一种基于极值特征值之差的全盲多天线频谱感知算法

提出了一种新的基于接收信号取样协方差矩阵（SCM）极值特征值之差的多天线频谱感知算法BDDEE，其以SCM的最大最小特征值之差与接收信号平均能量之比作为感知判决量，在检测过程中摆脱了对噪声方差的依赖，且无须使用主用户信号及无线传输信道等相关参数.在此基础上，基于有限维Wishart随机矩阵有序特征值分布的相关结果，从理论上提出了一种精确的虚警概率和判决门限的分析和计算方法；更进一步，考虑到次级用户计算和存储资源的限制，利用高维Wishart随机矩阵中极值特征值的分布理论，通过融合最大和最小特征值极限分布所对应的判决门限，提出了一种低计算复杂度的判决门限计算方法.综合考虑检测性能和虚警性能指标来看，新算法比经典的CAV、MME和DMME算法具有更优的感知性能，在样本数目有限的条件下能获得更加稳健的检测结果，数值仿真结果证明了所提BDDEE算法的有效性.     

基于节点选择的特征值频谱感知算法

为提高认知无线电系统对微弱信号的频谱检测能力,基于特征值的频谱感知算法越来越受到关注.在统一的框架内研究了随机矩阵特征值的极限分布特性,分析了特征值频谱感知算法中各种设置判决门限方法的特性和性能.为了降低特征值频谱感知算法的计算复杂度,提出了一种认知接收节点选择方法,大大减少了运算量.     

基于分集接收的卫星认知通信动态频谱感知策略

针对基于固定判决门限的频谱感知策略无法适应信道衰落变化导致频谱感知效率下降的问题,结合卫星网络中待检测信号能量较低的特点,提出一种Nakagami-m信道环境下基于分集接收的动态频谱感知策略。该策略利用改进的模糊聚类算法动态获得频谱最佳判决门限,使得判决门限能够根据信道衰落变化自适应调整;在此基础上利用MRC(maximum ratio combining)与EGC(equal grain combining)2种分集方式增大认知用户的接收信噪比,以减小弱信号环境对能量检测算法频谱检测性能的影响。仿真结果表明:该策略能够有效提高低信噪比环境下的频谱感知性能。     

基于极限特征值之差的改进频谱感知算法

基于取样协方差矩阵的最大和最小特征值之差的频谱感知算法,从提高感知判决门限的设置准确度出发,利用Wishart随机矩阵极限特征值分布的最新成果,设计出了一种新的判决门限计算方法.仿真实验结果表明,相对于现有的频谱感知算法,新算法的判决门限计算更加准确,在改善判决结果可靠性的同时,有效地提升了有限样本数量条件下算法的检测性能.     

一种基于偏度和峰度联合检测的频谱感知算法

通过对接收信号样本偏度和样本峰度进行归一化处理，设计了一种基于偏度和峰度联合检测的频谱感知算法(联合检测算法).利用卡方分布的概率密度函数分析非渐近条件下算法的理论虚警性能，推导出相应的理论判决门限.仿真实验结果表明，联合检测算法在小样本条件下仍然可以保证可靠的检测结果，并表现出比经典的Jarque-Bera频谱感知算法更优的检测性能.     

基于矩阵特征值的主用户信号全盲检测算法

在多天线主用户信号检测过程中,在信道空闲和信道被占用2种情况下接收信号取样协方差矩阵的最大和最小特征值存在明显差异.根据这一观察,提出了一种新的基于取样协方差矩阵最大和最小特征值的盲检测算法.该算法以取样协方差矩阵最大与最小特征值的差与和的比值作为感知判决量,再通过引入大维随机矩阵中关于取样协方差矩阵最大和最小特征值分布的最新成果,设计出一种有效的判决门限计算方法.相对于经典的特征值检测算法,蒙特卡罗仿真实验比对结果表明,新算法具有感知判决门限计算准确的优点,能有效地提高检测性能和判决结果的可靠性.     

