一种双重序贯检测的协作频谱感知方法

针对现有认知传感网在低信噪比条件下感知性能差、感知时间长、协作开销大的问题,提出了一种双重序贯检测的协作频谱感知(CSDS)方法。该方法首先在各传感器节点将数据进行分段处理,以各分段的能量作为一个样本点进行序贯检测,当各节点的对数似然比和大于门限时向融合中心发送协作信息,然后在融合中心再进行序贯检测直到作出判决。理论推导给出了平均样本数、平均感知时间等性能参数的精确表达式。采用Matlab的仿真结果表明:CSDS方法在低信噪比条件下,在保持感知性能的同时,所需平均样本数和平均感知时间低于能量检测的40%,且协作开销较现有协作序贯检测方法显著减少。     

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。     

基于阈值优化的频谱感知算法

协方差绝对值(Covariance Absolute Value,CAV)感知算法使用固定阈值和固定虚警概率的频谱感知策略,无法保证在任何时候都能使频谱感知性能达到最优。提高频谱感知性能包括降低对主用户的干扰概率并提高空闲频谱的利用率,即最大限度地降低漏检概率与虚警概率。为此,本文对协方差绝对值感知算法进行改进,提出了不同信噪比下自适应阈值的优化方法使频谱感知误差(漏检概率与虚警概率的代数和)达到最小。实验结果表明,本文算法有效降低了频谱感知误差,提高了检测概率,特别是在信噪比较低的情况下性能改善较为明显。     

能量检测中的BPSK信号最优检测门限

在认知无线电中,授权用户对主用户进行频谱感知时,会存在使得虚警与漏检概率之和最小的最优检测门限。以研究高斯白噪声环境下BPSK信号的有效检测问题为目的。通过对能量检测统计量的数学分布进行理论推导,将最优检测门限问题转化为和值最小的求解问题,给出了由采样点数、噪声方差、信噪比所决定的最优检测门限计算公式,并给出证明。在不同信噪比下对和值曲线变化规律的仿真说明了最优检测门限的存在性。通过对文中门限和恒虚警概率门限下的检测概率性能分析、文中门限和恒检测概率门限下的虚警概率性能分析、以及不同指标变化时其他2种门限向文中门限收敛的性能分析,说明了最优检测门限下的检测性能较优。此外,蒙特卡洛实验验证了理论分析的正确性。     

认知无线网络频谱协作感知能耗与吞吐量的凸优化研究

针对认知无线电(cognitive radio,CR)双门限频谱协作感知能量效率与吞吐量优化的问题,提出了利用凸优化理论使能量效率与网络吞吐量达到最优平衡.在能耗一定条件下推导吞吐量关于虚警率与检测率等参数的目标方程;然后,对虚警率和检测率作合理约束,利用凸优化理论对吞吐量方程分析,推导出最优化目标函数的服从条件在一定范围内,关于感知时间与较大门限值满足联合凸或分别凸,吞吐量目标函数的变形在一定范围内,关于感知时间与较大门限值满足联合凸或分别凸;最后,利用凸优化工具获得感知时间与感知门限的最优值.理论分析和仿真结果表明,在能耗一定条件下,对于较为广泛的信噪比区间,该优化方案均可明显提高网络吞吐量及双门限认知无线电频谱协作感知的能量效率.     

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%。     

基于序贯与能量联合检测的频谱感知技术研究

认知无线电(CR)技术是一种提高频谱资源利用率的有效方法,频谱感知是其实现的前提和关键技术。针对序贯检测在个别情况下所需要的采样点数过多,达不到次级用户(SU)要求的问题,提出了一种序贯与能量联合检测(SEJD)的算法。首先同时用序贯与能量检测两统计量进行采样统计,先使用序贯检测进行判决,若当采样点数超过次级用户的要求,则直接用能量检测算法进行判决,得出判决结果。仿真结果表明:在相同的检测条件前提下,相比于能量检测(ED)算法和截断型序贯检测(truncated SD)算法,所提出的算法在检测概率和最大采样点数上有很大的提升,为确保频谱感知技术在信号检测上的快速性和准确性提供了理论依据。     

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.     

基于压缩感知的联合协作频谱感知算法

基于压缩感知的联合协作频谱感知方法实现动态频谱感知,通过融合各次用户(SU)采集的感知数据,寻找超参数,并与判决门限值进行比较,以获得最终的频谱判决结果.基于压缩感知的联合协作频谱感知算法减少了单个SU对压缩感知数据的不确定性,归一化均方误差（MSE）性能较好,并且该算法能够有效利用SU压缩感知数据信息,与其他典型算法相比,能获得更高的正确检测概率和较小的虚警概率.     

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。