宽带认知无线电中高效协作频谱压缩感知方案

文中将压缩感知、协作频谱感知、数据融合方法结合在一起,提出了一种新型高效协作频谱感知方案.除采用协作检测概率、协作虚警概率来衡量单个子信道的频谱感知性能外,还提出了系统无空率、系统误阻率两个概念以衡量整个宽带认知系统的频谱感知性能.仿真结果表明压缩感知理论可在近乎完美地重建信号的情况下有效地减少处理的数据量.     

过零双门限协作频谱感知算法

应用过零双门限协作频谱感知算法估计无线电频谱的占用状态,研究了认知用户个数、计算所用的采样点数、不同信噪比及判决系数对检测概率的影响,并与传统双门限能量检测、差分双门限能量检测算法的检测性能进行了对比研究,发现在信噪比为-5 dB,判决系数为0. 05,虚警概率小于等于0. 8时,过零双门限检测方法单认知用户检测性能明显优于其他2种检测方法;当信噪比均为-5 dB,参与协作感知的认知用户个数小于6时,过零双门限协作检测算法性能明显优于其他2种算法;在虚警概率恒定的情况下,增加计算所用的采样点数或增大判决系数能够明显提高检测概率;在虚警概率恒定情况下,算法检测概率随着信噪比增大而增大,当信噪比为-7 dB时,检测概率趋近于1;在相同的检测条件下,过零双门限协作检测算法的虚警概率要明显低于差分双门限检测的虚警概率。结果表明:过零双门限协作频谱感知算法可以降低系统的虚警概率,有效解决噪声不确定性问题,进一步提高系统感知性能。     

瑞利衰落信道下噪声跟踪干扰检测性能分析

在瑞利衰落信道下,分析了跳频通信中噪声跟踪干扰的检测性能.应用认知无线电中协作频谱感知的思想,研究了AWGN(Additive White Gaussian Noise)信道下单跳信号存在干扰的检测性能,在此基础上,推导得到了瑞利衰落信道下的检测概率和虚警概率,应用硬判决中的"k out of n"准则,得到了瑞利衰落信道下噪声跟踪干扰的检测概率.仿真结果验证了理论分析的正确性.     

衰落信道下能量检测的性能分析

在认知无线电系统中,大部分的无线信道可以表征为NAKAGAM I衰落信道或莱斯衰落信道。针对NAKAGAM I衰落信道和莱斯衰落信道环境下的能量检测,分析了频谱检测虚警概率和漏检概率与信道模型参数之间的关系,比较了单用户检测和多用户合作检测性能,得到了虚警概率和漏检概率数学表达式,为能量检测器的设计提供了性能参考界。数值仿真结果表明,NAKAGAM I信道下,能量检测性能随衰落因子和平均信噪比的增大而改善;莱斯衰落信道下,能量检测性能随平均信噪比的增大而提高;多用户合作检测性能分别比单用户提高1~2个数量级。     

衰落信道下能量检测的性能分析

在认知无线电系统中,大部分的无线信道可以表征为NAKAGAMI衰落信道或莱斯衰落信道.针对NAKAGAMI衰落信道和莱斯衰落信道环境下的能量检测,分析了频谱检测虚警概率和漏检概率与信道模型参数之间的关系,比较了单用户检测和多用户合作检测性能,得到了虚警概率和漏检概率数学表达式,为能量检测器的设计提供了性能参考界.数值仿...     

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.      

基于改进杂草优化算法的最优线性协作频谱感知

线性加权协作频谱感知模型下,针对虚警概率最大化检测概率的问题,提出了一种基于改进入侵性杂草优化算法的协作频谱感知方案。算法中的可行解与频谱协作感知模型中的权重向量相对应,通过寻求最优权重向量,来达到最大化检测概率的目的。同时将改进后的杂草算法与传统的杂草算法及基于修正偏差因子方法性能进行对比。结果表明,改进后的杂草算法可根据当前噪声环境合理分配系统的权重系数,以较小的迭代次数找到更优的权重向量,在虚警概率一定的前提下,获得高的检测概率,其性能优于原始MDC算法。     

主用户具有AF中继辅助的协作频谱感知及最佳用户数分析

将主用户具有放大转发（amplify-forword,AF）中继辅助的检测模型与多个感知用户进行协作频谱感知的模型相结合,得到主用户具有AF中继协作的新模型。为减少系统开销,综合参数的影响,推导出其检测概率与虚警概率表达式,并在分析报告信道衰落环境下,通过此模型的中继放大可适当缓解衰落所带来的性能损失;进一步验证最佳参与协作用户数的存在性,设计了基于用户取值区间的搜索算法,以探索中继放大增益及错误报告概率对最佳用户数的影响。通过仿真表明,该模型能有效提高检测性能,并能在给定虚警概率下最大化检测概率时,选择合适的参数对：中继放大增益和最佳参与用户数。     

