基于特征值极限分布的双门限频谱感知算法

针对传统频谱感知算法在较低信噪比和存在噪声不确定度时,检测性能降低的问题,提出了一种基于特征值极限分布的双判决门限频谱感知算法。由于利用了双门限和信号采样协方差矩阵的特征值进行判决,这种算法不但可以有效地克服噪声不确定度对检测性能的影响,而且不需要预先知道主用户信号的任何信息。与已有的最大最小特征值频谱感知算法相比,由于采用了双判决门限,因此该算法的检测性能更优。仿真结果表明,该方法不但可以有效地克服噪声不确定度,而且检测性能也优于最大最小特征值算法。     

基于特征值的频谱感知算法仿真研究

频谱感知是认知无线网络中的一个重要功能,是实现其他功能的基础。研究了新型的基于特征值的感知算法,充分利用随机矩阵的渐近谱分布特性和特征值的收敛特性来设置判决门限,提高感知性能。理论分析和仿真结果均表明,新型算法性能明显优于典型的能量检测算法,克服了能量检测算法的噪声不确定性问题。

Abstract：

Spectrum Sensing is an important function in the cognitive radio networks.A new eigenvalue-based detection scheme for spectrum sensing was studied,and decision thresholds were set to have good performance by using the property of asymptotic spectrum distribution and convergence of maximum eigenvalue of random matrices.Theoretical analysis and simulations results show that the new detection scheme can obviously outperform the classical energy detection,and overcome the noise uncertainty problem.     

基于信息理论的舰船噪声盲分离算法

目前水声信号处理方法大多基于信号和环境的特定统计假设 ,使用限制较大。当模型假设不成立时 ,会严重影响信号处理效果。本文导出了基于信息理论的舰船噪声盲分离算法。该算法利用当信号相互独立时的信息理论特性 (互信息量最小或熵最大 )作为分离准则 ,逐步学习确定分离矩阵。算法无需输入信号和混合矩阵的任何先验知识 ,实验仿真证明了算法的有效性。     

基于特征值高阶矩的频谱感知增强技术

基于特征值的多天线盲频谱感知方法在认知无线电中得到了广泛的研究。基于特征值的检测算法设计依赖于随机矩阵理论和样本协方差矩阵的特征值特性。许多研究表明特征值的高阶矩可以提供额外的鉴别信息进而能改善统计推断问题的性能。基于此, 利用所有特征值的p阶矩提出了新的基于特征值高阶矩的频谱感知增强算法, 并利用随机矩阵理论推导了虚警概率和判决门限的解析表示。此外, 基于仿真实验研究了特征值高阶矩幂次变化对检测性能的影响。最后, 通过仿真实验验证了所提算法的有效性。     

分布式MIMO系统中基于矩阵分割的检测算法

针对分布式多输入多输出(multiple input multiple output, MIMO)系统中由于收发天线在地域上的离散分布所引起的异步接收问题,提出了一种基于矩阵分割的串行检测算法。该算法先从等效信道矩阵中划分出较小的矩阵,然后在此矩阵内进行检测。检测出的结果,部分用于干扰消除,部分用于和之后的检测结果合并。最后,从干扰消除后的信道矩阵中再划分矩阵,重复检测步骤,直至所有信号被检测出。在瑞利衰落信道下的计算机仿真表明,该算法与已有的分布式天线下的排序干扰对消(distributed antenna ordering successive interference cancellation, DA-OSIC)检测算法相比,可支持信号的连续发送,且随着发送序列的增长,算法性能逐步逼近DA-OSIC算法,并具有较低的计算复杂度。     

基于互协方差稀疏重构的MIMO雷达低仰角估计算法

针对低空目标仰角估计时, 多径信号间的混叠严重影响雷达的测角性能的问题, 基于压缩感知理论的波达方向(direction of arrival, DOA)估计算法与多输入多输出(multi-input and multi-output, MIMO)雷达体制结合起来共同进行低空目标DOA估计的研究, 提出了一种基于互协方差矩阵稀疏重构的MIMO雷达低空目标DOA估计算法。首先, 对MIMO雷达多径接收信号广义匹配滤波后的虚拟矩阵向量化处理, 并针对向量化后虚拟孔径扩展带来运算量大的缺点, 通过降维处理来减少运算量; 然后利用多快拍数互协方差矩阵中的噪声独立不相关的优点, 降低噪声影响, 提高算法估计性能; 最后转化为凸优化问题进行稀疏恢复。仿真结果表明算法在直达信号与多径反射信号相互削弱的情况下, 仍能有效估计低空目标的仰角, 较L1-SVD和L1-SRACV算法对低空目标具有更好的仰角估计性能。     

