基于天線互相關的壓縮子空間學習寬帶頻譜感知系統模型

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比圖

近日，中國科學院沈陽自動化研究所工業通信與片上系統（iComSoC）科研團隊針對下一代智能無線電的感知功能進行研究，提出了利用多輸入多輸出（Multiple-Input, Multiple-Output, MIMO）系統天線互相關與空時信息的高性能寬帶頻譜感知方法，相關成果于近日獲通信領域國際著名期刊IEEE Transactions on Communications刊載。

隨著無線通信場景的不斷豐富和無線通信設備及服務的大規模增長，可用的無線頻譜資源日益緊缺，因此研究如何靈活協調與充分利用有限頻譜資源的下一代智能無線電技術至關重要。寬帶頻譜感知作為未來智能無線電的重要基礎性使能技術，可以使無線通信設備具備高效的電磁環境感知能力，能動態協調各無線通信設備，為其接入未被利用的頻譜資源，從而增加設備和服務接入量以及提高頻譜效率提供了一個可行的解決方案。另外，壓縮子空間學習技術通過利用少量亞采樣樣本實現信號子空間的提取，該技術的引入可極大提高寬帶頻譜感知性能。盡管相關研究已取得較大進展，然而傳統基于壓縮子空間學習的寬帶頻譜感知技術大都只考慮利用天線自相關信息，從而面臨低信噪比條件下感知性能較差等關鍵問題。

沈陽自動化所iComSoC團隊針對上述關鍵問題，將多天線系統的天線互相關信息引入，并提出了相應的壓縮子空間學習算法，通過考慮空間相關MIMO信道模型以及接收端相關矩陣為指數相關模型，團隊給出了所提算法與傳統算法在協方差矩陣奇異值關系上的解析表示，通過導出較傳統算法奇異值上的增益（增益上下界），進一步揭示了提出算法的性能優勢，相應的理論結果也可用于指導算法中的參數選擇以及多天線系統的設計。該成果為實現下一代智能無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為題發表了學術論文。

近年來，iComSoC團隊分別圍繞下一代無線通信系統中感知與通信兩方面的前沿科學問題，開展了一定的研究工作，提出了有效的科學方法，并取得了相應的科研成果。若干研究成果先后分別獲IEEE旗下TCOM, TVT, SJ等國際著名期刊發表。團隊將進一步圍繞下一代無線通信相關領域深入研究，將工作層次化、體系化。