本书充分利用认知MIMO多信号的特点,从减少频谱感知算法的计算复杂度的角度提出了于非重构框架下的认知MIMO频谱感知算法,并采用非渐进随机矩阵理论减少频谱感知对主用户、信道和噪声等先验信息的依赖,克服噪声不确定性, 提高算法在低信噪比下的能。本书中的非重构思想能免去数据重构,减少运算数据量,随机矩阵理论能使频谱感知算法减少对主用户、信道和噪声等先验信息的依赖克服噪声不确定性。本书充分挖掘了认知MIMO的潜在优势,为认知MIMO的应用提供了具有实用价值的频谱感知算法。

第1章非重构频谱感知概述及其基本理论 1.1非重构频谱感知的研究背景和意义 1.2 频谱感知的研究现状及其分析 1.3 基本理论 1.4 本书结构 本章参考文献 第2章 基于稀疏表示和字典训练的频谱感知 2.1 稀疏表示的基本方法 2.2基于过完备字典的稀疏表示算法 2.3多天线场景下的联合字典训练算法 2.4单天线环境下的稀疏表示去噪频谱感知算法 2.5多天线场景下基于联合重构的频谱感知方法... 2.6 多天线场景下基于联合字典训练的频谱感知方法 本章参考文献 第3章非重构框架下的能量频谱感知 3.1时域能量频谱感知算法 3.2 频域能量频谱感知算法. 3.3 衰落信道下的能量频谱感知算法 3.4非重构框架下的能量频谱感知 本章参考文献 第4章非重构频谱感知框架下的测量矩阵优化 4.1非重构能量频谱感知的测量矩阵设计 4.2 基于稀疏表示频谱感知的测量矩阵设计 4.3 基于多天线频谱感知的测量矩阵设计 本章参考文献 第5章非重构框架下的特征值频谱感知 5.1 传统特征值频谱感知算法 5.2基于单环定律的频谱感知算法 5.3基于特征值和特征向量的双特征频谱感知算法 5.4 基于**虚警概率要求的特征值频谱感知门限研究 5.5非重构框架下特征值频谱感知算法 本章参考文献 第6章 非重构框架下基于动态采样的宽带频谱感知 6.1 系统模型 6.2 信号稀疏度的估计算法 6.3 基于动态采样的宽带频谱感知算法本章参考文献 名词索引 附录 部分彩图