论文部分内容阅读
【摘要】 为实现5G通信高速发展，促进无线通信技术，基于压缩感知对无线通信信息处理方法进行研究设计，将压缩感知的采样理论与无线通信的信息相结合，利用其进行信息采样，认知识别相关通信信息，对其进行分类整合，处理列阵信号，对通信信息进行加工后，基于信息的稀疏特征，对其设置稀疏信道估计，以此将通信信息进行进一步处理，使其在通信过程中，保障其信息的准确性。通过实验研究，论证基于压缩感知的无线通信信息处理方法更符合时代的发展，相较传统的处理方法，其处理结果更具有准确性。
【关键词】 压缩感知 无线通信 稀疏信道估计
引言：
目前通信网络不断地发展，利用无线电波进行信息传导属于促进发展必不可少的环节之一，随着5G的投入开发，在进行无线通信技术研究的过程中，为实现信息传播的准确性[1]。本文将压缩感知与无线通信产业结合起来，利用压缩感知对信息采集的特殊性与优越性，使无线通信产业对信息处理的方法更加精进，能够提高无线通信信息的准确性，保障其进行有效的输出。
一、基于压缩感知的无线通信信息处理方法设计
1.1利用压缩感知采样信息
在采样前需对现代信号进行处理，其采样原则主要是以重建为主要原理，在无线电信号传播的途中，根据离散标准对其进行信号截获，基于Shannon采样理论进一步进化，形成压缩感知采样理论，将信号群体进行捕捉，再将信号群体中的离散样本进行获取，获取成功后，根据离散样本的特征，对其进行信息重建工作[2]。
在采样过程中应注意采样频率与信号频谱之间的关系，采样频率与信号频谱之间倍数的差值是决定采样离散样本标准的关键点。对通信信息进行采样，其主要依靠无线电波进行信息传播的工作，在压缩感知的过程中，将信号进行分类，传统的信息采集以先验信息为标准，其主要指信号的带宽度，与传统采集方式不同的是，压缩感知的采样理论以信号自身的稀疏特征[3]，对其进行采样，主要在于无线电通信信号自身的构成，其除了先验信息的标准外，自身还具有其一小部分的特点，而利用这个特点对其进行离散样本采样，该特点可以通过很少的数字信息即可表示，减少了任务的工作量。
1.2认知识别通信信息
对通信信息进行采集后，需要对其进行认知识别，在传统的无线电感知识别技术中，主要针对信号的带宽进行识别认知，其方法对于宽带高达上百兆的无线信号具有很强的局限性，压缩感知与其识别的标准不同，主要识别过程分为以下两种方法[4]。
压缩感知的采样理论进行识别认知信息的方法（1）为：通过压缩感知对信号进行数字算法处理，形成一种降维处理，将信息进行采集后，通过ADC信息处理系统，在本质上采用Nyquist的理论，对其进行离散压缩感知，将其输入至ADC后，对其进行自相关的信息筛选与分类，通过压缩感知进行信息重构，还原之前采集到的离散样本信息，对信息进行频谱感知与参数估计，通过各个信息参数与频谱的不同，对其进行识别与认知，以此不断重复上述过程。
方法（2）为利用AIC与压缩的频谱进行结合的识别结构，通过转换器将无线电波的频谱与识别功能结合起来，根据无线电波信号不同的频谱、特征、带宽以及波长等因素，对其进行信息识别，通过模拟信号录入到低通滤波器中，进行低速率的识别采样，再通过压缩感知对其进行信息重构，还原之前的信息，以此得到频谱感知与参数估计的相关数值，对信息进行识别分类。
1.3处理列阵信号
在对通信信息进行采集以及识别认知之后，需要对其进行列阵处理，使其形成一套完整的信息模式[5]。
列阵信号主要是指将许多个采集到的信号，通过其自身的特征与相关背景信息结合起来，对其按照一定规律进行排列的工作。对通信信息进行空间信号的参数估计，确定其存在的空间信号的参数范围，以波达方向进行估计，将已经进行分类处理的通信信号按照一定的规律进行列阵，列阵的顺序根据不同的带宽作为标准。由于不同的通信信息，其通过无线电传播出的信号带宽的不同，将其分为窄带与宽带，窄带的排列顺序由频谱的高到低进行排列，当频谱处于3000kHz以下，其为窄带的信息波段，当频谱处于3MkHz-3000MkHz时，其属于中段波长，其列阵顺序则由中间向两边逐渐降低，当频谱处于3000MkHz以上时，则确定其为宽带信号，宽带的列阵排列顺序由低至高进行排列[6]。
