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.     

协同频谱感知中的融合策略

在认知无线网络中,协作频谱感知从多个分布式认知用户中收集感知数据,有效地提高了检测的可靠性.如何利用多个认知用户的感知信息进行融合是协作频谱感知的关键技术.在当前的研究中,融合的方式可以分为两种:决策融合和数据融合,文中对基于决策融合和数据融合的5种融合准则算法进行了研究,采用这5种融合算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,5种融合算法都可改善性能不佳的单个次用户的检测情况,并随着协作节点数的增大性能得到显著提高.其中,数据融合由于较决策融合接收到的数据值更加完整以换得更优越的感知性能.     

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.     

一种基于压缩感知的非重构频谱检测新算法

提出了一种基于压缩感知的非重构频谱检测算法,将压缩感知处理得到的观测值直接用于主用户检测,解决了宽频主用户信号的检测问题.文中定量分析了检测性能,并通过认知用户的协作频谱检测对算法进行了改进.仿真结果表明,该算法在信噪比大于0 dB环境下具有良好的检测效果,协作检测法可作为低信噪比环境下算法的有效改善途径.此外,相比于基于重构的频谱检测算法,该算法大大降低了数据量和算法复杂度,显著缩短了检测时间.     

基于极大似然比频谱检测的认知无线电子载波分配算法

在认知无线电多载波调制系统中,子载波分配是实现主用户与认知用户频谱共享的前提.研究了认知OFDM中基于极大似然比检测(MLD)的子载波分配算法,认知用户采用MLD模型对主用户频谱使用情况进行分布式检测,利用频谱检测信息动态分配子载波,通过认知基站对认知用户子载波频谱感知信息进行融合判决.推导了MLD模型的判决区域上下界阈值、检测概率与虚警概率,并与能量检测进行性能比较.仿真结果表明,相对于能量检测,MLD判决阈值与子载波平均接收信噪比(SNR)有关,检测性能自适应信道变化.MLD用于CR多载波调制中的子载波分配,可明显提高认知OFDM子载波频谱感知性能,从而达到高效利用频谱资源,实现"绿色通信".     

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.     

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.     

基于贝叶斯判决规则的异步合作频谱感知新算法

依据认知无线电中授权频谱占用情况的On-Off模型,提出了一种新型的合作频谱感知算法。该算法将次用户在不同时刻的软判决结果传输给数据融合中心,在考虑到不同认知节点具有不同信噪比的情况下,将On-Off模型求得的贝叶斯融合似然比作为感知权重对各认知用户的感知结果进行数据融合。理论分析与仿真结果表明,相比传统的同步合作感知算法,该算法具有合理性更强、可靠性更高、检测性能更优以及代价更少等优点。     

一种低复杂度的最大化资源效用的最优感知节点数目优化算法

协作频谱感知技术是认知无线电中的重要技术.首先定义了认知网络的效用函数,该函数考虑了协作频谱感知中的感知错误概率和感知用户所占用的资源以平衡感知性能和资源利用效率.然后推导了在所有感知用户的信噪比相近的情况下,为达到资源效用最大化所需要的最优的感知用户数目.仿真结果表明通过最优感知用户数目的选择,认知网络的效用高于其他算法,并和穷举算法的效用接近,但是计算复杂度大为降低,从而降低融合中心的计算能耗,有助于绿色节能认知网络的实现.     

基于频谱池边界检测的宽带压缩频谱感知方法

频谱感知是认知无线电的一项重要内容,引入频谱池策略能够有效降低其复杂度,由于频谱池具有内在稀疏性,利用压缩感知技术能够进一步减少频谱感知的实现开支。提出一种基于频谱池边界检测的宽带压缩频谱感知方法,该方法能够利用较少的采样数据恢复出频谱池子带功率在边界发生跳变的程度并据此完成频谱感知。分析了压缩采样信号和频谱池边界的数学联系,并在此基础上建立了基于频谱池边界检测的宽带频谱感知的压缩感知模型。分析和仿真表明,该方法在不同虚警概率和压缩比下,相对基于边界检测的压缩频谱感知方法具有更优的检测性能和更低的计算复杂度。     

