發(fā)布時(shí)間：2018-01-08 03:29

  本文關(guān)鍵詞：壓縮感知在通信中的應(yīng)用研究　出處：《杭州電子科技大學(xué)》2014年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 壓縮感知 稀疏表示 調(diào)制樣式識(shí)別 稀疏度 頻譜感知 單比特量化

【摘要】：壓縮感知（CS）理論指出，信號(hào)可以低于奈奎斯特速率進(jìn)行采樣。采樣頻率可以不受信號(hào)最高頻率的限制，而只與信號(hào)自身的結(jié)構(gòu)相關(guān)。信號(hào)在滿足變換域是稀疏的或信號(hào)是可壓縮的條件下，，就不需要遵循傳統(tǒng)的先采樣后壓縮的模式，而是在采樣的同時(shí)實(shí)現(xiàn)數(shù)據(jù)的壓縮，這樣就只需采樣少量數(shù)據(jù)，極大地解放了采樣器件和存儲(chǔ)設(shè)備。 隨著通信技術(shù)的發(fā)展，寬帶通信以及高頻應(yīng)用給采樣設(shè)備帶來了巨大的挑戰(zhàn)，因此本文主要研究壓縮感知在通信中的應(yīng)用。 本文首先研究基于信號(hào)稀疏表示的調(diào)制樣式識(shí)別。由于傳統(tǒng)基于小波變換的調(diào)制識(shí)別算法需要碼元同步和較長數(shù)據(jù)，其計(jì)算量較大、耗時(shí)嚴(yán)重，難以滿足戰(zhàn)場(chǎng)通信條件下實(shí)時(shí)性的要求，針對(duì)這些問題本文提出利用小波變換提取信號(hào)突變點(diǎn)信息，根據(jù)歸一化前后信號(hào)小波系數(shù)稀疏性的不同特點(diǎn)，采用信號(hào)小波變換后的稀疏性作為分類識(shí)別特征參數(shù)，優(yōu)化了分類判決過程。該算法無需碼元同步，算法復(fù)雜度低，且在低信噪比條件下，本算法比傳統(tǒng)基于小波變換的調(diào)制識(shí)別算法具有更高的正確識(shí)別率。 然后研究基于壓縮感知的寬帶頻譜感知方法。當(dāng)前基于壓縮感知的頻譜感知研究中通常以頻譜稀疏度已知作為先驗(yàn)信息，而實(shí)際頻譜感知中信道稀疏度是未知且時(shí)變的。針對(duì)以上，問題本文提出一種稀疏度自適應(yīng)的寬帶頻譜感知算法。利用分布式壓縮感知和RIP性質(zhì)對(duì)稀疏度進(jìn)行預(yù)估計(jì)，通過置信系數(shù)更新估計(jì)得到頻譜支撐集，仿真結(jié)果表明本算法在低信噪比條件下性能優(yōu)于稀疏度已知的頻譜感知算法。 最后研究基于1-bit的寬帶壓縮頻譜感知。分布式頻譜感知網(wǎng)絡(luò)中節(jié)點(diǎn)數(shù)據(jù)傳輸占用一定的網(wǎng)絡(luò)通信帶寬，本文提出基于分布式的1-bit壓縮頻譜感知算法，對(duì)節(jié)點(diǎn)感知數(shù)據(jù)進(jìn)行1-bit量化，僅保留符號(hào)信息，簡化了數(shù)據(jù)傳輸和存儲(chǔ)，減輕了網(wǎng)絡(luò)帶寬壓力。仿真結(jié)果表明該算法是有效的。
[Abstract]:Compression sensing theory indicates that the signal can be sampled at a rate lower than Nyquist rate, and the sampling frequency can not be limited by the maximum frequency of the signal. The signal is only related to the structure of the signal itself. When the signal is sparse in the transform domain or compressible, it is not necessary to follow the traditional mode of first sampling and then compression. Data compression is realized at the same time of sampling, so that only a small amount of data is sampled, which greatly frees the sampling devices and memory devices. With the development of communication technology, broadband communication and high-frequency applications have brought great challenges to sampling equipment, so this paper mainly studies the application of compression sensing in communication. This paper first studies modulation pattern recognition based on sparse representation of signals. Because the traditional modulation recognition algorithm based on wavelet transform needs symbol synchronization and longer data, its computation is large and time-consuming. It is difficult to meet the real-time requirements of battlefield communication. In this paper, wavelet transform is used to extract the information of signal mutation point, according to the different characteristics of sparse wavelet coefficients before and after normalization. The sparsity of signal wavelet transform is used as the feature parameter of classification and recognition, and the process of classification decision is optimized. The algorithm needs no symbol synchronization, the complexity of the algorithm is low and the signal-to-noise ratio (SNR) is low. This algorithm has a higher recognition rate than the traditional modulation recognition algorithm based on wavelet transform. Then we study the broadband spectrum sensing method based on compressed sensing. In the current spectrum sensing research based on compressed sensing we usually use the known spectral sparsity as the prior information. The channel sparsity in actual spectrum sensing is unknown and time-varying. In this paper, a sparse adaptive wideband spectrum sensing algorithm is proposed, which uses distributed compression sensing and RIP properties to pre-estimate the sparsity, and obtains the spectrum support set by updating the confidence coefficient. The simulation results show that the proposed algorithm performs better than the spectral sensing algorithm with known sparsity at low SNR. Finally, broadband compressed spectrum sensing based on 1-bit is studied. The node data transmission in distributed spectrum sensing network occupies a certain network communication bandwidth. In this paper, a distributed 1-bit compressed spectrum sensing algorithm is proposed, which quantifies the node-sensing data by 1-bit quantization, only preserves the symbol information, and simplifies the data transmission and storage. The simulation results show that the algorithm is effective.
【學(xué)位授予單位】：杭州電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TN911.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙丹;;循環(huán)平穩(wěn)檢測(cè)在認(rèn)知無線電中的應(yīng)用[J];大眾科技;2008年01期

