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.     

基于天线选择的多天线频谱感知技术

为了保护主用户系统不受认知用户的影响,提高频谱检测的可靠性,提出了一种新的基于天线选择和能量感知的频谱检测算法.该算法利用认知用户多个接收天线的感知信息,根据认知用户与主用户之间信道的差异,充分利用多天线的空间分集,选择部分使得检测概率最大化的天线进行合作检测.仿真结果表明,基于天线选择和能量感知的多天线频谱检测可有效地提高感知数据可靠性,感知数据的检测概率显著提高.     

基于随机矩阵的特征值方差的频谱感知检测算法

传统的频谱感知能量检测易受噪声方差不确定性的影响,存在"信噪比墙"效应。频谱感知特征值检测跟能量检测一样,不需要信号任何先验信息,并且能在低信噪比下取得较好的检测性能。经典的特征值检测有最大最小特征值(maximum-minimum eigenvalues,MME)之比算法,最大最小特征值之差(maximum-minimum eigenvalues difference,DMM)算法等。这些算法只利用特征值的一阶统计量,不能充分反映全部特征值的统计特征。利用特征值二阶统计量提出一种基于特征值方差的频谱感知算法,选取能反映特征值整体波动的方差当作观测统计量,并利用矩阵迹的性质推导出该算法的理论门限。仿真证明:当噪声方差不确定性等于0 d B时,该算法的检测性始终优于MME算法。当噪声方差不确定性等于0. 2 d B时,能量检测(energy detection,ED)算法检测概率急剧下降,而特征值方差(eigenvalue variance,EV)算法检测概率仅下降10%左右,并且当信噪比(signal noise ratio,SNR)大于-17 d B时,EV算法的检测概率优于ED算法和MME算法。     

基于随机矩阵的特征值方差频谱感知检测算法

传统的频谱感知能量检测易受噪声方差不确定性的影响,存在"信噪比墙"效应。频谱感知特征值检测跟能量检测一样,不需要信号任何先验信息,并且能在低信噪比下取得较好的检测性能。经典的特征值检测有最大最小特征值(maximum-minimum eigenvalues,MME)之比算法,最大最小特征值之差(maximum-minimum eigenvalues difference,DMM)算法等。这些算法只利用特征值的一阶统计量,不能充分反映全部特征值的统计特征。利用特征值二阶统计量提出一种基于特征值方差的频谱感知算法,选取能反映特征值整体波动的方差当作观测统计量,并利用矩阵迹的性质推导出该算法的理论门限。仿真证明:当噪声方差不确定性等于0 d B时,该算法的检测性始终优于MME算法。当噪声方差不确定性等于0. 2 d B时,能量检测(energy detection,ED)算法检测概率急剧下降,而特征值方差(eigenvalue variance,EV)算法检测概率仅下降10%左右,并且当信噪比(signal noise ratio,SNR)大于-17 d B时,EV算法的检测概率优于ED算法和MME算法。     

基于随机矩阵理论的盲MEHM频谱感知算法

利用随机矩阵理论中样本协方差矩阵极限特征值的分布结果，设计了一种新的最大特征值-调和平均(NMEHM)盲频谱感知算法.NMEHM算法无需主用户信号及无线信道的先验知识，可以有效克服噪声不确定性的影响.仿真实验结果表明，相对于一些基于特征值检测的频谱感知算法，NMEHM算法的检测概率更高，且获得了比最大特征值-调和平均(MEHM)算法更优异的检测性能.     