基于双门限能量检测的协作频谱感知算法

为了克服传统能量检测算法的不足,提出了一种基于双门限能量检测的协作频谱感知算法（cooperative spectrum sensing algorithm based on double threshold energy detection, CSBDE）。该算法采用噪声不确定条件下的双门限值作为判决条件,将本地能量检测结果划分为硬判决和软判决。认知基站采用优化的融合准则,首先对所有本地硬判决进行融合,根据需要再进一步对本地软判决进行融合,最终给出全局判决结果。蒙特卡罗仿真结果表明,该算法能够克服噪声不确定性对能量检测的影响,提高了系统的检测性能。     

MIMO-OFDM系统中基于CS-ESPRIT算法的多频偏盲估计

提出了一种基于接收信号循环平稳特性(CS)和基于旋转不变技术的参数估计方法(ESPRIT)的多输入多输出正交频分复用(MIMO-OFDM)系统多频偏盲估计算法。理论分析表明,算法无需训练序列或导频符号,可估计每对收发天线间频偏,适用于任意分布加性平稳噪声下的频偏估计。计算机仿真验证了算法在低信噪比下仍可取得稳定性能,并在传统单入单出(SISO)OFDM系统中也可获得较好的性能。     

二维GTD模型参数估计的PQ-FB-2D-ESPRIT算法

二维基于旋转不变技术信号参数估计(2D-estimating signal parameter via rotational invariance techniques, 2D-ESPRIT)算法是估计几何绕射理论(geometric theory of diffraction, GTD)模型参数的一种经典算法,但在信噪比较低的条件下, 2D-ESPRIT算法的参数估计精度明显下降,噪声鲁棒性较差。针对这一问题,提出一种极化平方前后向平滑2D-ESPRIT(polarized-quadratic-forward-backward 2D-ESPRIT, PQ-FB-2D-ESPRIT)算法,有效地提高了算法的噪声鲁棒性与参数估计性能。改进算法利用目标散射回波数据的极化信息,并通过对协方差矩阵平方处理和前后向空间平滑处理,提高了算法的参数估计性能与数据利用率,同时达到了去相关的效果。仿真结果表明,提出的PQ-FB-2D-ESPRIT算法的参数估计性能及噪声鲁棒性要优于经典2D-ESPRIT算法、前后向平滑2D-ESPRIT(forward-backward 2D-ESPRIT, FB-2D-ESPRIT)算法及平方FB-2D-ESPRIT(quadratic-FB-2D-ESPRIT, Q-FB-2D-ESPRIT)算法。基于不同算法估计得到的GTD模型参数对散射中心的定位精度进行比较,进一步验证了改进算法的优越性与有效性。     

基于噪声圆形特性的宽带相干信号DOA估计方法

针对色噪声下基于差分去噪的宽带相干信号波达方向(direction of arrival, DOA)估计方法对相干信源数有限制的问题，提出一种基于噪声圆形特性去噪和Toeplitz矩阵重构的估计算法。首先，对接收到的信号求取协方差矩阵，利用噪声的圆形特性消除噪声。为达到对协方差矩阵进行Toeplitz矩阵重构的要求，通过协方差矩阵相乘来构造新的数据协方差矩阵。然后，通过Toeplitz矩阵重构来解相干。最后，利用旋转子空间算法准则构造聚焦矩阵，使用传播算子算法实现DOA估计。理论分析及仿真实验验证了该算法的有效性，该算法对相干信源数的奇偶没有限制，同时该算法也适用于高斯白噪声下宽带相干信号DOA估计的场景。     

Toeplitz矩阵有限等距特性研究

在压缩感知热潮的影响下,观测矩阵的有限等距特性（restricted isometry property, RIP）也受到广泛关注。大多数理论研究表明高斯随机矩阵是满足RIP特性的,但由于其存储成本较高,物理实现较复杂,在实际使用中托普利兹（Toeplitz）随机矩阵由于可以使用快速离散傅里叶变换实现而受到青睐。该文将图论中点均匀着色定理和盖尔圆盘定理应用于压缩感知中,对托普利兹观测矩阵的RIP特性进行了证明,证明结果表明,由服从某种特定概率分布的项构造的Toeplitz矩阵以较大概率满足有限等距特性。最后,对最小二乘算法（least square,LS）、线性最小均方误差（linear minimum mean square error,LMMSE）算法和高斯观测矩阵的压缩感知算法以及Toeplitz观测矩阵的压缩感知算法进行了对比分析,Toeplitz观测矩阵的压缩感知算法在性能方面要优于高斯观测矩阵的压缩感知算法和传统算法,运算复杂度方面要优于高斯随机矩阵,为压缩感知实现无失真地重构原始信号提供了理论和应用参考。     

