Contents......Page 9
Preface......Page 15
1.1 Motivation and objectives......Page 17
1.2 Outline......Page 18
2.1.1 Radio propagation......Page 22
2.1.2 Interference channel......Page 27
2.2.1 3G cellular networks and beyond......Page 29
2.2.2 WiMAX networks......Page 33
2.2.3 WiFi networks......Page 35
2.2.4 Wireless personal area networks......Page 38
2.2.5 Wireless ad hoc networks......Page 44
2.2.6 Wireless sensor networks......Page 48
2.3.1 OFDM technology......Page 52
2.3.2 Multiple antenna system......Page 55
2.3.3 Cognitive radios......Page 57
2.3.4 Scheduling and multiple access......Page 59
2.3.5 Wireless positioning and localization......Page 61
Part I Compressive Sensing Technique......Page 65
3.1 Background......Page 67
3.2 Traditional sensing versus compressive sensing......Page 72
3.3 Sparse representation......Page 73
3.3.1 Extensions of sparse models......Page 75
3.4 CS encoding and decoding......Page 76
Non-l1 decoding methods......Page 82
3.5 Examples......Page 83
4 Sparse optimization algorithms......Page 85
4.1 A brief introduction to optimization......Page 86
4.2 Sparse optimization models......Page 89
4.3 Classic solvers......Page 90
4.4 Shrinkage operation......Page 92
4.4.1 Generalizations of shrinkage......Page 94
4.5 Prox-linear algorithms......Page 95
4.5.1 Forward-backward operator splitting......Page 96
4.5.2 Examples......Page 97
4.6 Dual algorithms......Page 99
4.6.1 Dual formulations......Page 100
4.6.2 The augmented Lagrangian method......Page 101
4.6.3 Bregman method......Page 102
4.6.4 Bregman iterations and denoising......Page 104
4.6.5 Linearized Bregman and augmented models......Page 106
4.6.6 Handling complex data and variables......Page 108
4.7 Alternating direction method of multipliers......Page 109
4.7.1 Framework......Page 110
4.7.2 Applications of ADM in sparse optimization......Page 112
4.7.3 Applications in distributed optimization......Page 116
4.7.5 Convergence rates......Page 118
4.8 (Block) coordinate minimization and gradient descent......Page 119
4.9 Homotopy algorithms and parametric quadratic programming......Page 121
4.10 Continuation, varying step sizes, and line search......Page 123
4.11 Non-convex approaches for sparse optimization......Page 125
4.12.1 Greedy pursuit algorithms......Page 126
4.12.2 Iterative support detection......Page 128
4.12.3 Hard thresholding......Page 129
4.13 Algorithms for low-rank matrices......Page 130
4.14 How to choose an algorithm......Page 131
5.1.1 Sampling theorem......Page 134
5.1.2 Quantization......Page 136
5.1.3 Practical implementation......Page 137
5.2.2 Architecture......Page 141
5.3.1 Architecture......Page 143
5.4 Xampling......Page 145
5.4.2 Architecture......Page 146
5.4.3 X-ADC and hardware implementation......Page 147
5.4.4 X-DSP and subspace algorithms......Page 148
5.5.1 Random sampling......Page 151
5.5.4 Miscellaneous literature......Page 152
5.6 Summary......Page 154
Part II CS-Based Wireless Communication......Page 155
6.1 Introduction and motivation......Page 157
6.2.2 Compressed channel sensing......Page 159
6.3 OFDM channel estimation......Page 162
6.3.1 System model......Page 163
6.3.2 Compressive sensing OFDM channel estimator......Page 164
6.3.3 Numerical algorithm......Page 167
6.3.4 Numerical simulations......Page 170
6.4.1 Channel model......Page 175
6.4.2 Compressive sensing algorithms......Page 176
6.5 Random field estimation......Page 178
6.5.1 Random field model......Page 179
6.5.2 Matrix completion algorithm......Page 182
6.5.3 Simulation results......Page 184
6.6.2 Adaptive algorithm......Page 187
6.7 Summary......Page 188
7.1.1 History and applications......Page 189
7.1.3 Mathematical model of UWB......Page 190
7.2.1 Transmitter side compression......Page 191
7.2.2 Receiver side compression......Page 193
7.3.1 Block reconstruction......Page 196
7.3.2 Bayesian reconstruction......Page 200
7.3.3 Computational issue......Page 202
7.4.1 Transceiver structures......Page 205
7.4.2 Demodulation......Page 206
7.5 Conclusions......Page 208
8.1 Introduction to positioning......Page 209
8.2.1 General principle......Page 210
8.2.2 Positioning in WLAN......Page 211
8.2.3 Positioning in cognitive radio......Page 214
8.2.4 Dynamic compressive sensing......Page 219
8.3.1 UWB positioning system......Page 221
8.3.2 Space-time compressive sensing......Page 223
8.3.3 Joint compressive sensing and TDOA......Page 226
8.4 Conclusions......Page 228
9.1 Introduction......Page 230
9.2 Introduction to multiuser detection......Page 231
9.2.2 Comparison between multiuser detection and compressive sensing......Page 232
9.2.4 Optimal multiuser detector......Page 233
9.3.1 Uplink......Page 237
9.3.2 Downlink......Page 242
9.4.1 Single hop......Page 243
9.4.2 Multiple hops......Page 245
9.5 Conclusions......Page 247
10.1 Introduction......Page 248
10.2 Literature review......Page 250
10.3.1 System model......Page 252
10.3.2 CSS matrix completion algorithm......Page 253
10.3.3 CSS joint sparsity recovery algorithm......Page 256
10.3.4 Discussion......Page 259
10.3.5 Simulations......Page 260
10.4 Dynamic approach......Page 267
10.4.1 System model......Page 268
10.4.2 Dynamic recovery algorithm......Page 269
10.4.3 Simulations......Page 271
10.5.1 System model......Page 275
10.5.2 Joint spectrum sensing and localization algorithm......Page 277
10.5.3 Simulations......Page 280
10.6 Summary......Page 283
References......Page 284
Index......Page 307