2 向春鋼;何世彪;;認(rèn)知無線電中的一種分散協(xié)作頻譜感知技術(shù)[J];移動(dòng)通信;2008年10期

3 劉佳;馬惠珠;;基于二階循環(huán)統(tǒng)計(jì)量的頻譜感知方法[J];應(yīng)用科技;2009年01期

4 滕曉云;于宏毅;袁佳;;基于SVM的頻譜接入準(zhǔn)則設(shè)計(jì)[J];電信科學(xué);2009年06期

5 孫景芳;;認(rèn)知無線電頻譜感知技術(shù)分析[J];中國科技信息;2010年14期

6 趙陸文;周志杰;繆志敏;惠毅;;淺析認(rèn)知無線電在軍事通信中的應(yīng)用[J];無線通信技術(shù);2007年04期

7 胡波;傅豐林;陳東;楊濤;;認(rèn)知無線電系統(tǒng)中的關(guān)鍵技術(shù)研究[J];電子元器件應(yīng)用;2008年06期

8 張愛清;葉新榮;丁緒星;;認(rèn)知無線電中的頻譜管理技術(shù)[J];移動(dòng)通信;2009年06期

9 董占奇;;基于波特率的頻譜感知技術(shù)[J];南陽理工學(xué)院學(xué)報(bào);2009年03期

10 馮文江;郭瑜;胡志遠(yuǎn);;認(rèn)知無線電中的頻譜感知技術(shù)[J];重慶大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年11期

相關(guān)會(huì)議論文 前10條

1 吳昊;趙杭生;;基于三階累積量的頻譜感知技術(shù)研究[A];2009年全國無線電應(yīng)用與管理學(xué)術(shù)會(huì)議論文集[C];2009年

2 李文清;郭宗良;;認(rèn)知無線電及其軍事通信應(yīng)用研究[A];中國通信學(xué)會(huì)第六屆學(xué)術(shù)年會(huì)論文集（上）[C];2009年

3 陳珊珊;張洪順;張兵;;基于MIMO的頻譜感知技術(shù)[A];2009年全國無線電應(yīng)用與管理學(xué)術(shù)會(huì)議論文集[C];2009年

4 李佳俊;黃清;孔勇;;基于小波變換的認(rèn)知無線電寬帶頻譜感知方法[A];中國電子學(xué)會(huì)第十六屆信息論學(xué)術(shù)年會(huì)論文集[C];2009年

5 楊家勝;劉光斌;程俊仁;;基于壓縮采樣技術(shù)的認(rèn)知無線電寬帶頻譜感知方法[A];中國通信學(xué)會(huì)第六屆學(xué)術(shù)年會(huì)論文集（上）[C];2009年

