基于EEF准则的认知无线电合作频谱感知

频谱感知是认知无线电的一个重要组成部分.提出了一种基于指数嵌入族(exponentially embedded family,EEF)准则的合作频谱感知算法.与传统方式下所有合作用户皆参加检测的方法不同,提出的算法依靠用户选择机制,并且不需要知晓授权用户信号的任何先验信息.该算法先对参与合作频谱感知的认知用户进行筛选,然后在筛选出的最优用户频谱观测数据的基础上生成全局检测统计量(global decision statistic,GTS),最后对授权用户是否存在做出全局判决.仿真表明,在虚警概率保持不变的情况下,进行最优用户选择(optimal user selection,OUS)的合作频谱感知算法的检测概率优于未进行最优用户选择的算法.     

基于迭代用户选择的合作频谱感知算法

针对认知无线电中经典频谱感知算法 (能量检测、算术几何平均、信号特征值子空间、最大特征值检测)存在不同程度缺陷的问题,为了进一步提高频谱感知算法的检测性能,提出了基于迭代用户选择(iterative user selection, IUS)的合作频谱感知算法。该算法先对参与合作感知的全部认知用户进行选择,然后在选出的部分用户频谱观测数据的基础上,生成全局检验统计量(global decision statistic, GTS),以此做出授权用户(primary user, PU)信号是否存在的全局判决。仿真结果显示,在虚警概率保持不变的情况下,进行迭代用户选择后,合作频谱感知的检测概率要优于未进行用户选择时的算法。与经典频谱感知算法相比较, IUS的合作频谱感知算法不需要任何先验信息,且以较少的频谱观测数据达到较好的检测性能。     

基于卷积神经网络的宽带合作频谱感知

利用认知无线电网络中的多个次用户所能提供的大量频谱观测数据,提出一种基于卷积神经网络（convolutional neural network,CNN）的宽带合作频谱感知方案。宽带频谱感知旨在灵活地检测跟踪目标宽带授权频段上的可供使用的频谱空穴,该方案考虑利用宽带频谱上被占用的子带与未被占用的子带之间在信号能量及占用位置方面所体现出的类别差异,通过设计一种CNN模型并基于此对频谱观测数据进行训练学习,得到频带占用模式分类模型,从而实现宽带合作频谱感知。仿真结果证明,与传统的基于能量检测技术和典型机器学习（machine learning,ML）分类算法的宽带合作频谱感知方案相比,该方案在检测性能上具有较大的优势,特别是在低信噪比环境下的检测性能。     

星地认知网络中基于图论的动态频谱划分算法

在星地网络间的多授权用户卫星认知通信场景中,提出了一种基于图论的动态频谱划分过程。首先对图论模型进行介绍,其次分析了多授权用户（地面通信基站）条件下的卫星认知通信场景,根据认知用户（地面卫星用户）的感知范围并利用图论模型确定了其与授权用户间的感知矩阵,然后利用认知用户的吞吐量和授权用户的频谱空闲状态等通信参数,通过迭代的方式得到了最终的频谱接入矩阵,完成了多授权用户条件下的频谱划分。仿真结果表明：该算法可在认知用户的感知能力范围内,将认知用户划分到使其收益最大的授权用户频谱中。     

基于贝叶斯判决规则的异步合作频谱感知新算法

依据认知无线电中授权频谱占用情况的On-Off模型,提出了一种新型的合作频谱感知算法。该算法将次用户在不同时刻的软判决结果传输给数据融合中心,在考虑到不同认知节点具有不同信噪比的情况下,将On-Off模型求得的贝叶斯融合似然比作为感知权重对各认知用户的感知结果进行数据融合。理论分析与仿真结果表明,相比传统的同步合作感知算法,该算法具有合理性更强、可靠性更高、检测性能更优以及代价更少等优点。     

基于数据筛选算法的协作频谱检测系统

针对由遮挡导致信号判决错误这一隐藏终端问题, 提出了一种基于法的频谱检测系统。首先, 根据距离值与能量值之间的对应关系, 从众多认知用户信息中筛选出有效认知用户的检测信息组成最佳信息集合。然后, 采用权值合并的方式对最佳信息集合进行融合判决并得到判决输出。实验结果表明, 该算法的检测性能明显优于传统的最优权值合并算法和基于信噪比比较的感知算法。     

