跨界 · 融合 · 服務 · 創新
事實上，在實際信號分析中存在另外一種典型的稀疏干擾，即結構化或聚簇稀疏信號，它們的稀疏系數向量中非零項呈現出行稀疏和元素稀疏的不同部分。然而，雖然固有的聚簇結構屬性能夠被進一步利用，通過層次化結構設計用于恢復更稀疏的信號[46]，但它們顯然與一般元素稀疏信號的表示關系存在沖突。除此之外，還可以利用相關信號的稀疏性先驗知識，采用多任務壓縮感知（multi-task compressed sensing，MT-CS）方法[47]來推斷任務相關的后驗分布參數，從而為一大類結構化或聚簇稀疏信號提供了一個可行的解決方案；然而，它更多地僅實現在小波系數上的經驗貝葉斯過程估計，限制了它在其他變換下的應用精度。更重要的是，從稀疏群組內部的相關性以及重疊的群組部分中得出的多元變量估計過程，只是一些經典的先驗分布[48]，對于多樣化干擾的代表性有限。因此，需要在MT-CS的基礎上，探索一種更有效、更準確的方法來同時恢復和消除各種形式干擾是非常有必要的。
5.3 干擾變換的聯合分離
由于對抗環境下無人系統的典型通信系統會遭受到多種形式的干擾，其中包括電子設備中的常見噪聲干擾和脈沖干擾；此外，還會遇到許多惡意干擾，包括多音干擾、部分頻帶干擾和梳狀譜干擾等，它們嚴重制約了通信過程的可靠性和可用性。雖然近期得到迅速發展的變換域抗干擾方法具有估計各種稀疏干擾的能力，但它們只適用于某些類別，包括在時域或頻域中具有特殊稀疏特性分布的脈沖干擾和部分頻帶干擾，卻忽略了其他離散和可變的稀疏型干擾，包括線性調頻干擾和梳狀譜干擾；在一定場景下，如果事先能獲得有關信道信息的先驗知識，許多迭代的貝葉斯算法都能夠以較低的復雜度實現近似的信號估計。然而，即使它們平均平方誤差估計的結果較傳統方法能夠達到更低的水平，理想的信道約束條件限制了這些算法的進一步應用?？紤]到無人系統邊云聯合處理能力的提升，面對諸多感知節點收集到的頻譜感知信息，結合干擾檢測和變換分離技術特點，使得分布式處理多節點干擾數據的可行性進一步提升，因而尋求一種滿足不同稀疏分布干擾的最優分離策略。
由于實際信道的部分先驗信息是可以獲取的，通過利用自適應閾值選擇方案，從而演變出了改進的自適應壓縮感知估計方法，并在干擾重構抑制方面取得了一定的成效。但由于不同形式的干擾在時間、頻率或小波域上呈現出散亂分布的稀疏特征，因而在使用傳統字典學習和稀疏分離方法時，很難實現最優稀疏分離，這將嚴重影響干擾的分離和抑制性能；具體來說，在不同干擾共存的場景中，若假設存在一種變換分離或字典學習方法，可以同時實現不同干擾的有效分離和消除，在這一點上是難以令人信服的。事實上，新興且功能強大的形態學分析理論在不同稀疏圖像和信號的分離、去噪等方面具有廣闊的應用前景，被認為是實現多樣化干擾分離的高效可靠方法[49]。在形態學的分析架構上，通常利用近似信息傳遞（approximate message passing，AMP）來求解目標的分離分析問題[50-51]。考慮到干擾非零系數分布對恢復均方誤差有很大的影響，在這個分布未知的情況下，提出了一種使用AMP的MMSE信號恢復方法，同時通過期望最大化來實現信號稀疏分布及其參數的學習，適應于高維范圍內廣泛信號類的快速重構和恢復[52]；相關研究進一步發現，在實際應用中未知的分布參數需要確定，提出了一種具有內建參數估計的擴展廣義AMP算法，利用稀疏聯合估計方法，證實了在稀疏信號恢復的收斂性方面具有顯著的優勢[44]。然而在相關文獻的最新研究進展中，采用迭代AMP的干擾分離方法是比較缺乏的，與針對各種形式干擾的重構和分離問題的其他實際解決方法相比，現有的TFOCS方法[53]在簡單的線性組合例子中也需要過多的計算復雜度，并應用于不同的干擾分離問題求解過程會更加復雜，并不適合在稀疏變換分離中重構復雜的干擾形式。因此，需要一種新的高效干擾聯合變換分離算法以應對復雜電磁環境下的多樣化干擾威脅。
5.4 信道干擾的協同管理
由于復雜對抗環境下周圍電磁環境比較復雜，頻譜資源較為緊張，需要嚴格限制無人系統網絡的頻譜使用，以確保網絡的獨立性，減少頻譜沖突；當節點數量較多且可用信道數量較少的情況下，兩個無人系統在相互干擾范圍的頻段并發傳輸時，將會以傳輸沖突的形式出現在網絡的同信道干擾中；特別是隨著信號強度的減弱和外部干擾的引入，為保證一定的通信范圍和傳輸效果，需要更多的能量消耗，即使對于寬帶通信系統，也極易導致信息傳輸失敗；加之各無人系統節點的能量容量有限，當前在抗干擾處理的同時需要有效管理多無人系統整體的資源消耗，即無人系統的能量、時間和網絡頻譜等資源共享問題，近年來在資源有限的無人系統網絡中逐漸得到廣泛關注。
基于功率控制的干擾管理作為綜合協調能量和頻譜資源的一種重要方法，能夠用于減輕干擾影響的同時降低能量消耗，針對實際應用中的不同場景需求不斷優化調整策略。通過對無線網絡中碰撞誘因和并發傳輸可能性的觀測，Yao和Bezzina等人分別開發了一種基于干擾感知的功率控制協議，能夠極大地提高網絡吞吐量[54-55]；針對地面網絡可能面臨的網內干擾，Sterner等人通過分析同步協同廣播機制下的跳頻自組網中的同信道干擾對網絡吞吐量的影響，發現同信道干擾的存在顯著降低了網絡的吞吐量[56]；為此，Wang等人提出了一種具有應用前景的低復雜度頻譜分配方案，旨在解決認知無線網絡中的同信道干擾抑制問題[57]。然而，現有研究工作更多地集中在地面異構網絡的資源分配和干擾協同兩大方面，特別是5G技術典型應用的密集場景，傳統技術的局限性使得整個網絡的容量和頻譜/能量效率難以進一步提升。未來適用于無人系統的無線通信技術不斷發展演進，有利于進一步提升無人系統的傳輸能力，從而提高無人系統網絡的整體容量和其他性能。例如，MIMO技術作為提高移動通信系統傳輸能力的一種很有前景的方法，通過利用多個傳輸/接收天線之間的多路通信來減少延遲，能夠提高能量效率，減輕信道衰減[58]；事實上，MIMO技術除了能夠減少信道衰落的影響，同時會提高空間復用率[59]。還注意到，由于全雙工無線節點具有在同一頻段中同時傳輸和接收的能力，因此可有效地將數據傳輸速率提高一倍[60]，5G技術的發展已經證明了全雙工通信系統在高通信速率和高頻譜利用率方面的優勢，但結合MIMO和全雙工技術在無人系統組網應用的研究還比較少。因此，為適應未來無人系統“云腦”賦能發展趨勢，探索在節點分布密集且可用信道數有限的特殊對抗場景下，能夠有效解決多樣化信道干擾協同和功率優化的綜合管理方案是非常具有發展前景的。