基于用户协作的频谱感知方案及检测概率分析

通过认知用户间的彼此协作,可以使得认知无线网络获得明显的空间分集增益,从而显著改善认知无线电系统的感知性能。由此,提出了2种基于放大重传和解码重传的协作频谱感知方案,并且在瑞利衰落环境下对所提方案的检测概率性能进行了理论分析,给出了非协作感知和协作感知的检测概率的解析表达式。根据理论推导得到的检测概率解析式,对3种频谱感知方案进行了数值仿真实验。结果表明：在虚警概率一定的情况下,协作感知方案的检测概率明显大于非协作方案,这也说明了用户协作为认知无线网络带来了可观的性能增益。     

基于K-out-of-N融合准则的认知无线电网络优化

在认知无线电网络中,单个用户的感知很容易受到环境的影响,导致对目标频谱状态检测的误判。为提高系统频谱感知的准确性,引入了协作频谱感知机制。协作感知有效地降低了多径和阴影效应的影响,提高了系统检测精度。为了使协作频谱感知发挥出最优的性能,本文主要研究协作频谱感知中的数据融合方式,对K-out-of-N准则进行优化,考虑在漏检概率约束下,通过最小化错误概率从而求得K-out-of-N准则中的最优K值,降低协作遍历搜索K值所耗时间与能量,并在不同信道下进行仿真对比,验证优化后K-out-of-N准则的有效性。仿真结果表明,优化后的K-out-of-N准则可有效改善系统感知性能。     

华东某水库表层沉积物氨氮释放贡献量分析

通过对华东某水库进行现场水样采样, 并结合沉积物氨氮释放试验, 分析水库典型区域表层沉积物、上覆水和间隙水中总氮、氨氮含量, 揭示氮素组成的时空分布特征和表层沉积物对上覆水氨氮的影响. 结果表明: 库内氨氮和总氮呈现明显的季节变化, 且冬季明显高于夏季; 表层沉积物中总氮的质量浓度高于上覆水, 沉积物氨氮扩散通量为 0.18$\sim认知无线电中频谱感知方法的性能与感知场景高度相关. 研究表明, Nakagami-Gamma(KG)衰落信道模型能够可靠地描述无线通信信道. 针对采样点数、接收信噪比、地理位置等多种性能影响因素各不相同的一组异构节点在KG衰落信道下的感知场景, 提出了一种基于熵函数(based on entropy function, BEF)的合作感知方法. 首先, 根据异构节点的不同性能影响因素, 通过定义的熵函数计算各节点的综合评价得分; 然后, 筛选出得分较高的节点进行标准化能量检测; 最后, 采用逻辑或(OR)准则进行融合判决. 仿真结果表明, BEF方法有效地降低了系统的感知开销, 在各个节点的目标虚警概率较低($P_{\rm f}<0.1$)时, 显著提升了全局检测概率.     

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.     

认知无人机网络中多机协作频谱感知研究

多无人机协同工作模式在未来通信中有着重要的应用前景。结合频谱资源短缺的问题,建立认知无人机网络模型,并研究多机协作频谱感知性能,提出一种最佳融合准则来优化检测性能。针对无人机数量较多的大型认知无人机网络,提出一种快速高效的协作频谱感知算法,并比较该算法在瑞利衰落以及Nakagami衰落2种信道环境下的性能。仿真结果表明:①采用最佳融合准则可以使协作频谱感知总错误率达到最小;②快速协作频谱感知算法可以利用较少的无人机来保证协作频谱感知的检测准确度,避免了不必要的感知过程,减少了参与协作频谱感知的次级用户数量,降低了协作感知时间,从而节省了感知过程开销,而且相比于瑞利衰落信道,该算法在Nakagami衰落信道环境下具有更好的性能。     

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。     

协作感知门限自适应优化

 在频谱感知过程中,采用协作感知的方式对空间内多个节点的感知结果进行融合,可以消除路径阴影和深度衰落情况的影响,有效提高结果的准确性和可靠性。基于加权融合的协作判决准则,为了保证融合结果的检测概率和虚警概率达到标准,需要使每个节点的感知结果均达到相应的标准。因此提出通过对每个感知节点设定合适的感知门限进行优化。首先对各感知节点的进行分析,可以得到每个节点在检测概率和虚警概率一定的条件下,感知门限与节点权值的关系,其次通过遗传算法对权值的优化实现权值优化--感知门限优化的自适应优化过程。最后通过仿真验证该方法可以高效准确地实现感知门限的自适应优化,从而保证了协作频谱感知的实际性能。     

一种新颖的多用户协作频谱检测算法

频谱检测是认知无线电的一项核心技术,其检测性能容易受到信道衰落的影响.与单用户频谱检测相比较,多用户频谱检测能够克服认知无线电中衰落环境对系统检测性能的影响.文章分析了能量检测在高斯信道、瑞利衰落信道和阴影衰落信道下的检测性能,提出了一种新的多用户协作频谱检测数据融合算法.该方法采用1 bit的双极性信号表示单节点认知用户能量检测的判决结果并送至融合中心,融合中心根据每个认知用户的信噪比进行加权融合.仿真结果表明,该算法能够更加有效地克服信道衰落对频谱检测性能的影响,其检测性能明显优于OR准则算法.