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。     

基于动态规划和置信度检验的小目标检测

在目标检测、识别与跟踪系统中,弱小目标的检测是需要解决的关键技术之一。提出了一种基于动态规划与轨迹置信度检验的弱小目标检测方法。该方法利用动态规划方法积累目标能量,然后进行门限判决和对候选目标轨迹进行置信度检验,从而剔除假目标,给出目标信息。该算法针对白噪声背景条件下的图像目标检测,解决了低信噪比条件下运动点目标的检测问题,算法结构简洁,易于进行软硬件分割。最后给出其实验结果。     

在衰减信道中基于最小贝叶斯风险的检测算法

针对实际检测过程中本地检测器至融合中心传输信道的非理想性,提出了基于两种非理想信道模型的分布式检测算法:第一种为融合中心已知非理想信道的瞬时状态信息;第二种为融合中心已知非理想信道的统计特性。通过最小化平均贝叶斯风险来设计本地检测器和融合中心的优化判决算法,其判决形式都可简化为似然比判决。最后通过仿真表明第二种模型的检测性能略低于第一种模型,但其计算量却大大降低。     

基于能量检测的用户选择协作频谱感知

协作频谱感知(collaborative spectrum sensing,CSS)检测结果的上报尽管能够改善检测性能,但是也可能导致认知用户(secondary users,SU)产生较高的开销,同时引起对授权用户(primary users,PU)的干扰。基于双门限能量检测的用户选择CSS策略,称为双门限最佳选择上报(double threshold best selection reporting,DTBSR)策略,意在减少SU的平均检测时间和提高频谱感知的性能。单门限能量检测在受到噪声干扰后性能会严重下降,采用了基于最大比合并(maximum ratio combining,MRC)的双门限能量检测算法,通过考虑信息上报过程对PU产生的干扰,设计了在瑞利衰落信道下DTBSR策略与传统策略的虚警概率和检测概率表达式。仿真结果表明,与传统策略和最优选择上报策略相比,改进的策略能够提高检测性能并减少平均检测时间,并且还可以通过调节感知时间获得最小化漏检概率。     

基于自动筛选技术的分布式CFAR检测算法

针对多传感器分布式恒虚警率(CFAR)检测技术在杂波环境下的应用,基于广义有序统计(OS)和自动筛选技术,提出了一种新的分布式多传感器目标检测算法。首先利用广义有序统计(OS)恒虚警算法来得到各传感器的杂波/噪声电平估计,然后将检测单元电平与估计得到的杂波/噪声电平比较,得到各传感器的局部判决。采用"OR"或者"AND"融合准则在融合中心形成全局判决,得到有无目标的判决。多目标引起的非均匀背景中,采用了自动筛选技术,使得干扰目标进入后沿滑窗的机会变小,对于干扰目标有较好的鲁棒性。在假定目标服从Swerling II起伏的情况下,导出了相应的检测概率与虚警概率闭式解。最后,给出了多种检测器数值和图表分析的比较结果,表明了该方法的有效性和优越性。     

基于多尺度特征融合的红外图像小目标检测

针对复杂背景红外图像弱目标检测问题,提出了一种基于多尺度特征融合的红外小目标检测方法。该方法在对红外图像进行离散小波框架变换的基础上,提取目标在各子带图像上的多个特征;然后对各子带图像上的多个特征分别进行融合,获得相应的目标检测判决置信度图;接着采用自适应加权方法对各个目标检测判决置信度图进行融合,得到目标检测判决总置信度图,并对其进行目标区域分割,获得最终的目标检测结果。实验结果显示,该方法对高杂波条件下红外弱目标检测具有良好效果。     

GNSS软件接收机新型高灵敏度捕获算法及实现

针对下一代卫星导航系统(如伽利略系统和GPS现代化系统等)软件接收机中信号捕获出现的数据跳变问题,提出了一种基于能量的新型高灵敏度捕获算法。该算法是在时域并行FFT捕获技术基础上,对二维搜索空间进行适当修改,在频率搜索维上采用基于能量的搜索策略。同时结合采用非相干积分技术,进行数据和导频双通道组合捕获,使噪声影响进一步减少。通过伽利略仿真信号进行实验,结果表明能量捕获算法既能克服数据跳变对捕获的影响,又能将噪声进行适度平均,从而减少误捕率,可实现适度低信噪比条件下的高灵敏度捕获。     

