论文翻译.pdf

在认知无线电（CR）技术中，为了支持高速数据率应用，需要进行宽频谱感知。然而，长期的宽频谱感知成本高昂，尤其在存在高噪声、干扰、异常值和信道衰落等不确定性的情况下更是难以实现。本文提出了一种定时序列压缩频谱感知方案，该方案综合运用了压缩感知（CS）和序列周期性检测技术，以实现更准确及时的宽频谱感知。与传统的CS重构信号不同，我们提出的方案利用序列检测中的压缩数据样本来执行后向分组压缩数据序列概率比率测试（backword GCD-SPRT），仅在需要时才进行CS恢复。这种方法一方面显著减少了CS恢复的开销，另一方面利用序列检测提高了感知质量。此外，我们还提出了(a)一种深入的感知方案，当怀疑信道状态发生变化时加速感知决策的制定，(b)一种块稀疏CS重构算法，以利用宽谱的块稀疏特性，以及(c)一系列方法将恢复的频谱信号结果用于进一步提高整体感知精度。广泛的研究结果表明，在足够低的信噪比（SNR）设定下，我们提出的方案可以显著优于同行方案。 认知无线电（CR）技术正吸引越来越多的兴趣，因为它通过智能频谱管理提供了无线频谱的有效利用。该技术使无线电设备能够在不干扰授权用户的前提下，检测并利用未被使用的频谱资源。由于频谱资源日益稀缺，认知无线电技术成为了无线通信领域的一个热门研究方向。 频谱感知技术是认知无线电的核心组成部分，它使得无线电设备能够感知无线环境并寻找可用的频谱资源。宽频谱感知由于其能够覆盖更宽范围的频带，对于高速数据传输和更丰富的多媒体应用变得至关重要。然而，宽频谱感知面临的技术挑战包括高噪声、干扰和信号衰落等问题，这些问题会增加感知的复杂度和成本。 压缩感知（CS）是一种新兴的信号采样和重构技术，能够在远低于传统奈奎斯特采样定理要求的采样率下，以高概率准确地重建信号。这项技术在宽频谱感知中的应用可以降低采样和处理的负担，因为它允许从较少的采样中恢复信号。 序列周期性检测技术是一种检测方法，该方法通过连续的序列检测来提高检测概率和减少检测时间。它通常用于检测信号中的状态变化，例如在宽频谱感知中检测信道状态的变化。 在本文中，作者提出的方案结合了CS和序列周期性检测的优势，通过后向分组压缩数据序列概率比率测试（backword GCD-SPRT）来优化感知决策。同时，该方案利用了宽谱的块稀疏特性，使得在复杂环境下的频谱感知变得更加有效。 研究结果表明，在不同的信号环境条件下，本文提出的宽频谱感知方案能够显著提高频谱感知的准确性。特别是在低信噪比的环境下，提出的方案能够优于现有的其他方案，这对于提高认知无线电系统的性能和频谱资源利用效率有着重要意义。 通过引入新的感知方案和重构算法，本文不仅为宽频谱感知提供了一种新的解决思路，也为未来认知无线电技术的发展和应用提供了新的可能性。随着无线通信技术的不断发展，这些研究成果有望在实际中得到广泛应用，并推动无线通信技术的进一步创新。