | 2014-11-26 | 2016-05-26 | J. Nicolas Laneman | Method and apparatus for wideband spectrum sensing |
-
2018
- 2018-09-20 CN CN201811099444.XA patent/CN109379745A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103138859A (zh) * | 2013-02-25 | 2013-06-05 | 东华大学 | 基于回溯和集中式协作认知无线电宽带频谱压缩感知方法 |
US20160150415A1 (en) * | 2014-11-26 | 2016-05-26 | J. Nicolas Laneman | Method and apparatus for wideband spectrum sensing |
Non-Patent Citations (2)
Title |
---|
叶中付等: "基于信息论准则的信源个数估计算法改进", 《电波科学学报》 * |
张鹏: "认知无线电宽带频谱感知技术研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110289926A (zh) * | 2019-07-22 | 2019-09-27 | 南通大学 | 基于调制信号循环自相关函数对称峰值的频谱感知方法 |
CN110289926B (zh) * | 2019-07-22 | 2020-11-27 | 南通大学 | 基于调制信号循环自相关函数对称峰值的频谱感知方法 |
CN114329933A (zh) * | 2021-12-20 | 2022-04-12 | 北京力通通信有限公司 | 一种宽带功率放大器输入输出特性拟合方法 |
CN114329933B (zh) * | 2021-12-20 | 2022-08-23 | 北京力通通信有限公司 | 一种宽带功率放大器输入输出特性拟合方法 |
CN115190029A (zh) * | 2022-06-30 | 2022-10-14 | 上海交通大学 | 在扫频干扰下的全时空域宽带频谱空间构建方法及系统 |
CN115190029B (zh) * | 2022-06-30 | 2024-01-19 | 上海交通大学 | 在扫频干扰下的全时空域宽带频谱空间构建方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108599820B (zh) | 基于块结构自适应压缩采样匹配追踪算法的大规模mimo系统信道估计方法 | |
WO2020034394A1 (zh) | 基于压缩感知的大规模mimo信道反馈重构算法 | |
CN103347268B (zh) | 认知传感器网络中基于能量有效性观测的自适应压缩重构方法 | |
CN106209703B (zh) | 一种跳频信号参数盲估计方法及装置 | |
CN103716262B (zh) | 基于时域参数提取的信道估计方法 | |
CN109379745A (zh) | 一种面向5g的多用户协作频谱感知策略研究方法 | |
CN102984711A (zh) | 基于单比特压缩感知技术的多用户协作频谱感知方法 | |
CN101630982B (zh) | 基于并行压缩感知的宽带认知无线电频谱检测方法 | |
CN103873170B (zh) | 一种在盲稀疏条件下压缩感知的频谱检测方法 | |
CN109257309A (zh) | 一种高性能的大规模mimo下行链路传输信道估计方法 | |
CN106534002B (zh) | 一种基于压缩感知的电力线信道估计方法 | |
CN109633538B (zh) | 非均匀采样系统的最大似然时差估计方法 | |
CN108418769A (zh) | 一种分布式压缩感知稀疏度自适应重建方法 | |
CN113242191B (zh) | 一种改进的时序多重稀疏贝叶斯学习水声信道估计方法 | |
EP2517201B1 (en) | Sparse audio processing | |
CN112272068A (zh) | 一种基于多任务压缩感知的多样化干扰估计和抑制方法 | |
CN104869086A (zh) | 基于二维压缩感知的mimo-ofdm通信系统下行信道估计方法、装置 | |
CN113595941A (zh) | 深度学习的压缩感知大规模mimo信道估计方法及系统 | |
CN106301631A (zh) | 一种基于子空间分解的互素欠采样频谱感知方法及其装置 | |
CN107895580B (zh) | 一种音频信号的重建方法和装置 | |
CN106548780B (zh) | 一种语音信号的压缩感知重构方法 | |
CN103346984B (zh) | 基于bsl0的局部聚类稀疏信道估计方法 | |
CN104079520A (zh) | 一种ofdm系统的脉冲干扰抑制方法 | |
CN103929256B (zh) | 一种多帧压缩感知信号频谱检测方法 | |
JP4724225B2 (ja) | タイムスロットcdmaシステムにおける多コード集合通信路推定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190222 |
|
RJ01 | Rejection of invention patent application after publication |