基于贝叶斯预测密度的弱匹配追踪频谱检测

优先出版

计 算 机 应 用 研 究

第32卷

基于贝叶斯预测密度的弱匹配追踪频谱检测

赵知劲1, 2，胡伟康1

(1．杭州电子科技大学 通信工程学院，杭州 310018；2．中国电子科技集团第36研究所 通信系统信息控制技术国家级重点实验室，浙江 嘉兴 314001)

摘 要：针对在低信噪比、观测点数较少情况下稀疏度的欠估计问题，提出了一种基于贝叶斯预测密度的弱匹配追踪频谱检测算法。该算法首先利用贝叶斯预测密度理论推导出罚函数，然后引入弱匹配策略于CoSaMP算法，提高频谱支撑集估计性能，且减弱受稀疏度估计准确度的影响。仿真结果表明，当信噪比高于3dB时，利用400个观测样本该算法就能获得90%以上的频谱检测概率，宽带频谱感知性能优于已有算法。 关键词：宽带频谱感知；贝叶斯预测密度；稀疏度；弱匹配追踪 中图分类号：TP393.04 文献标志码：A

*

Spectrum detection algorithm using weak matching pursuit

based on Bayesian predictive densities

HU Wei-kang1 , ZHAO Zhi-jin1 2

(1. Collegel of Communication Engineering , Hangzhou Dianzi University, Hangzhou 310018, China; 2. State Key Lab of Information Control Technology in Communication System of No. 36 Research Institute, China Electronic Technology Corporation, zhejiang Jiaxing 314001, China)

Abstract: To solve the problem of under-estimation of sparsity using a few of observation data with low signal to noise ratio, this paper proposed a spectrum detection algorithm using weak matching pursuit based on Bayesian predictive densities. Firstly, the algorithm derived a penalty function by applying Bayesian predictive densities. Then, it applied the weak matching strategy to the algorithm of CoSaMP, which could enhance the estimation performance of spectrum support set and weak the influence of estimation error of sparsity. Simulation results show that the proposed algorithm has better performance than other algorithms, as the detection probably of proposed algorithm can be more than 90% when the SNR is higher than 3dB. Key Words: wideband spectrum sensing; Bayesian predictive densities; sparsity; weak matching pursuit

较高且估计精度低。文献[7]提到了利用AIC/MDL准则估计信号稀疏度，但该方法在低信噪比和观测数据量较少情况下估计精度不高，检测性能有待提高。为了不受稀疏度的影响，文献[8]提出了稀疏度自适应同步匹追踪协作重构算法（SASMP），该算法不需要稀疏度作为先验条件，进一步提高了频谱检测性能。以上各种算法都需要信号频谱重构，但在频谱检测过程中，无需对频谱进行精确重构，只需判断该频段是否被占用，即恢复出频谱支撑集。

在低信噪比和较少观测数据量情况下，基于贝叶斯预测密度（BPD，Bayesian Predictive Densities）准则的高分辨率波达方向（DOA，Direction of Arrival）估计算法性能比基于AIC/MDL准则的算法好[9]。基于此，本文以恢复频谱支撑集为目标，将BPD准则应用于信号稀疏度估计，在CoSaMP算法[10]中引入弱匹配回退筛选过程，改进支撑集选取和最终判决过程，提出了基于贝叶斯预测密度的弱匹配追踪频谱检测算法。该算法有效

0 引言

宽带频谱感知[1]一般要求对高达数GHz以上的带宽进行感知，但过高的采样率和过大的数据量，对ADC和DSP的处理速度要求非常高，超过了现有硬件设备的规格。压缩感知[2]（CS ，Compressed Sensing）理论允许稀疏信号以低于奈奎斯特速率进行采样，大大减轻了硬件的处理负担。文献[3]最先提出了将压缩感知技术应用于宽带频谱感知，频谱的重构是该技术的关键，目前压缩感知的重构算法主要有贪婪追踪算法[4]。在贪婪追踪算法中，信号稀疏度是算法的先验条件，而在实际中，稀疏度是未知的。文献[5]提出了基于优化贝叶斯（OBCS）压缩感知算法的频谱检测，从贝叶斯理论的角度进行频谱的重构，提出了新的重构算法，该算法也需要稀疏度作为先验条件。为了得到稀疏度，文献[6]在感知过程中，通过少量观测值直接进行估计，但该方法需要通过两个阶段得到采样信息，复杂度

--------------------------------

基金项目：电科院预研基金资助项目(41101040102)，浙江省研究生创新科技项目(YK2011062)

作者简介：胡伟康(1990-)，男，浙江义乌人，硕士研究生，主要研究方向为信号与信息处理(ywdhwk@163.com)；赵知劲(1959-)，女，浙江宁波人，教授，博士，主要研究方向为认知无线电、自适应信号处理等．

文章预览已结束

获取全文请访问 http://www.arocmag.com/article/02-2015-07-053.html