基于压缩感知的智能无线网络感知融合技术研究

Effective environmental sensing and data fusion play important roles in intelligent wireless networks. However, existing wireless LAN is vulnerable to the system in a heterogeneous network environment of internal and external interference effects due to the lack of collaborative perception of the environmental information in multiple access points. Subject to complex heterogeneous wireless LAN for the study, the research is on the physical layer cognition and data fusion technology based on compressed sensing in wireless network using intelligent AP with signal acquisition and processing abilities, the main research includes: establish the multi-dimensional heterogeneous cognitive model of distributed network based on compressed sensing, analyze the feasibility and cognitive conditions of multi-dimensional awareness based on the distributed compressed sensing in the heterogeneous wireless network, determine the relationship and constraint conditions between the interference tolerance, sampling rate, the sparsity and SNR, realize the extraction of signal characteristic parameters and the separation of multi-dimensional heterogeneous signals in lower sampling rate, provide adaptive compressed sensing algorithm in the the time-varying channel, improving the sensing ability in wireless network. On this basis, the study proposes the environmental information assisted data compression method using distributed compressed sensing algorithm for data fusion, significantly improve the efficiency of data compression to reduce the amount of data transmission and processing complexity. Through comprehensive sensing of wireless environment information, the project is of benefit to realize the dynamic intelligent management of wireless network efficiently.

有效的环境感知和数据融合是无线网络智能化的关键因素。现有无线局域网多个接入点缺乏对于环境信息的全面协同感知能力，在异构网络环境下易受到系统内部和外部的干扰。课题以复杂异构环境下的无线局域网为研究对象，利用智能AP的信号采集及处理能力，研究在物理层基于压缩感知的无线网络环境认知与数据融合技术，研究包括：建立基于压缩感知的分布式网络多维异构认知模型，分析基于分布式压缩感知的多维异构无线网络认知的可行性和认知条件，确定干扰容限、采样率、稀疏度、信噪比之间的耦合关系及约束条件，实现低采样率下压缩多维异构环境特征参数提取、多维异构信号分离及环境自适应的压缩感知算法，提升网络环境感知性能；在此基础上，研究提出基于环境信息辅助的数据压缩方法，采用分布式压缩感知算法对数据进行压缩融合，提高数据压缩效率，从而减少数据传输量及处理复杂度。通过对无线环境的全面感知，可实现整个无线网络更为高效的动态智能化管理。

本项目以智能无线网络为研究对象，提出了针对异构无线网络的感知融合方法。在协作感知方面，首先在无线局域网物理层，分析研究了基于压缩多变换域的异构网络无线信号分离方法。根据感知环境的循环平稳特征，选择提供压缩测量矩阵降低信号维度，在不同的变换域下对叠加信号进行压缩降维，提供了基于稀疏度的最佳变换域选择，进而给出了一种基于多变换域的多维异构信号迭代分离方法；在网络架构上提出了基于Cloud-RAN的协作式压缩无线接入网架构，通过将Cloud-RAN、协作多点传输技术及压缩感知技术相结合，实现了协同压缩感知与传输，显著提高了系统容量、降低了能耗，并提供了比传统网络架构更好的灵活性。在异构网络融合方面，开展了基于SDN/NFV的智能无线网络技术研究。一方面，研究了基于SDN的网络重配架构，实现了网络的动态可编程管理，通过与传统的网络架构的分析对比，证明了所提架构能够显著降低网络的信令负载。另一方面，课题研究了异构网络融合技术，以Wi-Fi与移动网络两种无线接入方式的协同为研究重点，分析了多种无线接入通道自组织的动态接入能力。针对前传接口中的用户面加速器，提出了基于嵌入式平台的处理资源协同部署方案，设计了软硬件协同调度方法及开发了验证系统，实现了软硬件资源的灵活调度，并引入了容错机制进一步保证了硬件加速器的可靠性。在此基础上，课题搭建了异构无线网络测试平台，该平台由两套异构通信系统组成，分别是无线局域网测试平台以及超宽带无线通信测试平台，利用该平台开展了相关关键技术的验证工作。项目研究成果能够广泛应用于异构无线网络中，对于全面提升无线网络的环境感知性能，提高数据传输效率，降低处理复杂度及提升异构网络的动态智能化管理水平都具有重要意义。