一种稳健的多主瓣干扰抑制方法

当训练数据含有期望信号时,传统的基于特征投影预处理的主瓣干扰抑制算法会产生严重退化。这是因为在期望信号的扰动下主瓣干扰对应的特征波束易产生峰值偏移,导致主瓣干扰难以完全去除,当多个主瓣干扰存在时尤为突出。通过估计信号与噪声功率并将期望信号功率置零重构干扰加噪声协方差矩阵,排除了期望信号的影响,使得主瓣干扰能够充分去除。进一步将主瓣干扰功率置零重构旁瓣干扰加噪声协方差矩阵进行波束形成,方向图较协方差重构法在旁瓣干扰方向上能够形成更深的零陷。仿真实验表明,提出的方法能够有效抑制多个主瓣干扰并具有良好的稳健性。     

基于JADE与特征提取的正交/非正交空时分组码盲识别

针对非协作多输入多输出通信系统中正交空时分组码(orthogonal space-time block codes, OSTBC)与非正交空时分组码(non-orthogonal space-time block code, NOSTBC)的盲识别问题,提出结合特征值矩阵联合近似对角化(joint approximate diagonalization of eigenvalue matrix, JADE)与特征提取的盲识别方法。首先将接收信号转换为盲源分离问题中的线性瞬时混合模型,然后利用JADE算法估计出该模型的虚拟信道矩阵,根据该信道矩阵的相关矩阵为数量矩阵的特点,从相关矩阵中提取特征参数,利用此特征参数识别OSTBC与NOSTBC。仿真结果表明,在较低信噪比以及不同的调制模式下,所提方法均可有效识别出OSTBC与NOSTBC。     

散射区域加权压缩感知ISAR成像

压缩感知(compressive sensing,CS)理论为少量脉冲条件下实现高分辨逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像提供了新方法。然而由于CS的噪声敏感性,其成像易受到噪声污染;另外,少量脉冲条件下很难保证噪声参数估计精度,这进一步加剧了ISAR成像污染。针对这一问题,提出一种散射区域加权CS ISAR成像算法,利用目标散射区域信息对冗余字典中的基函数进行加权,修正CS重建算法以抑制噪声散斑。为提高噪声参数估计精度,对回波采样建立子序列矩阵,提出矩阵扰动理论噪声参数估计方法。实验结果表明,所提方法能够有效抑制噪声影响,提高低信噪比和少量脉冲条件下ISAR成像质量。     

AL-OFDM和SM-OFDM空频分组码信号盲识别方法

针对空频分组码-正交频分复用(space-frequency block codes with orthogonal frequency division multiplexing, SFBC-OFDM)信号盲识别问题,提出了一种基于互相关函数的空频分组码信号盲识别方法。首先根据不同SFBC-OFDM元素的相关性,推导了发射信号端信号的相关特性;然后根据发射端信号的相关性,推导了接收端SFBC-OFDM信号的相关特性;最后提出了基于峰值检测的识别算法。仿真结果表明,该算法在较低的信噪比(0 dB)下正确识别概率达到95%,且不需要预先知道信道信息、噪声信息和调制信息。该算法在不同调制方式、时延和频率偏移下正确识别概率在90%以上,能够应用于认知无线电、频谱监控等工程领域中。     

Subspace decomposition-based correlation matrix multiplication

The correlation matrix, which is widely used in eigenvalue decomposition （EVD） or singular value decomposition （SVD）, usually can be denoted by R = E[yiy＇i]. A novel method for constructing the correlation matrix R is proposed. The proposed algorithm can improve the resolving power of the signal eigenvalues and overcomes the shortcomings of the traditional subspace methods, which cannot be applied to low SNR. Then the proposed method is applied to the direct sequence spread spectrum （DSSS） signal＇s signature sequence estimation. The performance of the proposed algorithm is analyzed, and some illustrative simulation results are presented.     

未知相关噪声下的广义波达方向估计算法

针对未知相关噪声情况下信源波达方向的估计,提出一种适用于均匀线阵的广义波达方向估计算法。该算法利用修正后的协方差差分算法,有效地消除了阵元间的相关噪声的影响。不同于以前的算法,提出的算法通过对接收数据的前后向空间平滑协方差矩阵进行共轭运算得到新的变换矩阵,因此修正后的协方差差分矩阵是个实部为零的厄米特矩阵,从而有效地降低了特征分解过程的计算量。本算法能解决相关噪声下,同时分辨相干与非相干信源的问题。理论分析和仿真结果均表明所提算法的有效性。