PUE攻击下基于循环时空平稳特征的主用户协作检测方法

根据模仿主用户攻击(primary user emulation, PUE)信号较难同时模仿主用户(primary user,PU)信号的时、空域平稳特征,提出基于循环时空滤波的PU检测方法。该方法首先利用PU信号的循环时空平稳特征设计滤波器,并对滤波输出信号进行本地判决,再将本地检测二进制结果发送至融合中心(fusion center,FC)进行全局检测,其中FC根据各认知用户(secondary user,SU)检测循环频率的不同将收到的本地检测结果分组,并采用组内组间二次融合方式获取全局检测结果,这种协作分集检测的方式可以有效降低误检率和计算复杂度。仿真结果表明,该方法可实现在低信干噪比环境下对PU信号的检测。     

OFDM系统中相位噪声的自适应补偿技术及性能仿真

相位噪声对正交频分复用OFDM系统的性能有着关键性影响,其产生的通用相角错误CPE会使信道失真系数逐符号旋转,因而必须采用逐符号更新信道估计值的方法。提出了一种基于判决反馈的低通滤波算法来克服CPE所产生的信道旋转并提高信道估计的性能。该方法可通过导频子载波估计CPE所产生的信道旋转,并将解调后子载波的判决值通过低通滤波的方式降低信道估计的方差。文中采用了归纳法对该算法进行了理论分析,分析结果和仿真均证明了该算法的有效性,以及在计算量,收敛性方面的优势。     

基于模糊积分的图像分割算法融合

提出了一种基于多分类器融合的阈值分割方法,采用模糊积分将多种阈值分割算法的结果进行融合,其区别于现有分类器融合算法之处在于,融合过程不仅取决于各个分类器(分割算法)的判决输出,而且与各个分类器的判决能力有关。各个分类器的判决能力用模糊测度表示,它可以解释为单个分类器判决对最终融合判决的重要程度。通过使用一组手工分割的测试图像进行算法评估,结果表明,所提出的融合算法性能不仅优于单个阈值分割算法,而且优于基于多数表决和算术平均的分类器融合算法。     

用于认知跳频的归一化谱双向搜索感知算法

认知跳频被认为是消除传统跳频系统用频困扰的有效途径之一。针对认知跳频超宽带和多频隙实时频谱感知的需求,给出基于归一化谱双向搜索(bidirectional search of normalized power spectrum, BSNP)的感知算法,BSNP以跳频频隙内的归一化功率谱作为检验统计量,通过顺序执行正向和反向搜索,感知出跳频带宽中已被占用的所有频隙。利用傅里叶变换的渐进正态性和相互独立性,可推导BSNP单次判决虚警概率的数学表达式和判决门限的闭式表达式。分析和仿真表明,BSNP可以准确地找出频带内被占用的频隙,相比于常规谱估计感知算法,可有效克服噪声不确定度对频谱感知性能的 影响。     

Study of multi-rate multi-user detection based on supervision decision

Multi-user detection (MUD) based on multirate transmission in code division multiple access (CDMA) system is discussed. Under the requirement of signal interference ratio (SIR) detection at base station and framework with parallel interference cancellation, a supervision decision algorithm based on pre-decision of probabilistic data association (PDA) and hard decision is proposed. The detection performance is analyzed and simulation is implemented to show that the supervision decision algorithm improves the detection performance effectively.     

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.     

基于特征值检测的多天线盲频谱感知算法的研究(英文)

在多天线感知场景中噪声不确定和信号相关现象可能同时存在,经典的基于能量检测(ED)感知性能将急剧恶化。利用多天线接收信号存在的相关特性,提出一种基于取样协方差矩阵(SCM)特征值的盲频谱感知方法。新方法无需噪声方差、主信号和无线信道的信息参与感知过程。与经典的能量检测方法相比,由于无需噪声方差参与感知节点的判决过程,新方法的感知性能对噪声不确定性具有良好的鲁棒性。利用多元统计理论和随机矩阵理论(RMT)获得了相应的理论判决门限。仿真结果表明新算法比基于ED的感知算法具有更好的误警性能和更可靠的检测性能。     

部分可观条件下空对地打击中的动态资源分配

针对静态分配模型的不足,基于部分可观的马尔可夫决策过程建立对单个目标的多阶段决策模型,以反映任务执行效果及反馈信息中的不确定性,进而提出对多个目标的动态资源分配模型。在离线优化阶段中,通过对偶分解法将其分解为一系列较易求解的子问题,并基于次梯度算法调整资源价格,以协调子问题所构造策略中资源的使用量。在实时决策中,根据所得策略及实际执行情况指定对目标的具体行动方案,确保约束条件得以满足。仿真结果表明了方法的有效性。     