基于证据理论的协同频谱感知算法

针对认知无线电系统中的有效检测授权用户需求,研究了中心节点未知先验信息时的协同频谱感知问题。为了在中心节点未知先验信息的条件下实现对授权用户的有效检测,基于证据理论,对认知用户的本地感知结果提取证据,在中心节点进行融合并判决,提出了一种新的协同频谱感知算法。仿真表明,该算法能够在中心节点未知先验信息情况下,获得很好的频谱感知性能,在先验信息和感知性能之间取得了很好的折中。     

衰落环境下信道增益和时延的联合估计算法

目的研究衰落环境中认知用户与授权用户之间存在未知时延情况下的频谱感知问题,提出一种信道增益和时延的联合估计算法.方法建立一种新的动态状态空间模型,用以描述授权用户状态、时变衰落信道状态和感知时延之间的关系;通过最大后验概率准则估计出信道状态,用以表述信道状态随时间变化的情况;最后基于粒子滤波方法得到授权用户状态估计以及感知时延估计;通过仿真实验,分别从信道增益和感知时延两个角度与现有方法的正确检测概率进行对比与分析.结果笔者所提出的信道增益和时延的联合估计算法(SFH)在信道增益角度正确检测概率相比信道增益估计算法(SFC)和能量检测算法(ED)分别提升2%、2.6%,在感知时延角度上提升3.4%、8.7%.结论笔者所提算法提高了接收信号统计特性,在保证实时检测的同时,显著提升了存在未知时延的衰落信道环境下的频谱感知性能.     

基于多抽头频谱估计方法的频谱感知技术

认知无线电系统中,认知用户必须具备动态可靠感知与检测频谱空穴的能力。采用多载波调制可以作为认知用户频谱感知的有效实现方式。不同于传统正交频分复用OFDM（orthogonal frequency divisionmultiplex）多载波调制,提出了认知节点基于多抽头频谱估计方法的频谱感知新技术,它基于滤波器组进行实现。采用扁长型滤波器多带调制设计的多抽头频谱估计器,具有较高的频谱动态范围,可以比周期图频谱估计器更有效地估计干扰温度功率谱。通过干扰温度功率谱仿真分析,多抽头频谱估计器作为认知用户前端频谱分析器,可以准确估计干扰温度功率谱,进而实现对主用户接收机的干扰抑制。     

基于非授权用户优先级的频谱接入方案研究

认知无线网络是解决有限的频谱资源与日益剧增的无线接入需求之间矛盾的有效方案之一,也是提高未来无线网络中无线频谱利用率的有效手段。文章提出了不同优先级非授权用户共存环境下的频谱接入方案,通过排队论的分析方法构建了该方案的分析模型,并对所提方案进行了性能分析。结果表明,该方案适合于不同需求的非授权用户共存的认知无线网络环境。     

基于动态组稀疏重构的频谱感知算法

针对认知无线电网络中宽带频谱感知问题,提出了一种基于主用户信号频谱结构的频谱感知算法,简称为DGS-SS算法.该算法首先利用压缩感知理论对信号进行欠采样,然后利用主用户信号频谱的组稀疏结构修正重构过程中的频谱和残差支撑集,从而能够加快重构主用户信号频谱的收敛速度,而且也能够提高主用户信号频谱的重构精度,最后利用重构信号频谱给出频谱空穴的有效检测.仿真结果表明,所提算法不仅能在低压缩比下精确重建信号频谱,而且对噪声变化具有更强的鲁棒性,从而有效地提高了频谱感知性能.     

Cooperative Spectrum Sensing Algorithms Based on Correlation Matrix in Cognitive Radio Networks

Cooperative energy spectrum sensing has been widely applied in cognitive radio (CR) networks. In this paper, two cooperative sensing algorithms based on the received signals' correlation matrix were proposed. The first proposed algorithm made use of both diagonal elements and non-diagonal elements in the cooperative scheme. In the second algorithm, when the sensing station can obtain the information of the channel gains between the primary user and the sensing nodes, the weighted linear model can be adopted to improve the sensing performance. This paper analyzed the effectiveness of these two proposed cooperative algorithms and demonstrated that they can considerably improve the sensing performance compared with the traditional linear cooperative sensing algorithms. Simulation results showed that the sensing performance can be significantly enhanced by using the proposed algorithms, especially when the number of cooperative nodes is large.     