宽带SSDF攻击下的压缩频谱感知

在宽带主用户信号的模型下,提出了一种新型的宽带SSDF(spectrum sensing data falsification)攻击模式,并结合了压缩感知(compressed sensing,CS)技术与平均一致(average consensus)算法,建立了可防御这种宽带SSDF攻击的分布式宽带压缩频谱感知模型.频谱感知分为感知阶段和信息融合阶段.在感知阶段,各个CR(cognitiveradio)节点对接收到的主用户信号进行压缩采样以减少对宽带信号采样的开销和复杂度,并作出本地频谱估计.在信息融合阶段,为了更好地排除宽带SSDF攻击节点的影响,建立了子信道声望值指标,各CR节点的本地频谱估计结果以分布式的方式进行信息融合,排除潜在恶意次用户的影响,得到最终的频谱估计结果.仿真结果表明,提出的频谱感知模型可以有效地抵御宽带SSDF攻击,并且利用了恶意次用户节点的有用数据获得了额外的分集增益,提高了频谱感知的性能.     

基于动态组稀疏重构的频谱感知算法

针对认知无线电网络中宽带频谱感知问题,提出了一种基于主用户信号频谱结构的频谱感知算法,简称为DGS-SS算法.该算法首先利用压缩感知理论对信号进行欠采样,然后利用主用户信号频谱的组稀疏结构修正重构过程中的频谱和残差支撑集,从而能够加快重构主用户信号频谱的收敛速度,而且也能够提高主用户信号频谱的重构精度,最后利用重构信号频谱给出频谱空穴的有效检测.仿真结果表明,所提算法不仅能在低压缩比下精确重建信号频谱,而且对噪声变化具有更强的鲁棒性,从而有效地提高了频谱感知性能.     

一种适用频谱检测技术的最小l1范数改进算法

压缩感知(compressed sensing)理论是近两年信号处理领域方兴未艾的一个热门研究方向,它的出现突破了奈奎斯特采样定理对信号频率的限制。最小l1范数法(即BP算法)是压缩感知中信号若干种重构方法中比较成熟的一种算法。文中在对已有的BP算法进行了研究后,提出了一种适用于噪声环境下的加权迭代l1算法,并将之应用于认知无线电的频谱感知中,经过MATLAB仿真的对比后,验证了改进之后的算法对提高含有高斯白噪声的信号重构的精确度有着更加精确的效果。     

基于压缩感知的DRM信道估计

针对数字调幅广播(Digital Radio Mondiale,DRM) 系统频谱有限的特点,为了以较少的导频开销获得精确的信道状态信息,本文将压缩感知理论与信道估计问题相联系,建立基于压缩感知的DRM 信道估计模型,并分析和验证导频插入方式和数量对信道估计性能的影响.与LS(Least Square) 方法相比,基于压缩感知的DRM 信道估计不但能够以更少的导频获得精确可靠的估计结果,而且在提升信道估计性能的同时提高频谱利用率.     

基于变分稀疏贝叶斯学习的频谱检测方法

为了降低对宽带信号进行压缩频谱感知的复杂度,提出了一种基于变分稀疏贝叶斯学习的频谱检测方法.该算法直接利用压缩测量值对授权用户的位置、个数以及功率传播图进行了估计,在先验知识未知的情况下,利用变分稀疏贝叶斯求解稀疏权值.而且用简单函数因子逼近的方法降低了边缘似然函数的计算难度.实验结果表明:该方法在感知精度和速度上有显著提高.     

齿轮振动信号的压缩感知采集与故障诊断

传统的采样策略会产生大量的数据,为了减少齿轮振动监测中的数据量,在压缩感知的基础上,建立了齿轮振动信号采集和重构模型。首先通过高斯随机矩阵对振动信号进行压缩测量、传输和存储压缩后的信号可以节省成本。信号重构归结为一个最优化问题,应用正交匹配追踪求解信号重构问题。进而得到重构信号的Hilbert解调谱,从Hilbert解调谱中提取特征频率,以特征频率能否识别来评价信号重构的效果。仿真实验和齿轮实验证明了模型的有效性。     

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。