自适应双门限频谱感知算法

针对传统的能量检测算法门限固定设置存在的不足,以及循环平稳特征检测算法计算复杂度高的缺点,以双门限能量检测算法为基础,提出一种联合循环平稳特征检测的双门限能量检测算法.本算法在双门限区域内实施循环平稳特征检测,双门限之外的区域采用能量检测,同时根据信道状态自适应调整双门限值.当信道状态好时,减小两个门限之间的距离,即减小实施循环平稳特征检测的概率,降低运算复杂度;当信道状态差时,增大两个门限之间的距离,即增大循环平稳特征检测的概率来保证良好的检测性能.仿真结果表明,在一定条件下,该算法能有效提高频谱检测性能,降低运算复杂度.     

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。     

双门限协作能量检测性能分析

传统的单门限能量检测,如果有突发噪声或者其它因素,产生误检的概率会比较大。使用基于OR准则的双门限协作能量检测算法,检测时对每个用户设定两个判决门限,利用多个用户检测结果进行OR准则协作判决,提升检测性能。数值仿真结果表明,这一方法能够提高频谱检测概率、抑制漏检率。当信噪比较低、认知用户数N=5时,双门限性能最高要比单门限高出22％;认知用户数N=10时,双门限性能最高要比单门限高出17％。实际应用中,低信噪比的恶劣环境居多,因此双门限检测具有不可比拟的优势,应用空间非常广阔。     

Nakagami 衰落信道下双门限能量检测算法性能研究

认知无线电是解决当前频谱资源紧缺的一种有效方式,而简单、高效的频谱感知技术是认知无线电实现实际应用的重要基础之一。为了提高双门限能量检测算法的实用性,研究了其在Nakagami衰落信道下的检测性能,推导得到了碰撞概率和限占概率的闭式表达式。仿真结果表明,在感知信道为Nakagami衰落信道条件下,相比传统的单门限能量检测算法,双门限能量检测算法可有效减小认知用户对授权用户的干扰,提高系统检测性能。     

基于信噪比的自适应门限判决PN码捕获算法

现有的自适应门限判决PN码捕获方法在低信噪比条件下的检测概率较低.针对这一问题,文中提出一种考虑噪声功率的改进算法.该算法首先通过参数设置对基于信噪比的门限进行调整,然后利用中值滤波平滑门限波形,减少了由于起伏波动引起的错误捕获,最后通过限幅滤波降低因毛刺造成的虚警概率.理论分析以及蒙特卡罗仿真表明,改进算法较现有算法能够获得更高的检测概率和更低的虚警概率,同时对窄带干扰有较强的抑制能力.     

基于自适应门限的分形维数语音端点检测

针对固定门限方法在语音端点检测技术中的局限性,为了提高低信噪比下语音端点检测的鲁棒性和准确率,将自适应门限应用于分形维数的语音检测中,提出了一种新的语音端点检测算法.该算法通过对语音信号产生机制的分析,将分形维数用于语音起止点的检测中,设计了自适应门限,从而有效降低了噪声干扰对检测结果的影响,并实现了实时检测.仿真实验结果表明,在低信噪比的情况下,改进的端点检测算法比传统的短时能量检测算法可更准确有效地实现带噪语音的端点检测,而且对噪声干扰具有更好的鲁棒性.     

隐蔽通信中变换域通信系统双门限基函数设计

针对变换域通信系统中传统基函数二进制门限设计单一固定,且未考虑系统隐蔽性的缺点,提出了一种双门限基函数设计方法.通过理论分析推导,验证了基于高阶累积量进行系统隐蔽性评价的合理性.并通过高、低门限的合理设定,确立基函数幅度谱与干扰幅度谱的动态关系式.建立了以降低系统误码率为准则的优化模型,采用遍历法进行最终优化搜索.仿真结果表明:与传统的二进制门限设计相比,所设计双门限优化算法在隐蔽性上与传统二进制门限相当,且能够实现误码率性能的提升.此外,所设计的双门限结构与传统二进制门限能有效兼容.     

宽带OFDM的窄带干扰消除器

短波宽带OFDM系统极易受到拥挤频段上的窄带干扰。基于Nillsson的宽带OFDM系统,设计了衰落信道低信噪比条件下的窄带干扰消除器。分析了低信噪比时门限的选取和噪声功率的估计问题,提出了自适应门限干扰消除器和部分子带消除器。仿真表明,多径低信噪比条件下,提出的自适应门限干扰消除器能有效抑制窄带干扰,部分子带消除器对窄带干扰消除性能更好。     

WHT图象压缩及增强

本文提出一种Walsh-Hadamard变换(以下简写为WHT)图象压缩方法.该方法将正交变换后的系数矩阵按活性指数分为三类,然后进行自适应门限压缩、比特分配与量化.文中分析了设计原理并给出了实验结果.为了改善低码率下编码图象的质量,文中还提出一种双门限邻域平均算法.使0.5bit/pel编码图象的峰峰信噪比提高约3.6dB.     

可变阈值因子的快速自适应门限检测算法

针对基于排序类自适应门限算法运算量大的问题,提出了利用可变的第k小元素替代排序类噪声能量估计的快速自适应门限检测算法.其中对第k小元素的取值仅采用快速排序算法的少次迭代过程,不须要排序完整的检测统计量,可实现快速噪声能量估计,以此作为自适应门限的参变量,结合相应的可变阈值因子达到快速自适应门限判决检测的目的.分析了检测概率和虚警概率以及运算复杂度,仿真对比了该算法与排序类自适应门限算法检测概率和虚警概率.结果表明:当有信号发送时,该算法与排序类检测算法检测概率基本一致,虚警概率有所减小;当没有信号发送时,相同阈值因子情况下,随着k值的增大,虚警概率越来越小.     

