Alpha稳定分布噪声下基于特征值之差频谱感知算法

针对基于特征值的谱感知算法在脉冲噪声的环境下感知性能不佳的问题，分析矩阵全部的特征值，引入矩阵特征值的几何均值，提出了基于分数低阶协方差矩阵的最大特征值与特征值几何均值之差(difference between maximum eigenvalue and geometric mean of eigenvalue, DMGM)的频谱感知算法。选择了Alpha稳定分布噪声模拟脉冲噪声环境，理论分析与仿真实验结果表明，在不增加算法复杂度的前提下，DMGM算法与其他算法相比，更适用于脉冲噪声环境，在低信噪比条件下具有更好的感知性能。     

基于复合熵和证据理论的抗SSDF攻击协作频谱感知方法

针对协作频谱感知中，频谱感知数据篡改(spectrum sensing data falsification, SSDF)攻击导致的感知性能恶化问题，在次级用户中恶意用户占比小于一半的情况下，提出一种基于复合熵和证据理论的抗SSDF攻击协作频谱感知方法。首先，次级用户根据本地感知统计量计算基本概率分配(basic probability assignment, BPA)信息。然后，融合中心根据BPA计算距离值并进行熵处理得到复合熵，再以复合熵为权重对BPA信息进行调整，降低恶意用户的权重。最后，针对证据理论中Dempster融合公式的弊端，采用加权求和法代替传统的融合公式。仿真结果表明，和已有方法相比，在不同类型的SSDF攻击下，所提算法具有较好的感知性能。     

基于共轭梯度求解代价函数的卷积码参数识别算法

卷积码常作为级联码、Turbo码等高性能编码的子码, 正确识别出卷积码的参数是级联码、Turbo码参数识别的基础, 这要求卷积码参数识别算法具有较强的抗噪能力。利用解调软判决序列可以有效提高识别算法的抗噪能力。根据递归系统卷积码编码码元间的线性约束关系构造了一个基于指数函数的代价函数模型, 将生成矩阵的识别问题转化成求解代价函数极小值的最优化问题, 并采用共轭梯度法不断逼近极小点。仿真结果显示, 与现有算法相比, 所提方法显著提高了抗噪能力, 且适用性强、收敛速度快。