论文部分内容阅读
压缩感知理论应用于分布式认知网络中时，由于每个认知用户所处的信道环境差别很大，因此频谱感知的精度相差很大．为了提高感知的精度，提出了一种结合了分布式网络中的数据融合方法和压缩感知理论中的高效的数据处理方式的方法．首先，单个认知用户单独地运用压缩采样（CS）进行频谱的粗略感知，然后通过互信息的计算可以得到两两认知用户之间感知信息的差异，而差异大的两个认知用户之间会产生关联．认知用户的感知信息会按照这种关联进行共享．信息共享后，在每个认知用户端，基于贝叶斯推理的压缩感知恢复会重新进行来更新之前的感知结果．仿真