winlab组会基于压缩感知理论的高密度网络资源分配问题研究

基于压缩感知理论的高密度网络资源分配问题研究汇报人：陈文强导师：王禄生目

录压缩感知基础理论压缩感知在无线通信中的应用高密度网络下的资源分配问题研究现状1、传统压缩理论奈奎斯特采样、小波变换小波反变换JPEG2000压缩比例：10%存储、传输在压缩时丢弃了近90%的数据。为什么不一开始采样时就丢弃那90%的冗余数据？2、压缩感知Compressive

SamplingCompressive

SensingorCS利用信号的稀疏性，在远低于Nyquist采样率条件下对信号进行非自适应的随机测量，采样与压缩同时发生，然后通过非线性重建算法重建信号。Hearing

without

listening压缩感知流程图：其中稀疏信号，稀疏度，K稀疏①稀疏化CS前提条件：信号本身稀疏或在某个变换域上稀疏常见的稀疏变换：①离散傅立叶变换②离散余弦变换③离散正弦变换④小波变换⑤冗余字典等稀疏矩阵②测量通过将原信号X与测量矩阵相乘，获得采样后的数据，这个过程称为测量，即压缩采样。测量矩阵常见的测量矩阵：①高斯投影矩阵；③哈达玛矩阵；②贝努力随机矩阵；④部分正交矩阵等；高斯投影矩阵：各元素独立的服从均值为0，方差为1/M的高斯分布，即：传感矩阵...③重构a)匹配追踪算法（Matching

Pursuits,MP）EFb)基追踪算法（Basis

Pursuits,BP）目标函数：需要在N个元素中选出最少多少个，满足

，这样，对于每一个n都有排列组合C(N

,

n)种方法，显然是一个NP问题。优势：突破奈奎斯特采样定理的极限。抗干扰性强。压缩感知特点不足：完美重构时，压缩效果不太理想；重构算法复杂度太高。目

录压缩感知基础理论压缩感知在无线通信中的应用高密度网络下的资源分配问题研究现状压缩感知在无线通信中的应用①信道估计传统方法根据导频信号线性重构估计信道冲激响应。

但这些导频信号需要占用一定的时频域资源，导致频谱效率较低。信道估计中的稀疏性？？？在实际通信系统中，虽然无线信道的多径分量很多，但是大部分路径的能量都很小，只有少数路径具有较大的能量。是一个N维加性复高斯白噪声向量其中：是部分DFT变换矩阵利用压缩感知插入导频信号其中：为导频选择矩阵②认知无线电（

Cognitive

radio，CR

）目前，CR在窄频段检测方面己有大量研究成果。然而由于A/D在采样速率上的限制，一个前端只能在单位时间内检测单个子信道，如果CR用户希望在宽频带中检测多个信道，必须扫描整个频段或使用多个前端对多个频段进行感知，不仅引起了感知延迟，也提高了硬件成本。认知无线电的稀疏性：无论从时间或空间的角度看，大部分频带的利用率都非常低，因此频域资源可以看作是稀疏的基于压缩感知的宽带频谱检测：引入压缩感知后，不需要以奈奎斯特采样率去采样，而是通过一种模拟至信息（Analog-to-Information

Converter,AIC）的采样方式直接获得一小部分线性非自适应样本，再重构出整个频带的利用状况，省去不必要的采样样本和计算负担。目

录压缩感知基础理论压缩感知在无线通信中的应用高密度网络下的资源分配问题研究现状高密度网络下的资源分配问题①高密度网络背景的资源分配大规模终端、物联网

分配资源？理想条件eNBKeNBLUEjUEi目标函数(系统容量最大化)：..........................................匈牙利算法(Hungarian)4732151314342312352322142121726129825206启发式算法？冗余信息？可压缩？满足稀疏性采用压缩感知的思想目

录压缩感知基础理论压缩感知在无线通信中的应用高密度网络下的资源分配问题研究现状研究现状简单场景：目标函数：方案流程图①稀疏化对比②冗余字典通过采用超完备的冗余函数字典代替传统的正交基函数将信号进行分解，用来表示信号的基可以自适应地根据信号自身的结构特点灵活选取。字典中包含多种基函数且没有严格的构成限制，字典中的元素（列向量）被称为原子MOD算法稀疏化的数据