본 논문에서는 분산된 광대역 인지 무선 네트워크 환경에서 상관관계를 갖는 다중 신호를 위한 협력 압축 스펙트럼 센싱 기법을 제안한다. 압축 센싱 (Compressed Sensing)은 나이퀴스트율 (Nyquist Rate) 이하로 샘플링된 신호를 높은 확률로 복구할 수 있는 신호처리 기법으로 기존의 광대역 스펙트럼 센싱을 위해서 필요로 했던 고속의 아날로그-디지털 변환기 구현 문제를 해결할 수 있다. 압축 센싱에서는 압축된 신호를 원본 신호로 정확하게 복구하는 복구 알고리즘을 설계하는 것이 하나의 핵심 문제이다. 본 논문에서는 나이퀴스트율 이하로 압축된 신호의 복구 성능을 높이기 위하여 연속된 다중 입력 신호로 구성된 Multiple Measurement Vector 모델을 이용하였고, 입력 신호 사이의 시간적 상관관계를 이용하는 협력 베이지안 복구 알고리즘을 제안한다.
In this paper, we present a cooperative compressed spectrum sensing scheme for correlated signals in decentralized wideband cognitive radio networks. Compressed sensing is a signal processing technique that can recover signals which are sampled below the Nyquist rate with high probability, and can solve the necessity of high-speed analog-to-digital converter problem for wideband spectrum sensing. In compressed sensing, one of the main issues is to design recovery algorithms which accurately recover original signals from compressed signals. In this paper, in order to achieve high recovery performance, we consider the multiple measurement vector model which has a sequence of compressed signals, and propose a cooperative sparse Bayesian recovery algorithm which models the temporal correlation of the input signals.
