Compressed Sensing für Mobilfunknetze

移动网络的压缩感知

• 批准号: 194709232
• 负责人: Professor Dr. Rudolf Mathar
• 金额: --
• 依托单位: Lehrstuhl für Intelligente Regelungssysteme
• 依托单位国家: 德国
• 项目类别: Research Grants
• 财政年份: 2011
• 资助国家: 德国
• 起止时间: 2010-12-31 至 2014-12-31
• 项目状态: 已结题
• 来源: https://gepris.dfg.de/gepris/projekt/194709232?language=en
• 关键词: Compressed; Sensing; Mobilfunknetze

Das Hauptziel dieses Antrags ist, die Stärken von Compressed Sensing zur Verbesserung von mobilen Kommunikationsysteme einzusetzen. Um dieses Ziel zu erreichen, werden wir - Algorithmen für Kommunikationsysteme entwickeln, deren Hauptbestandteil Compressed Sensing ist, und hiermit die Effizienz von Kanälen zu steigern. - die theoretische Grundlagen von Compressed Sensing weiter entwickeln und adaptieren, um spezifische Anforderung bei der Behandlung von Kommunikationsystemen zu erfüllen. Wir werden hauptsätzlich zwei viel versprechende Anwendungen berücksichtigen, erstens Relaisnetze und zweitens Spectrum Sensing. Im Relaisnetz, ist unsere Ziel, Compressed Sensing als einen verteilten Quellkodierungs-Algorithmus zu verwenden und die Relaisstrategie zu optimieren, so dass das Netz korrelierte Signale beim Weiterleiten komprimiert. Im Bereich von Spectrum Sensing, wollen wir zuverlässige Spektrumsbelegungen und Kanalzustandsinformationen mit einer reduzierten Anzahl von Messungen liefern. Das zentrale theoretische Problem, das wir in diesem Projekt betrachten, ist Compressed Sensing mit Nebenbedingungen. Wir wollen Compressed Sensing-Matrizen erzeugen, deren Struktur bestimmten Bedingungen genügt, und Algorithmen entwickeln, die deren Leistungsfä-hig¬keit bewerten.

Das HauptscheduesAntrags ist，die Stärken von Compressed Sensing zur Verbesserung von mobilen Kommodkationsysteme einzusetzen. Um dieses Ziel zu erreichen，韦尔登wir-plumen für Komberkationsysteme entwickeln，deren Hauptbestandteil Compressed Sensing ist，and hiermit die Effizienz von Kanälen zu steigern. - 压缩感知的理论基础是可扩展和自适应的，它是一种特殊的用于处理压缩感知系统的方法。我们韦尔登最后两次尝试使用频谱传感器，第一次使用Relaisnetze，第二次使用频谱传感器。在Relaisnetz中，压缩感知是一种非常有用的方法，可以用来优化Relaisstrategie，因此网络可以用来检测外部信号。在光谱传感领域，我们将使用一种简化的测量方法来测量光谱和测量信息。这是一个中心的理论问题，我们在这个项目中所讨论的，是一个具有内在联系的压缩感知。我们将使用压缩感知矩阵，使结构更好地适应环境，并将其扩展到更高的水平。

项目成果

Joint Sparse Spectrum Reconstruction and Information Fusion via L1-Minimization

• DOI: 10.1109/vetecs.2012.6240036
• 发表时间: 2012-05
• 期刊: 2012 IEEE 75th Vehicular Technology Conference (VTC Spring)
• 作者: Andreas Bollig;S. Corroy;R. Mathar

Dictionary-based reconstruction of the cyclic autocorrelation via ℓ1-minimization for cyclostationary spectrum sensing

• DOI: 10.1109/icassp.2013.6638594
• 发表时间: 2013-05
• 期刊: 2013 IEEE International Conference on Acoustics, Speech and Signal Processing
• 作者: Andreas Bollig;R. Mathar

Distributed compressed sensing for the MIMO MAC with correlated sources

• DOI: 10.1109/icc.2012.6363969
• 发表时间: 2012-06
• 期刊: 2012 IEEE International Conference on Communications (ICC)
• 作者: S. Corroy;R. Mathar

Distributed sensing of a slowly time-varying sparse spectrum using matrix completion

• DOI: 10.1109/iswcs.2011.6125371
• 发表时间: 2011-11
• 期刊: 2011 8th International Symposium on Wireless Communication Systems
• 作者: S. Corroy;Andreas Bollig;R. Mathar