基于矩阵特征值的主用户信号全盲检测算法

在多天线主用户信号检测过程中,在信道空闲和信道被占用2种情况下接收信号取样协方差矩阵的最大和最小特征值存在明显差异.根据这一观察,提出了一种新的基于取样协方差矩阵最大和最小特征值的盲检测算法.该算法以取样协方差矩阵最大与最小特征值的差与和的比值作为感知判决量,再通过引入大维随机矩阵中关于取样协方差矩阵最大和最小特征值分布的最新成果,设计出一种有效的判决门限计算方法.相对于经典的特征值检测算法,蒙特卡罗仿真实验比对结果表明,新算法具有感知判决门限计算准确的优点,能有效地提高检测性能和判决结果的可靠性.     

一种新的认知无线电宽带盲频谱感知方法

基于信息论准则的宽带频谱感知方法由于很好地克服了噪声不确定性问题而获得了广泛研究.但该类算法的推导需要假定接收数据向量在统计上独立同分布、背景噪声须为高斯白噪声,且其实现复杂度较高.针对这些不足,本文提出一种基于秩准则的宽带盲频谱感知算法.该算法将接收信号的取样协方差矩阵分解成秩为q的"理想"矩阵和"扰动"矩阵之和,利用秩准则函数寻求q值的最优解,然后根据该最优值确定被占用信道的个数及位置.新方法无需依赖噪声功率、信道及主用户信号的统计特征参与感知判决过程,具有广泛的适用性;同时相对于基于信息论准则的宽带频谱感知方法,新方法具有感知判决量表达式简单、计算复杂度低的优点,同时新方法在色噪声场景下表现出优良的感知性能.仿真结果表明了新方法的有效性.     

一种改进的基于MME的盲频谱感知算法（英文）

基于最大-最小特征值(MME)之比的盲频谱感知算法,最大的优势是感知判决过程无需无线信道、噪声方差和主用户信号等先验信息.然而在实际应用过程中,MME算法的理论判决门限值的确定相当麻烦.基于改进判决门限的MME盲频谱感知算法,相比传统的MME算法检测结果更可靠.实验仿真结果验证了新算法的有效性.     

认知无线电中一种新的基于MED的频谱感知算法

提出了一种新的基于最大特征值检测的频谱感知算法,并利用最新的大维随机矩阵理论的结果来获取新的理论判决门限.该门限能够使检测器产生更加可靠的感知性能,获得更高的检测概率.仿真结果验证了新算法的有效性.     

一种新的全局排序高维多目标优化算法

针对传统高维多目标优化问题解决方法存在解集收敛性与解集分布均匀性缺陷的问题, 提出将全局排序方法与灰色关联分析两种方法相结合, 设计一种新的全局排序高维多目标优化算法. 通过设计最小函数值母序列和个体目标函数值子序列, 利用灰色关联分析法计算其关联度, 并结合个体目标适应度计算策略, 解决解集分布不均匀的问题. 该算法不仅可提高非支配个体的选择能力, 还具有良好的收敛性. 为测试该算法的性能, 选择3种经典多目标进化算法, 在标准测试函数集DTLZ{2,4,5,6}上进行对比实验. 实验结果表明, 该算法在解决高维多目标问题时, 其收敛性与解集分布均匀性均优于其他3种算法.     

Confidence intervals for high-dimensional multi-task regression

Regression problems among multiple responses and predictors have been widely employed in many applications, such as biomedical sciences and economics. In this paper, we focus on statistical inference for the unknown coefficient matrix in high-dimensional multi-task learning problems. The new statistic is constructed in a row-wise manner based on a two-step projection technique, which improves the inference efficiency by removing the impacts of important signals. Based on the established asymptotic normality for the proposed two-step projection estimator (TPE), we generate corresponding confidence intervals for all components of the unknown coefficient matrix. The performance of the proposed method is presented through simulation studies and a real data analysis.     