在進行列阵的过程中，主要以波达方向估计算法（DOA）为主要估计算法，利用不同信号信息之间的特殊性，以宽带信号的高精确度进行重构估算，因此需要对列阵过程严加把控。在列阵时会产生大量的数据，因此形成了巨大的工作量，但由于压缩感知的使用，能够对每个列阵的信号进行识别，减少了工作量，提高了列阵的速度。
1.4稀疏信道估计
稀疏信道估计主要是指利用压缩感知的特征，将信息的稀疏特征进行记录，以多种类型并存的形式，不断地进行整合归纳，最终形成一个类似于集合的输出模式[7]。在进行无线通信信道构建的过程中，无线多径信道根据其稀疏特征进行分类为：大带宽信号、大周期信号以及多天线的信号几种路径。对其进行无线多径信道输出优化，其抽头延时线的公式如下所示：
（1）
如上述公式所示，其中L表示总路径的数量，al表示其进行路径选择时的系数，fl表示在路径选择时的时间延时，f为时刻、h为记录集合、W为稀疏系数，因此，当f逐渐减小时，其对应的稀疏信道的选择也逐渐减小[8]。
因此，综上所述，通过对稀疏信道估计的确定，其实现了信息输出的通道，完成了对无线通信信息的加工与处理。
二、实验研究
2.1实验准备阶段
本文设计基于压缩感知的无线通信信息的处理方法，其很大程度地弥补了原有传统方法的局限性与缺点，能够更加准确、快速地识别信息，对无线通信信息进行加工处理，因此通过实验研究，论证本文设计的处理方法相比于传统的处理方法更具有快速性与准确性。 设置本文设计的处理方法为实验A组，传统信息处理方法为实验B组，最终实验结果以两组的实验数据为标准，对比其处理时间与准确信息条数。
实验进行五次，每次设置100条无线通信信息，实验A组与实验B组分别进行信息处理工作，最终以两组所用的时间、处理准确的信息条数进行对比论证。
2.2实验结论及分析
通过五次实验组，实验A组与实验B组的两组实验的数据结果如下表所示。
如上表所示，其中实验A组进行信息处理的时间普遍低于实验B组信息处理的时间，其最慢的时间为第一组0.42s，实验B组最慢的时间为第三组，为0.91s，两者之间相差将近0.5s，其进行信息处理时，准确条数两组实验也有所差距，实验A组最低为92条准确条数，实验B组最低为89条准确条数，相差3条无线通信信息的准确处理条数。
通过上述实验论证，本文设计的基于压缩感知进行无线通信信息处理的方法相比于传统信息处理方法更具有高效性，能够提高信息处理的准确率，减少占用时间。
三、结束语
本文对基于压缩感知的无线通信信息的处理方法进行了设计，利用无线电波传播的信号信息对其进行加工处理，将信息以稀疏信道的形式传播出去，对信息进行分类加工，以此使信息的输出的过程中更具有准确性，压缩感知已经逐渐应用于各个领域当中，其中在通信行业的应用也较多，其能够帮助对信息进行采样识别，相关的研究也较多。本文将无线通信的信息处理与压缩感知结合起来，是具有创新性的研究，主要以网络规划优化为目的，加强二者之间的结合，能够使无线通信的技术加强。本文在相关的研究领域中，提供了严谨的思路依据。
参 考 文 献
[1]侯明星，亓慧，黄斌科. 基于分布式压缩感知的无线传感器网络异常数据处理[J]. 计算机科学，2020，47（01）：276-280.
[2]陕斌煜. 基于5G信号覆盖的铁路无线通信异常断点自动识别方法[J]. 自动化与仪器仪表，2020（02）：47-50.
[3]楊庆胜，宋庆武，徐妍，等. 基于压缩感知理论的配电网信息感知技术研究[J]. 供用电，2020，37（07）：50-56.
[4]盖昊宇，张震，李慧. 基于物联网的无线通信网络数据完整性检测方法[J]. 齐齐哈尔大学学报（自然科学版），2020，36（04）：29-33.