基于互信息的分布式贝叶斯压缩感知

压缩感知理论应用于分布式认知网络中时,由于每个认知用户所处的信道环境差别很大,因此频谱感知的精度相差很大.为了提高感知的精度,提出了一种结合了分布式网络中的数据融合方法和压缩感知理论中的高效的数据处理方式的方法.首先,单个认知用户单独地运用压缩采样(CS)进行频谱的粗略感知,然后通过互信息的计算可以得到两两认知用户之间感知信息的差异,而差异大的两个认知用户之间会产生关联.认知用户的感知信息会按照这种关联进行共享.信息共享后,在每个认知用户端,基于贝叶斯推理的压缩感知恢复会重新进行来更新之前的感知结果.仿真结果表明,在感知精度与感知速率方面,算法性能均有改善.     

多用户协作频谱感知的性能分析

实际的无线信号传输会受到阴影效应、噪声等因素的影响,单个认知用户的频谱感知性能会下降。因此,采用硬合并协作方案,分析了多用户协作感知在高斯、瑞利和莱斯信道下的检测性能。同时,对控制信道由于衰落和噪声影响而产生误码情况下的系统检测性能进行探讨。结果表明,多用户协作检测可以提高系统的检测概率,但虚警概率会随着参与协作的用户数的增多而上升,当控制信道不理想时,协作检测会导致虚警概率下限的出现,造成频谱利用率低下。     

基于STBC方案的鲁棒性协作频谱感知技术

协作频谱感知技术可削弱认知无线电系统中衰落阴影等对检测信道的影响. 基于对空时分组编码(STBC)固定分组协作频谱感知技术的分析,提出了鲁棒性的动态分组方案以克服固定分组的局限性,最大限度地发挥STBC方案的优势,提升系统的检测性能. 该方案利用认知用户间的交互信道条件进行动态分组,以获得更小的虚警概率下界. 理论分析和仿真结果表明,本文所提出的方案在衰落信道环境下可显著提高系统的检测性能.      

认知无线电MAC层感知结盟方案及实现

认知无线电是一种新兴的智能无线系统,它能够感知授权频段的使用情况,当授权用户不存在时接入通信,当授权用户出现时从该频段退避,以缓解日益紧张的频谱资源使用。文中主要研究认知无线电基于硬件平台的MAC层感知结盟方案及其实现。首先介绍文中所用的认知无线电感知结盟的场景,对结盟情况进行了仿真,验证了结盟相对于一般的协作能够提高系统性能并减少信道开销。在此基础上提出了MAC层基站与终端的方案与时隙划分、广播帧的机制,最后将该方案应用于实际硬件平台,显示出其检测的准确性及汇报的实时性。     

一种优化的认知无线电网络分簇协作频谱感知算法

目前对于认知无线电分簇协作频谱感知算法的研究,大都认为每个簇均等地参与协作.没有考虑簇所经历的不同衰落对判决结果的影响.为有效解决这一问题,提出一种优化的认知无线电网络分簇协作频谱感知算法.该算法采用能量节省的分簇感知机制,充分考虑路径损耗与衰落对检测性能的影响.在满足虚警率和检测率的前提下,此方案不仅算法实现简单,而且在分簇结果上可以显著提高系统的稳定性,因此在信道环境复杂的情况下能有效提高频谱感知效率.     

基于波特率的频谱感知技术

主用户的检测与感知问题是认知无线电中最基本、最重要的问题,文章基于认知无线电频谱感知的特点,建议针对主用户波特率这一先验信息实施检测和感知,其思想的提出对认知无线电系统适时准确地对外界电磁环境的变化迅速做出反应,对极大限度地提高无线资源的利用率有一定的现实意义。特别地,对于MSK主用户的感知,文章提出基于波特率倒数的延迟相乘检测处理方法。