集成多普勒观测的目标机动检测算法

基于决策的单模目标跟踪方法的关键是及时而稳健的目标机动检测,充分利用目标多普勒观测量能够有效提高机动检测性能。提出一种集成多普勒观测的目标机动检测算法,利用基于马氏距离的预测寻优方法,克服了多普勒观测噪声水平较高时估计式无解的情况,提高了加速度估计精度;基于奈曼皮尔逊准则设计机动检测器,避免了因目标机动检测的滞后性带来的门限漂移。仿真实验表明,算法提高了加速度估计的精度和稳健性,显著降低了平均检测延迟,有效提高了机动检测性能。     

多传感器网络目标检测方法综述

在并行拓扑结构下,从系统级的角度对多传感器网络目标检测方法进行综述,将似然比检测归纳分类为统计量(决策统计量和融合统计量)的确定和门限(决策门限和融合门限)的求解两部分,并分别展开论述。在硬决策融合系统统计量确定方面,分别归纳了理想信道、非理想信道条件下,不同融合统计量构成检测器的检测性能优劣,并通过仿真试验对比分析了不同融合统计量的检测性能;在软决策融合系统统计量确定方面,归纳了软决策融合系统中局部传感器节点性能度量方式,并对比分析了局部传感器节点决策空间划分方法;在门限求解方面,将门限求解方法归纳总结为逼近法、迭代法、蒙特卡罗方法,并分析比较这些方法的适用范围、优缺点等;最后,对多传感器网络目标检测进行了展望。     

基于RBF神经网络的蜂窝无线定位算法

为了解决最小二乘法需要测量数据的先验信息来构造协方差矩阵的问题,提出了基于RBF神经网络的蜂窝无线定位算法.它融合了移动基站提供的AOA,TOA和TDOA测量值来实现移动台的定位,利用神经网络较快的学习特性和逼近任意非线性映射的能力,使其适用于复杂的多径环境.对基于RBF神经网络的定位系统性能进行了仿真,结果表明,基于REF网络的蜂窝无线定位算法消除了定位模糊和基站非理想分布对定位精度的影响,在小区半径小于2 km的情况下,系统的定位精度在125 m时准确率可达67%,在300 m时准确率可达95%.     

MEMS陀螺仪冗余配置故障检测方法

针对姿态测量系统的可靠性问题,提出了一种冗余配置方式的微机电系统(micro-electro-mechanical system,MEMS)陀螺仪故障检测方法。首先,基于三轴MEMS陀螺仪研究了冗余配置的形式,给出了相应的故障评价函数,并给出了最优配置角度的计算方法;其次,根据冗余配置建立陀螺仪故障检测数学模型,设计了MEMS陀螺仪硬故障检测方法,并进一步证明了陀螺仪的软故障和陀螺仪输出噪声的相关性,通过最大似然估计给出了软故障检测判决函数;最后,利用自主构建的故障检测硬件平台进行了实验验证,成功实现了对发生硬故障及软故障陀螺仪敏感轴的检测。该方法将MEMS陀螺仪的冗余配置扩展到了敏感轴水平,提高了MEMS陀螺仪的数据利用率,增加了系统可靠性。     

运动多站无源时差/频差联合定位方法

鉴于无源定位技术已经成为现代信息化作战的核心技术,提出了一种新的运动多站无源时差(time difference of arrival, TDOA)频差(frequency difference of arrival, FDOA)联合定位方法去解决无源定位系统中的非线性最优化问题。通过智能算法的启发,将优化后的基于线性递减权重和物竞天择的粒子群算法(particle swarm optimization algorithm based on linear decreasing weight and natural selection, WSPSO)与经典加权最小二乘算法(weighted least squares, WLS)相联合对目标进行跟踪定位。加权最小二乘定位算法在4个基站的情况下无法实现对辐射源的定位,所得定位结果会出现多解。而所提的运动多站联合定位算法在4个基站的条件下不存在初始目标位置估计和局部收敛等问题就能够实现辐射源的精确定位。通过大量仿真结果分析,本文所提的智能优化定位算法具有更高的目标定位精度和更稳健的定位性能,优于标准粒子群算法与优化PSO算法。