[5]许志强. 海洋应急指挥机动通信组网系统中多模融合无线通信技术研究[J]. 全球定位系统，2020，45（04）：76-82.
[6]游康勇，杨立山，郭文彬. 无线传感器网络下基于压缩感知的多目标分层贪婪匹配定位[J]. 自动化学报，2019，45（03）：480-489.
【关键词】 压缩感知 无线通信 稀疏信道估计
引言：
目前通信网络不断地发展，利用无线电波进行信息传导属于促进发展必不可少的环节之一，随着5G的投入开发，在进行无线通信技术研究的过程中，为实现信息传播的准确性[1]。本文将压缩感知与无线通信产业结合起来，利用压缩感知对信息采集的特殊性与优越性，使无线通信产业对信息处理的方法更加精进，能够提高无线通信信息的准确性，保障其进行有效的输出。
一、基于压缩感知的无线通信信息处理方法设计
1.1利用压缩感知采样信息
在采样前需对现代信号进行处理，其采样原则主要是以重建为主要原理，在无线电信号传播的途中，根据离散标准对其进行信号截获，基于Shannon采样理论进一步进化，形成压缩感知采样理论，将信号群体进行捕捉，再将信号群体中的离散样本进行获取，获取成功后，根据离散样本的特征，对其进行信息重建工作[2]。
在采样过程中应注意采样频率与信号频谱之间的关系，采样频率与信号频谱之间倍数的差值是决定采样离散样本标准的关键点。对通信信息进行采样，其主要依靠无线电波进行信息传播的工作，在压缩感知的过程中，将信号进行分类，传统的信息采集以先验信息为标准，其主要指信号的带宽度，与传统采集方式不同的是，压缩感知的采样理论以信号自身的稀疏特征[3]，对其进行采样，主要在于无线电通信信号自身的构成，其除了先验信息的标准外，自身还具有其一小部分的特点，而利用这个特点对其进行离散样本采样，该特点可以通过很少的数字信息即可表示，减少了任务的工作量。
1.2认知识别通信信息
对通信信息进行采集后，需要对其进行认知识别，在传统的无线电感知识别技术中，主要针对信号的带宽进行识别认知，其方法对于宽带高达上百兆的无线信号具有很强的局限性，压缩感知与其识别的标准不同，主要识别过程分为以下两种方法[4]。
压缩感知的采样理论进行识别认知信息的方法（1）为：通过压缩感知对信号进行数字算法处理，形成一种降维处理，将信息进行采集后，通过ADC信息处理系统，在本质上采用Nyquist的理论，对其进行离散压缩感知，将其输入至ADC后，对其进行自相关的信息筛选与分类，通过压缩感知进行信息重构，还原之前采集到的离散样本信息，对信息进行频谱感知与参数估计，通过各个信息参数与频谱的不同，对其进行识别与认知，以此不断重复上述过程。
方法（2）为利用AIC与压缩的频谱进行结合的识别结构，通过转换器将无线电波的频谱与识别功能结合起来，根据无线电波信号不同的频谱、特征、带宽以及波长等因素，对其进行信息识别，通过模拟信号录入到低通滤波器中，进行低速率的识别采样，再通过压缩感知对其进行信息重构，还原之前的信息，以此得到频谱感知与参数估计的相关数值，对信息进行识别分类。
1.3处理列阵信号
在对通信信息进行采集以及识别认知之后，需要对其进行列阵处理，使其形成一套完整的信息模式[5]。
列阵信号主要是指将许多个采集到的信号，通过其自身的特征与相关背景信息结合起来，对其按照一定规律进行排列的工作。对通信信息进行空间信号的参数估计，确定其存在的空间信号的参数范围，以波达方向进行估计，将已经进行分类处理的通信信号按照一定的规律进行列阵，列阵的顺序根据不同的带宽作为标准。由于不同的通信信息，其通过无线电传播出的信号带宽的不同，将其分为窄带与宽带，窄带的排列顺序由频谱的高到低进行排列，当频谱处于3000kHz以下，其为窄带的信息波段，当频谱处于3MkHz-3000MkHz时，其属于中段波长，其列阵顺序则由中间向两边逐渐降低，当频谱处于3000MkHz以上时，则确定其为宽带信号，宽带的列阵排列顺序由低至高进行排列[6]。
