مشخصات مقاله:
عنوان فارسی مقاله:
یک الگوریتم سنجش طیف پهن باند کارآمد برای شبکه های ارتباطی وسایل نقلیه هوایی بدون سرنشین
عنوان انگلیسی مقاله:
An Efficient Wideband Spectrum Sensing Algorithm for Unmanned Aerial Vehicle Communication Networks
کلمات کلیدی مقاله:
خودروهای هوایی بدون سرنشین، سنجش طیف فشرده، طیف به شدت پراکنده، تصویرسازی متعامد
مناسب برای رشته های دانشگاهی زیر:
مهندسی فناوری اطلاعات، فناوری اطلاعات و ارتباطات
مناسب برای گرایش های دانشگاهی زیر:
شبکه های کامپیوتری، دیتا و امنیت شبکه، سامانه های شبکه ای، اینترنت و شبکه های گسترده
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1. مقدمه
2. کارهای مرتبط
3. مدل سیستم و شکل مساله
4. سنجش طیف در حوزه فشرده
A. محدودیت سنجش متداول طیف فشرده
B. ایده اصلی
C. فیلترینگ فشرده تکراری
D. ویژگی ایزومتری محدود (RIP)
E. تحلیل پیچیدگی
5. نتایج شبیه سازی
A. عملکرد تحت شرایط پراکندگی غیر شدید
B. عملکرد تحت تاثیر نویز
C. اثر تعداد اندازه گیری های فشرده
D. مصرف زمان
6. نتیجه گیری
قسمتی از مقاله انگلیسی و ترجمه آن:
Abstract
With increasingly smaller size, more powerful sensing capabilities and higher level of autonomy, multiple unmanned aerial vehicles (UAVs) can form UAV networks to collaboratively complete missions more reliably, efficiently and economically. While UAV networks are promising for many applications, there are many outstanding issues to be resolved before large scale UAV networks are practically used. In this paper we study the application of cognitive radio technology for UAV communication networks, to provide high capacity and reliable communication with opportunistic and timely spectrum access. Compressive sensing is applied in the cognitive radio to boost the performance of spectrum sensing. However, the performance of existing compressive spectrum sensing schemes is constrained with non-strictly sparse spectrum. In addition, the reconstruction process applied in existing schemes has unnecessarily high computational complexity and low energy efficiency. We proposed a new compressive signal processing algorithm, called Iterative Compressive Filtering, to improve the UAV network communication performance. The key idea is using orthogonal projection as a bandstop filter in compressive domain. The components of primary users (PUs) in the recognized subchannels are adaptively eliminated in compressive domain, which can directly update the measurement for further detection of other active users. Experiment results showed increased efficiency of the proposed algorithm over existing compressive spectrum sensing algorithms. The proposed algorithm achieved higher detection probability in identifying the occupied subchannels under the condition of non-strictly sparse spectrum with large computational complexity reduction, which can provide strong support of reliable and timely communication for UAV networks.
چکیده
قابلیت های سنجش قدرتمند و سطح بالاتر خودمختاری، چندین خودروهای هوایی بدون سرنشین (UAV) می توانند شبکه های UAV را برای تکمیل قابل اعتماد، کارآمد و اقتصادی ماموریت ها شکل دهند. در حالی که شبکه های UAV برای کاربرهای بسیاری متعهد هستند، موضوعات قابل مقایسه ای وجود دارد که می بایست حل شود، پیش از آن که شبکه های UAV در مقیاس بزرگ به طور عملیاتی مورد استفاده قرا گیرند. در این مقاله به کارگیری فناوری رادیو شناختی را برای شبکه های ارتباطی UAV مورد مطالعه قرار می دهیم تا ظرفیت بالا و اراتباط قابل اطمینانی را برای دسترسی فرصت طلبانه و به موقع را ارائه می کند. سنجش فشرده در رادیو شناختی را برای تقویت عملکرد سنج طیف به کار گرفته می شود. با این حال، عملکرد روش های فعلی سنجش طیف فشرده به دلیل طیف به شدت پراکنده محدود می شود. علاوه بر این، فرآیند بازسازی مجدد به کارگیری شده در روش های موجود الزاماً دارای پیچیدگی محاسباتی زیاد و کارآیی کم انرژی است. ما الگوریتم جدید پردازش سیگنال فشرده به نام فیلترینگ فشرده سازی تکراری را برای بهبود عملکرد شبکه های ارتباطی UAV پیشنهاد می دهیم. ایده کلید از تصویرسازی متعامد به عنوان فیلتر باند توقف در حوزه فشرده استفاده می کند. مولفه های کاربران اصلی (PU) در زیرکانال های شناسایی شده به طور تطبیقی در حوزه فشرده حذف می شود، که به طور مستقیم می توانند اندازه گیری تشخیص بیشتر کاربران فعال را به روز کنند. نتایج تجربی کارآیی افزایش یافته الگوریتم پیشنهادی را نسبت به الگوریتم های سنجش طیف فشرده را نشان داده است. الگوریتم پیشنهادی به احتمال تشخیص بیشتر در شناسایی زیر کانال های اشغال شده تحت شرایط طیف پراکنده همراه با کاهش بیشتر پیچیدگی محاسباتی دست یافته است، به طوری که می تواند پشتیبانی قدرتمندی از ارتباطات قابل اطمینان و به موقع را برای شبکه های UAV ارائه کند.