基于天線互相關(guān)的壓縮子空間學(xué)習(xí)寬帶頻譜感知系統(tǒng)模型

兩組亞采樣樣本的排列：(a) 矩陣模式, (b) 向量模式

寬帶頻譜感知性能隨信噪比的變化對(duì)比圖

近日，中國(guó)科學(xué)院沈陽(yáng)自動(dòng)化研究所工業(yè)通信與片上系統(tǒng)（iComSoC）科研團(tuán)隊(duì)針對(duì)下一代智能無(wú)線電的感知功能進(jìn)行研究，提出了利用多輸入多輸出（Multiple-Input, Multiple-Output, MIMO）系統(tǒng)天線互相關(guān)與空時(shí)信息的高性能寬帶頻譜感知方法，相關(guān)成果于近日獲通信領(lǐng)域國(guó)際著名期刊IEEE Transactions on Communications刊載。

隨著無(wú)線通信場(chǎng)景的不斷豐富和無(wú)線通信設(shè)備及服務(wù)的大規(guī)模增長(zhǎng)，可用的無(wú)線頻譜資源日益緊缺，因此研究如何靈活協(xié)調(diào)與充分利用有限頻譜資源的下一代智能無(wú)線電技術(shù)至關(guān)重要。寬帶頻譜感知作為未來(lái)智能無(wú)線電的重要基礎(chǔ)性使能技術(shù)，可以使無(wú)線通信設(shè)備具備高效的電磁環(huán)境感知能力，能動(dòng)態(tài)協(xié)調(diào)各無(wú)線通信設(shè)備，為其接入未被利用的頻譜資源，從而增加設(shè)備和服務(wù)接入量以及提高頻譜效率提供了一個(gè)可行的解決方案。另外，壓縮子空間學(xué)習(xí)技術(shù)通過(guò)利用少量亞采樣樣本實(shí)現(xiàn)信號(hào)子空間的提取，該技術(shù)的引入可極大提高寬帶頻譜感知性能。盡管相關(guān)研究已取得較大進(jìn)展，然而傳統(tǒng)基于壓縮子空間學(xué)習(xí)的寬帶頻譜感知技術(shù)大都只考慮利用天線自相關(guān)信息，從而面臨低信噪比條件下感知性能較差等關(guān)鍵問(wèn)題。

沈陽(yáng)自動(dòng)化所iComSoC團(tuán)隊(duì)針對(duì)上述關(guān)鍵問(wèn)題，將多天線系統(tǒng)的天線互相關(guān)信息引入，并提出了相應(yīng)的壓縮子空間學(xué)習(xí)算法，通過(guò)考慮空間相關(guān)MIMO信道模型以及接收端相關(guān)矩陣為指數(shù)相關(guān)模型，團(tuán)隊(duì)給出了所提算法與傳統(tǒng)算法在協(xié)方差矩陣奇異值關(guān)系上的解析表示，通過(guò)導(dǎo)出較傳統(tǒng)算法奇異值上的增益（增益上下界），進(jìn)一步揭示了提出算法的性能優(yōu)勢(shì)，相應(yīng)的理論結(jié)果也可用于指導(dǎo)算法中的參數(shù)選擇以及多天線系統(tǒng)的設(shè)計(jì)。該成果為實(shí)現(xiàn)下一代智能無(wú)線電高可靠的頻譜感知提供了有效方法，并以Compressive subspace learning with antenna cross-correlations for wideband spectrum sensing為題發(fā)表了學(xué)術(shù)論文。

近年來(lái)，iComSoC團(tuán)隊(duì)分別圍繞下一代無(wú)線通信系統(tǒng)中感知與通信兩方面的前沿科學(xué)問(wèn)題，開(kāi)展了一定的研究工作，提出了有效的科學(xué)方法，并取得了相應(yīng)的科研成果。若干研究成果先后分別獲IEEE旗下TCOM, TVT, SJ等國(guó)際著名期刊發(fā)表。團(tuán)隊(duì)將進(jìn)一步圍繞下一代無(wú)線通信相關(guān)領(lǐng)域深入研究，將工作層次化、體系化。