在進行列阵的过程中，主要以波达方向估计算法（DOA）为主要估计算法，利用不同信号信息之间的特殊性，以宽带信号的高精确度进行重构估算，因此需要对列阵过程严加把控。在列阵时会产生大量的数据，因此形成了巨大的工作量，但由于压缩感知的使用，能够对每个列阵的信号进行识别，减少了工作量，提高了列阵的速度。
1.4稀疏信道估计
稀疏信道估计主要是指利用压缩感知的特征，将信息的稀疏特征进行记录，以多种类型并存的形式，不断地进行整合归纳，最终形成一个类似于集合的输出模式[7]。在进行无线通信信道构建的过程中，无线多径信道根据其稀疏特征进行分类为：大带宽信号、大周期信号以及多天线的信号几种路径。对其进行无线多径信道输出优化，其抽头延时线的公式如下所示：
（1）
如上述公式所示，其中L表示总路径的数量，al表示其进行路径选择时的系数，fl表示在路径选择时的时间延时，f为时刻、h为记录集合、W为稀疏系数，因此，当f逐渐减小时，其对应的稀疏信道的选择也逐渐减小[8]。
因此，综上所述，通过对稀疏信道估计的确定，其实现了信息输出的通道，完成了对无线通信信息的加工与处理。
二、实验研究
2.1实验准备阶段
本文设计基于压缩感知的无线通信信息的处理方法，其很大程度地弥补了原有传统方法的局限性与缺点，能够更加准确、快速地识别信息，对无线通信信息进行加工处理，因此通过实验研究，论证本文设计的处理方法相比于传统的处理方法更具有快速性与准确性。 设置本文设计的处理方法为实验A组，传统信息处理方法为实验B组，最终实验结果以两组的实验数据为标准，对比其处理时间与准确信息条数。
实验进行五次，每次设置100条无线通信信息，实验A组与实验B组分别进行信息处理工作，最终以两组所用的时间、处理准确的信息条数进行对比论证。
2.2实验结论及分析
通过五次实验组，实验A组与实验B组的两组实验的数据结果如下表所示。
如上表所示，其中实验A组进行信息处理的时间普遍低于实验B组信息处理的时间，其最慢的时间为第一组0.42s，实验B组最慢的时间为第三组，为0.91s，两者之间相差将近0.5s，其进行信息处理时，准确条数两组实验也有所差距，实验A组最低为92条准确条数，实验B组最低为89条准确条数，相差3条无线通信信息的准确处理条数。
通过上述实验论证，本文设计的基于压缩感知进行无线通信信息处理的方法相比于传统信息处理方法更具有高效性，能够提高信息处理的准确率，减少占用时间。
三、结束语
本文对基于压缩感知的无线通信信息的处理方法进行了设计，利用无线电波传播的信号信息对其进行加工处理，将信息以稀疏信道的形式传播出去，对信息进行分类加工，以此使信息的输出的过程中更具有准确性，压缩感知已经逐渐应用于各个领域当中，其中在通信行业的应用也较多，其能够帮助对信息进行采样识别，相关的研究也较多。本文将无线通信的信息处理与压缩感知结合起来，是具有创新性的研究，主要以网络规划优化为目的，加强二者之间的结合，能够使无线通信的技术加强。本文在相关的研究领域中，提供了严谨的思路依据。
参 考 文 献
[1]侯明星，亓慧，黄斌科. 基于分布式压缩感知的无线传感器网络异常数据处理[J]. 计算机科学，2020，47（01）：276-280.
[2]陕斌煜. 基于5G信号覆盖的铁路无线通信异常断点自动识别方法[J]. 自动化与仪器仪表，2020（02）：47-50.
[3]楊庆胜，宋庆武，徐妍，等. 基于压缩感知理论的配电网信息感知技术研究[J]. 供用电，2020，37（07）：50-56.
[4]盖昊宇，张震，李慧. 基于物联网的无线通信网络数据完整性检测方法[J]. 齐齐哈尔大学学报（自然科学版），2020，36（04）：29-33.
[5]许志强. 海洋应急指挥机动通信组网系统中多模融合无线通信技术研究[J]. 全球定位系统，2020，45（04）：76-82.
[6]游康勇，杨立山，郭文彬. 无线传感器网络下基于压缩感知的多目标分层贪婪匹配定位[J]. 自动化学报，2019，45（03）：480-489.