基于树结构的高维晶格编解码算法

高维调制作为一种新型调制格式,很好地解决了谱效率与功率效率之间的矛盾。但晶格编解码时间复杂度高带来的传输延迟,严重影响了高维调制技术在高速大容量光通信系统中的应用。针对此问题,笔者提出一种基于树结构的低复杂度高维晶格编解码方法,由晶格的分布规律构建树结构,通过树结构索引算法完成晶格编解码。该方法可以有效实现高维晶格编解码,当信噪比为16 dB 时,误码率可达到3． 1 × 10 － 4 ,同时可将点数为M 的晶格编解码复杂度由O( M) 降低为O( log M) ,并具有通用性。     

一种减小峰均功率比的PTS算法优化技术研究

研究了多载波通信系统峰均功率比(PAPR)抑制技术之一——部分传输序列(PTS)算法的优化技术.通过在传统多载波系统中加入PAPR门限比较判决模块,实现对多载波系统时域信号中较大PAPR值的抑制.传统PTS算法计算量大,不易实现.提出的比较判决优化技术将减小PTS数据处理的次数,使系统在PAPR抑制过程中的计算量明显减少.通过仿真证明,该优化算法在门限值合理设置时,可以使运算量减小近70%.该优化算法即使在子载波教较大的系统中,对系统的误码率性能有所优化,且不增加系统的带外辐射.     

改进的SGA端元选择的快速方法

SGA算法因其自动性和高效性受到广泛欢迎,针对该算法包含大量的体积计算导致该算法的运算速度较慢的问题,采用在高维空间中构造超平面的方法,提出了一种SGA的改进方法.该改进算法把复杂的体积比较转化成简单的点到超平面的距离比较,从而将算法的复杂度由空间维度的3次关系降至线性关系.实验表明,快速SGA与原始SGA在端元选择的结果上保持一致,而在端元选择的速度上前者较后者有大幅度提高,尤其是要选择的端元数目越大时,效果越明显.     

MIMO系统中基于条件数阈值的格基约减信号检测算法

在多输入多输出系统中,最大似然(maximum likelihood,ML)检测算法性能最优但复杂度很高,最小均方误差(minimum mean-square error,MMSE)检测算法复杂度低但其性能较差.较高的信道矩阵条件数会给信号检测算法的误码率性能带来不利影响.针对这些问题,提出一种基于信道矩阵条件数阈值的信号检测算法来提升高条件数下传统检测算法的性能.该算法通过比较信道矩阵的条件数与预先设定的条件数阈值,选取相应的检测算法:当条件数低于阈值时,采用复杂度较低的LLL(lenstra-lenstra-lovasz)约减的MMSE(LLL-MMSE)算法来减少计算量;当条件数高于阈值时,采用基于排序分组的ML与LLL-MMSE联合的检测算法,通过增加一定的计算量来保证检测性能.对不同阂值下的误码率性能进行了仿真,结果表明算法的性能明显优于传统的LLL-MMSE检测算法,并且通过预先设定条件数阈值可以使得算法在性能和复杂度之间获得较好的平衡,最终达到优化检测算法性能的目的.     

基于短时心电信号的疲劳驾驶检测算法

心率变异性分析是最常用的一种基于心电信号的疲劳驾驶检测方法.然而,该方法需要被检测信号时间足够长,且准确率较低.因此提出一种基于短时心电信号的疲劳驾驶检测算法.首先,按照30s的时长截取短时心电信号序列,利用差分阈值法确定R波位置,根据R-R间期差值大小剔除不合格的噪声样本;然后,计算R-R间期序列的时域/频域特征并与利用ImageNet数据集预训练的深度卷积神经网络模型提取的特征相结合;最后,设计了一种随机森林分类器并基于这些特征进行分类.结果表明,该算法在疲劳驾驶检测上具有良好的分类效果,平均准确率达到91%.因此,相较于心率变异性分析方法,本算法检测所需心电信号更短,且在准确率上具备显著优势.