文献

J-GLOBAL ID：201702246428281964   整理番号：17A0148599

圧縮広帯域スペクトルセンシング用の低計算複雑性アルゴリズム

A Low Computational Complexity Algorithm for Compressive Wideband Spectrum Sensing

著者 (5件)： REN Shiyu (Beijing Key Laboratory of Network System Architecture and Convergence, Beijing University of Posts and Telecommunications) ,  ZENG Zhimin (Beijing Key Laboratory of Network System Architecture and Convergence, Beijing University of Posts and Telecommunications) ,  GUO Caili (Beijing Key Laboratory of Network System Architecture and Convergence, Beijing University of Posts and Telecommunications) ,  SUN Xuekang (Beijing Key Laboratory of Network System Architecture and Convergence, Beijing University of Posts and Telecommunications) ,  SU Kun (Beijing Key Laboratory of Network System Architecture and Convergence, Beijing University of Posts and Telecommunications)
資料名： IEICE Transactions on Fundamentals of Electronics, Communications and Computer Sciences (Web)  (IEICE Transactions on Fundamentals of Electronics, Communications and Computer Sciences (Web))
巻： E100.A  号： 1  ページ： 294-300(J-STAGE)  発行年： 2017年 
JST資料番号： U0466A  ISSN： 1745-1337  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： 日本 (JPN)  言語： 英語 (EN)

抄録/ポイント： 圧縮センシング(CS)ベース広帯域スペクトルセンシングアプローチは高い関心を惹いて来た。何故ならば,それらが高い信号取得コストの重荷を解放するからである。しかしながら,CSベースセンシングアプローチにおいて,スペクトル回復用に高度に非線形再構築手法が使われ,これは高い計算複雑性を必要とする。本短報では2段階圧縮広帯域センシングアルゴリズムを提案した。本アルゴリズムでは圧縮細センシング段階に続くスペクトル回復前に部分Nyquist計測を更に圧縮するために粗センシング段階を導入した。結果として,計算複雑性における著しい低減をもたらした。その可能化十分条件及び計算複雑性を解析した。その十分条件がただ満たされていた時でさえも,計算複雑性の平均低減率は筆者らの細センシング段階で用いた優れたアルゴリズムを用いて直接的に圧縮センシングを実施するものと比較して50%に到達できた。(翻訳著者抄録)

シソーラス用語： *検出 ,  スペクトル ,  計算量 ,  標本抽出 ,  剰余類
準シソーラス用語： Nyquistサンプリング ,  *圧縮広帯域スペクトルセンシング ,  計算複雑性 ,  *細センシング ,  *粗センシング ,  別名スペクトル

著者キーワード (5件)： compressive wideband spectrum sensing ,  aliased spectrum ,  coarse sensing ,  fine sensing ,  computational complexity

分類 (3件)： 信号理論  (ND02020G) ,  統計学  (AB08000H) ,  代数学  (AB02000R)

引用文献 (17件)：

• [1] A. Ghasemi and E.S. Sousa, “Spectrum sensing in cognitive radio networks: Requirements, challenges and design trade-offs,” IEEE Commun. Mag., vol.46, no.4, pp.32-39, April 2008.
• [2] E.J. Candes and M.B. Wakin, “An introduction to compressive sampling,” IEEE Signal Process. Mag., vol.25, no.2, pp.21-30, 2008.
• [3] D.L. Donoho, “Compressed sensing,” IEEE Trans. Inf. Theory, vol.52, no.4, pp.1289-1306, 2006.
• [4] S.S. Chen, D.L. Donoho, and M.A. Saunders, “Atomic decomposition by basis pursuit,” SIAM Rev., vol.43, no.1, pp.129-159, 2001.
• [5] J.A. Tropp and A.C. Gilbert, “Signal recovery from random measurements via orthogonal matching pursuit,” IEEE Trans. Inf. Theory, vol.53, no.12, pp.4655-4666, 2007.

タイトルに関連する用語 (4件)： 広帯域 ,  スペクトルセンシング ,  計算複雑性 ,  アルゴリズム