شناسايي راديوئي كاربران اوليه بر اساس سنجش فشرده مشاركتي

Radio Identification of Primary Users Based on Cooperative Compressed Sensing

هدف اساسي اين مقاله تخمين توأم سه پارامتر توان، فركانس و موقعيت مكاني كاربران اوليه بر اساس سنجش فشرده مشاركتي در مخابرات راديو شناختي است. ابتدا، ضمن بيان اصول سنجش فشرده و مدل سيستم، سه روش بازسازي سنجش فشرده زير معيار نايكوئيست (پيگرد تطبيق متعامد، پيگرد تطبيقي با نمونه‌برداري فشرده و آستانه سخت تكراري) شرح داده مي‌شوند. سپس با انجام تصميم‌گيري نهائي به دو صورت بازسازي يكپارچه و مجزا، ديده مي‌شود كه از ميان اين سه روش باز سازي، الگوريتم بازسازي پيگرد تطبيق متعامد دقت تخمين بالاتري را در محيط‌ هاي نويزي ارائه مي‌دهد. علاوه بر اين، روش جديدي مبتني بر راهكار تصميم‌گيري اكثريت در بازسازي مجزا پيشنهاد مي‌شود كه كارايي بالاتري را در تخمين سه پارامتر مد نظر نسبت به روش‌هاي يكپارچه و مجزاي مبتني بر ميانگين‌گيري، در كانال‌هاي با نويز و اثر سايه‌افكني، دارد و داراي پيچيدگي محاسباتي به‌مراتب كم‌تري نسبت به‌روش يكپارچه و در حد روش تصميم‌گيري مجزا با ميانگين‌گيري است.

The main objective of this paper is to jointly estimate three parameters, power, frequency and location of primary users in cognitive radio communications based on cooperative compressed sensing. First, in addition to representing the fundamentals of compressive sensing and system model, three sub-Nyquist reconstruction methods (OMP, CoSaMP and IHT) are described which are based on compressive sensing. Using integrated and separate reconstructions on final decision-making, it is shown that OMP offers higher performance with respect to two other ones in noisy channels. Moreover, a new method for separate reconstruction is proposed which is based on majority decision manner. The new method shows higher performance for estimating three above-mentioned parameters compared to separate method with averaging and integrated one for noisy channels with shadowing. Furthermore, it is shown that it needs lower computational complexity compared to integrated decision-making and approximately the same complexity with respect to separate decision-making with averaging.