庞 健 秦明伟 王 焕 姚远程

(西南科技大学信息工程学院，特殊环境机器人技术四川省重点实验室，四川绵阳 621000)

1 引 言

随着无线通信技术的迅猛发展，可供使用的频通信段越来越紧缺。同时，授权用户所分配的频段资源长时间空闲、非授权用户可使用的频段资源稀少。认知无线电技术(Cognitive Radio，CR)可通过高效地分配频段资源，提高频谱利用率，解决频谱资源匮乏问题。

频谱感知是实现认知无线电的基础和前提，尤其是GHz宽带频谱感知。根据奈奎斯特采样定理，采集高速率信号要求高采样率的模数转换器(Analog Digital Converter，ADC)。目前，由于高速、高性能的ADC工艺复杂、价格昂贵等原因，变得难以获取。

2006年，D.Donoho等人提出了采样率远低于采样定理的压缩感知技术(Compressive Sensing，CS)。其最大的特点是随机采样、边采样边压缩，能有效降低认知系统重建信号时所需的采样率，为认知无线电宽带频谱感知技术的实现提供了可行性方案。但在实际运用中，压缩感知也存在着计算复杂度高、硬件开销大、实时性难以保证等问题。

2014年，Hassanieh等人提出了BigBand欠采样算法。该算法的基本原理是利用信号时域时延与信号频域相位变化的关系，确定混叠频点的位置和幅值，最终从欠采样信号中恢复出宽带频谱。经理论验证，在理想条件下，利用两块42MHz和两块50MHz的ADC可以捕获1.05GHz的带宽。但算法中大量的参数来自经验数据(例如频谱混叠后的门限阈值)，在低信噪比和噪声剧烈变化的环境下，频谱感知性能较差。

基于以上问题，本文针……