自适应压缩采样及其在时变复杂频谱快速感知中的应用研究

There are remarkable time-variable and wideband properties of war field spectrum, which were produced by the countermeasure between different communicators. Fast and exact spectrum sensing is very important to win the battle. This project is based on the adaptive compressive sensing (ACS), and real-time spectrum sensing rule and fast spectrum detection and estimation method are studied. Firstly, the optimal spectrum sensing under countermeasure is studied, i.e. real-time spectrum sensing model based on the joint of sensing error and lag error, and the performance bound of the specturm sensing based on Kolmogorov complexity. Secondly, the ACS method is proposed and the adaptive adjust rules of sparse dictionary, compressed matrix, compresssive ratio and reconstruction times are studied. Thirdly, the fast spectrum detection algorithm based on ACS is proposed, and union adaption of the compressive parameters are studied. This project will provide theoretical and key technique supporting for real-time and accurate spectrum sensing under countermeasure.

通信对抗双方在时域和频域的对抗导致战场频谱具有显著的时变特性和宽带特性，实时、准确地频谱感知是在电磁对抗中取得胜利的重要前提之一。本项目以自适应压缩采样为手段，从频谱实时感知准则和频谱快速检测与估计方法两个层面展开研究，主要包括：（1）研究对抗条件下的最优频谱感知问题：构建能够综合评价实时性与准确性的“最优”频谱感知准则，并利用Kolmogorov复杂度理论研究“最优”频谱感知算法的性能界；（2）将自适应思想与压缩采样技术相结合，提出稀疏字典、观测矩阵、重构过程自适应调整的压缩采样技术，并研究其自适应调整规则；（3）研究基于自适应压缩采样的宽带频谱快速感知方法和多种压缩采样参数联合自适应方法。本项目的研究将为解决制约对抗条件下的频谱实时、准确感知这一瓶颈问题提供理论支撑和关键技术支持。

通信对抗双方在时域和频域的对抗导致战场频谱具有显著的时变特性和宽带特性，实时、准确地频谱感知是在电磁对抗中取得胜利的重要前提之一。本项目以自适应压缩采样为手段，从频谱实时感知准则和频谱快速检测与估计方法两个层面展开研究：（1）分析了对抗条件下，基于认知的抗干扰环路中延时和误差产生的原因，提出了能够同时评价频谱感知算法实时性和准确性的数学评价准则，同时，将该准则分别应用于通信抗干扰博弈研究和短波通信抗干扰工程实践，提出了一种面向实时应用的短波信噪比估计算法，并得到了信道试验验证；（2）针对压缩采样各步骤，提出了多种自适应压缩采样新算法：提出了一种基于稀疏基自适应构造的压缩采样算法，与传统压缩采样方法相比，新算法的字典规模和计算量分别节约近50%和99%；提出了一种观测矩阵随信号稀疏度自适应调整的压缩采样算法，在信号稀疏度未知或者时变的条件下，显著降低了总体采样速度；提出了一种重构次数随重构性能自适应调整的压缩采样算法，与传统算法相比，该算法在保证检测精度的前提下，有效降低了总体重构时间；（3）针对随机信号和含未知参数的确知信号，分别提出了基于非重构压缩采样的最大似然检测算法和基于非重构压缩采样的GLRT检测算法，推导了相应的检测性能界，结果表明新算法有效降低了采样速率和算法计算量；（4）提出了一种基于压缩采样的跳频信号频率和起跳时刻联合估计算法，与基于奈奎斯特采样的算法相比，该算法在保证估计精度的前提下，大幅度减小了采样速率和数据处理量。本项目的研究将为解决制约对抗条件下的频谱实时、准确感知这一瓶颈问题提供理论支撑和关键技术支持。