采用空时分组编码的动态分组加权合作频谱感知方案

针对认知无线电网络中存在的非理想反馈信道与用户间信道使合作频谱感知算法难以有效提高频谱检测性能的问题,提出了一种基于空时分组编码的动态分组加权合作频谱感知(DCWCSS)方案。首先将所有未分组认知用户中具有最高用户间信道平均信噪比的两个用户分为一组,并依此将剩余用户进行两两分组,然后根据各认知用户检测结果对系统检测性能的贡献对认知用户进行加权,赋予不同权重,最后采用空时分组编码(STBC)方案将用户检测结果传输给基站进行判决。DC-WCSS方案可依据用户间信道平均信噪比进行动态分组,并根据认知用户检测结果的可靠性设置用户权重,能有效降低反馈阶段的误码率,从而提高系统检测性能。仿真结果表明,与基于传输分集的合作频谱感知方案相比,在虚警概率为0.3时,DC-WCSS方案的一次加权和二次加权后的系统检测概率可分别提升至少20%和30%。     

宽带认知无线电网络分布式协作压缩频谱感知算法

针对宽带认知无线电网络中压缩频谱感知算法在低信噪比环境下频谱检测性能下降的问题,提出了一种基于高斯过程的分布式压缩频谱感知(PBCS)算法.首先应用层次化的正态分布概率模型来表示压缩频谱的重构,然后各个认知无线电用户交换模型参数并结合本地的压缩采样数据进行压缩频谱感知.有别于其他直接融合频谱感知结果或检测数据的协作式算法,PBCS算法通过模型参数融合来进行协作,能有效减小信噪比低的协作用户的影响,从而提高算法的抗噪性.仿真结果表明,PBCS算法可以在-5dB的信噪比条件下达到检测概率大于0.9、误检概率为0.1的频谱检测性能.     

基于数值分析理论的低复杂度MED算法

经典的最大特征值检测（MED）算法在检测相关信号时具有优异的性能.然而,随着信号维度的不断增大,MED算法面临着严重的感知判决量和判决门限计算的效率和实现问题,从而极大地限制了该算法在现代认知通信系统中的进一步应用.为此,提出了一种基于数值分析理论框架的低复杂度MED频谱感知算法.所提算法利用Rayleigh商加速幂法迭代地计算感知判决量,与经典的幂法相比,在检测高维信号时具有更快的收敛速度;此外,不同于经典的查表法,新算法基于三次样条插值法快速、准确地确定任意给定目标虚警概率所对应的感知判决门限.所提MED算法在保持原有算法检测性能的同时,有效提升了计算效率,降低了算法实现复杂度;其对于高维条件下的频谱感知问题尤其具有吸引力.最后,仿真结果证明了所提算法的有效性.     

基于用户集合势估计的认知无线电合作频谱感知

频谱感知技术是认知无线电系统的基本功能,是实现已授权频段的次级动态接入和共享的前提。提出基于用户集合势估计的合作频谱感知方案,旨在通过GEEF（gerschgorin exponentially embedded families）,SPEEF（sam-pled power exponentially embedded families）等算法估计出用户的集合势,即适合参与合作频谱感知的最优用户个数,再从全部合作用户中筛选出相应的频谱观测数据生成全局检测统计量,通过与判决门限进行对比,最终对授权用户状态做出判决。理论分析与实验结果表明,提出的方案能够有效地提高频谱感知的性能。     

基于数据融合的协作频谱感知算法

协作的频谱感知使认知无线电(CR)网络对主用户进行可靠的检测,并避免了对主用户通信的干扰.数据融合是协作的频谱感知的关键技术.对基于"与"准则、"或"准则、最大后验概率准则和贝叶斯准则的数据融合算法进行了研究,采用这4种融合方法在认知无线电网络中进行协作频谱感知,并比较了它们的频谱检测性能.仿真结果显示最大后验概率准则和贝叶斯准则在认知无线电的环境中有优越的感知性能.     

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。     

基于中继选择的协作频谱感知算法

针对最佳中继选择协作频谱感知方案检测概率低、而所有中继节点均参与协作频谱感知复杂度高的问题,提出一种中继选择协作感知算法.该算法根据N条中继链路等效信噪比的大小,从中选择出L个信噪比大的优质中继用户转发主用户信息.导出了该算法在瑞利平坦衰落下的频谱检测概率上限闭合表达式,为频谱检测性能分析提供了理论依据.数值分析结果表明：只需60%左右的优质链路参加中继就可以达到理想的性能,大大降低了系统实现的复杂性.     