6 馬陸;陳曉挺;劉會(huì)杰;梁旭文;;認(rèn)知無線電技術(shù)在低軌通信衛(wèi)星系統(tǒng)中的應(yīng)用研究[A];第六屆衛(wèi)星通信新業(yè)務(wù)新技術(shù)學(xué)術(shù)年會(huì)論文集[C];2010年

7 尚琴;陳金鷹;龍燕;;認(rèn)知無線電的頻譜環(huán)境感知分析[A];四川省通信學(xué)會(huì)2007年學(xué)術(shù)年會(huì)論文集[C];2007年

8 章堅(jiān)武;李崢;;一種基于循環(huán)譜相關(guān)的認(rèn)知無線電頻譜感知[A];2009年中國高校通信類院系學(xué)術(shù)研討會(huì)論文集[C];2009年

9 董潔;;認(rèn)知無線電網(wǎng)絡(luò)中MAC層的自適應(yīng)頻譜感知技術(shù)[A];2009年全國無線電應(yīng)用與管理學(xué)術(shù)會(huì)議論文集[C];2009年

10 趙知?jiǎng)?張偉衛(wèi);徐世宇;;循環(huán)相關(guān)譜檢測(cè)方法及其門限的確定[A];2009年通信理論與信號(hào)處理學(xué)術(shù)年會(huì)論文集[C];2009年

相關(guān)博士學(xué)位論文 前10條

1 王文忠;認(rèn)知無線電聯(lián)合頻譜感知技術(shù)的研究[D];北京郵電大學(xué);2008年

2 陳國東;超寬帶無線通信系統(tǒng)及若干關(guān)鍵技術(shù)研究[D];北京郵電大學(xué);2007年

3 安春燕;認(rèn)知無線網(wǎng)絡(luò)資源管理若干關(guān)鍵技術(shù)研究[D];北京郵電大學(xué);2013年

4 馬偉;認(rèn)知無線電頻譜檢測(cè)技術(shù)研究[D];北京郵電大學(xué);2010年

5 劉思楊;下一代無線通信系統(tǒng)中高效傳輸及頻譜感知關(guān)鍵技術(shù)的研究[D];北京郵電大學(xué);2009年

6 趙成仕;認(rèn)知無線網(wǎng)絡(luò)中無線資源管理的研究[D];北京郵電大學(xué);2010年

7 張?chǎng)?認(rèn)知無線電頻譜感知技術(shù)性能分析及優(yōu)化[D];西安電子科技大學(xué);2011年

8 劉芳芳;認(rèn)知家庭基站極化域頻譜感知與資源管理研究[D];北京郵電大學(xué);2012年

9 代澤洋;認(rèn)知無線網(wǎng)絡(luò)中的協(xié)作傳輸技術(shù)研究[D];電子科技大學(xué);2013年

10 彭啟航;認(rèn)知無線電頻譜感知干擾理論與方法研究[D];電子科技大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 劉祥;基于信噪比閾值的協(xié)作頻譜感知算法的研究[D];安徽大學(xué);2014年

2 胡俊偉;壓縮感知在通信中的應(yīng)用研究[D];杭州電子科技大學(xué);2014年

3 劉先鋒;基于認(rèn)知無線電的跳頻系統(tǒng)研究[D];西安電子科技大學(xué);2009年

4 陳家峰;認(rèn)知無線電的功率控制與信道容量研究[D];大連海事大學(xué);2009年

5 高博;基于認(rèn)知無線電的頻譜感知技術(shù)研究[D];西安電子科技大學(xué);2008年

6 羅凡;基于認(rèn)知無線電頻譜感知技術(shù)的研究[D];成都理工大學(xué);2009年

7 尹萬吉;認(rèn)知無線電中頻譜感知技術(shù)的研究[D];長春理工大學(xué);2010年

8 孫永亮;基于高階累積量的頻譜感知技術(shù)仿真分析[D];哈爾濱工業(yè)大學(xué);2008年

9 向曉;基于認(rèn)知無線電的頻譜感知技術(shù)的研究[D];吉林大學(xué);2009年

10 張書民;認(rèn)知無線電中的協(xié)作頻譜感知技術(shù)[D];大連海事大學(xué);2009年

本文編號(hào)：1395464