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。     

降低时隙开销的增量式协作频谱感知

为降低时隙开销,提出一种增量式协作感知算法.在时隙1,若非授权用户获得的能量检测值大于上门限则全局判定授权用户存在,若小于检测门限则全局判定授权用户不存在;否则,进一步在时隙2与协作用户采用"与"融合规则协作感知.在满足目标虚警概率与检测概率的前提下,以最小化时隙开销为目标函数优化门限.模拟结果表明,与传统算法相比,当目标虚警概率与检测概率设为10%与90%且信噪比为10 dB时,增量算法时隙开销可降低90%左右而感知性能仅降低3%左右.     

双门限算法在藏语语音音节分割中的应用分析

双门限算法是语音端点检测的一种重要方法,对藏语语音识别和处理具有重要意义。提出了用双门限端点检测技术对藏语语音进行音节分割的方法,首先根据双门限语音端点检测原理进行Matlab编程和仿真,然后结合藏语语音的音节特点和双门限算法分别在正常语速和慢语速环境下对藏语的30个辅音语音、随机抽取的双音节、三音节及句子语音进行双门限算法的音节分割和分析,实验表明双门限算法对没有太多连读音节的藏语语音和慢语速下长句的音节分割准确率较高。     

双门限相对距离加权协同频谱感知算法

针对单节点能量检测法存在的“隐藏终端”和检测准确性低以及协同频谱感知法大多采用等权重进行数据融合,未考虑不同节点所处的通信环境对检测性能的影响等问题,提出一种加权协同频谱感知算法。该算法以双门限能量检测法为基础,依据单节点双门限设置与节点感知性能之间的关系,以单节点双门限的相对距离作为信任度进行加权协同数据融合。仿真结果表明,与单节点双门限能量检测法和“或”准则协同频谱感知法比较,该算法在低信噪比环境,仍能获得可靠的检测性能。     

基于梅尔频率倒谱系数与短时能量的低信噪比语音端点检测

低信噪比环境下语音信号的端点检测在语音识别与通信等领域具有重要意义,目前低信噪比环境下的端点检测还存在效率低、识别率不高等问题.本文在分析梅尔频率倒谱系数(MFCC)和短时能量在端点检测中应用的基础上,提出将MFCC前三维度分量相加(MFCC_a),再与短时能量相除(梅尔能量比)作为语音特征参数的语音端点检测测度,最后利用模糊C均值聚类算法自适应确定双门限阈值进行端点检测.选取TIMIT语音库中的50条语音信号进行实验,结果表明:在信噪比为5 dB、0 dB、-5 dB的噪声环境下,与能零比、谱熵等算法相比,本算法端点识别准确率均有所提高,其中在-5 dB信噪比环境下提升了约30%.     

一种新的对数能量谱熵语音端点检测方法

将一种新的对数能量(LE)特征和谱熵(SE)特征相结合,提出一种新的对数能量谱熵(LESE)特征,采用模糊C均值聚类算法和贝叶斯信息准则算法进行LESE特征门限估计,并使用双门限法进行语音端点检测.在TIMIT连续语音库上的实验结果表明,相比于能量谱熵(EE)法和对数能量(LE)法,在噪声环境下LESE法具有更好的检测性能,表现出更好的稳健性.当信噪比为-5 dB时,LESE法的检测错误率仅为18.02%,在信噪比为0～10 dB时,其检测错误率要明显低于EE法和LE法.     

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。     

起伏背景噪声下地震波传感器阵列目标检测算法研究

针对起伏背景噪声下传统地震波传感器阵列检测算法虚警概率高、检测概率低的问题,提出一种基于信号相关性的阵列目标检测算法.利用传感器阵列在一个检测周期内接收到的数据建立信号检测矩阵,由检测矩阵列向量之间的相关性标记信号中目标成分的大小,进而引入相关性参数并构建检测统计量,利用信号相关消除时变的环境噪声干扰,有效克服起伏噪声对目标检测结果的影响.推导算法虚警概率与检测门限之间的定量关系,得到一定虚警率下的检测概率.基于计算机仿真和舰船目标实测试验对比本文提出算法与现有方法,结果表明本文算法可以在起伏背景噪声下有效检测出目标,且检测性能优于现有检测算法.     

双门限频谱感知中自适应烟花算法的应用研究

为了解决静态频谱分配仅将频谱分配给授权用户导致频谱资源紧缺的问题，对认知无线电中频谱感知部分进行优化。由于能量检测方法中选取固定门限值对不同信噪比信号检测误差较大，采用一种优化的双门限协作的感知方法。对于非授权用户接收信号时可能会受到干扰的情况，选取了联合频谱感知的方式。通过对爆炸半径进行自适应处理后的烟花算法来确定最小检测误差，利用其结果求得最优的门限值，得到最优的双门限值将接收到的能量区域分为3个区域，对于不能确定的区域将能量值发送到融合中心进行进一步判决，将所有判决结果用或(OR)准则融合得出频段是否有主用户占用。仿真结果表明了该方法与其他较新提出的双门限优化方法相比，具有一定优势。     

认知无线电协作频谱感知混合加权算法

协作频谱感知的关键技术是降低控制信道开销,笔者提出了一种基于信噪比的加权协作检测算法,采用双门限混合加权判决,融合中心根据当前检测信道贡献大小,从而计算和分配相应的加权值,降低无效的传输.模拟结果表明：该算法不仅检测概率有明显的提高外,而且平均感知比特数下降,从而降低了公共信道的开销.