Dempster-Shafer （D-S） algorithm with credit scale in spectrum sensing

In cognitive radio, the detection probability of primary user affects the signal receiving performance for both primary and secondary users significantly. In this paper, a new Dempster-Shafer (D-S) algorithm with credit scale for decision fusion in spectrum sensing is proposed for the purpose to improve the performance of detection in cognitive radio. The validity of this method is established by simulation in the environment of multiple cognitive users who know their signal to noise ratios (SNR) and a central node. The channels between the cognitive users and the central node are considered to be additive white Gaussian noise (AWGN). Compared with traditional data fusion rules, the proposed D-S algorithm with credit scale provides a better detection performance.     

认知网中多时隙联合频谱感知和功率分配

为了降低认知无线网中认知用户对主用户的干扰,并为了最大化系统的认知吞吐量,提出了一种多时隙频谱感知和功率分配的联合优化方案。该方案将系统的每个帧分为若干个时隙,每个时隙分别进行频谱感知,通过合并每个时隙的感知结果,有效的提高了系统的检测精度,降低了系统的干扰概率。同时理论分析了感知时间与传输功率分配方案,发现两者都存在最优分配解,在约束认知用户检测概率与传输功率的基础上,将吞吐量描述为关于感知时间与功率的多约束优化问题,通过设计联合迭代算法对认知吞吐量进行了联合优化并获得了最优感知时间与最优传输功率分配。仿真结果表明,所提联合优化方案吞吐量性能最接近理论最优方案,并可通过牺牲部分吞吐量性能降低系统干扰概率,且复杂度较低。     

Optimized Parallel Cooperative Spectrum Sensing Strategy Based on Iterative Kuhn-Munkres Algorithm

Spectrum sensing is the key and premise of cognitive radio （ CR）. Current parallel cooperative spectrum sensing strategies have some problems, such as large number of cooperative secondary users and lack of consideration for the sensing overhead and the transmission gain. To solve those problems, an optimized parallel cooperative spectrum sensing strategy based on iterative Kuhn- Munkres （KM） algorithm was proposed. To maximize the total system profit, it considers the tradeoff between the sensing overhead and the transmission gain. Iterative KM algorithm was applied to obtaining the optimal assignment, which indicated when and which channels secondary users should sense. Furthermore, the required detection-probability was introduced to avoid unnecessary waste when the accuracy met the system requirement. Monte Carlo simulations show that the proposed strategy can obtain higher total system profit with fewer cooperative secondary users.     

一种基于分数低阶矩的α稳定分布噪声中频谱感知方案

针对在非高斯背景、主用户信息未知的条件下,传统的基于二阶统计量的频谱感知方法性能将出现退化或失效的问题,建立了以α稳定分布为背景噪声的频谱感知模型,给出了一种基于分数低阶矩的感知方法,较好地解决了非高斯背景中主用户先验信息未知条件下的频谱感知问题.同时,根据中心极限定理推导了感知门限与虚警概率的关系式,通过蒙特卡洛仿真分析了该算法在不同广义信噪比、特征指数α以及协作用户数条件下的感知性能,并与传统的感知方法进行比较.仿真结果表明,基于分数低阶矩的感知方法在α稳定分布背景噪声中的感知性能明显优于基于二阶统计量的能量检测,且采用多用户协作可以进一步提高感知性能.     

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。     

认知无线电空闲频谱的联合检测算法

为了提高认知无线电中感知用户对主用户(弱信号)的检测性能,提出了一种多个感知用户合作的分布式优化联合检测算法.该算法在知道主用户信号和噪声的概率分布的条件下,通过最优化理论中的逐步二次规划法,联合求解检测系统的最优融合准则和各感知用户的最优判决门限,使系统联合检测概率取极大值.该算法不受接收机检测方式的限制,数值求解收敛速度快.仿真结果表明,感知用户为5个、融合中心虚警概率为0.1、相关符号累积为255次、不同融合准则下各感知用户信噪比相同时,与最好的固定融合准则检测算法相比,该算法使联合检测概率在高斯白噪声信道和平坦瑞利衰落信道中分别提高了13%和5%.