基于节点选择的特征值频谱感知算法

为提高认知无线电系统对微弱信号的频谱检测能力,基于特征值的频谱感知算法越来越受到关注.在统一的框架内研究了随机矩阵特征值的极限分布特性,分析了特征值频谱感知算法中各种设置判决门限方法的特性和性能.为了降低特征值频谱感知算法的计算复杂度,提出了一种认知接收节点选择方法,大大减少了运算量.     

基于极限特征值之差的改进频谱感知算法

基于取样协方差矩阵的最大和最小特征值之差的频谱感知算法,从提高感知判决门限的设置准确度出发,利用Wishart随机矩阵极限特征值分布的最新成果,设计出了一种新的判决门限计算方法.仿真实验结果表明,相对于现有的频谱感知算法,新算法的判决门限计算更加准确,在改善判决结果可靠性的同时,有效地提升了有限样本数量条件下算法的检测性能.     

一种改进的基于MME的盲频谱感知算法（英文）

基于最大-最小特征值(MME)之比的盲频谱感知算法,最大的优势是感知判决过程无需无线信道、噪声方差和主用户信号等先验信息.然而在实际应用过程中,MME算法的理论判决门限值的确定相当麻烦.基于改进判决门限的MME盲频谱感知算法,相比传统的MME算法检测结果更可靠.实验仿真结果验证了新算法的有效性.     

一种基于极值特征值之差的全盲多天线频谱感知算法

提出了一种新的基于接收信号取样协方差矩阵（SCM）极值特征值之差的多天线频谱感知算法BDDEE，其以SCM的最大最小特征值之差与接收信号平均能量之比作为感知判决量，在检测过程中摆脱了对噪声方差的依赖，且无须使用主用户信号及无线传输信道等相关参数.在此基础上，基于有限维Wishart随机矩阵有序特征值分布的相关结果，从理论上提出了一种精确的虚警概率和判决门限的分析和计算方法；更进一步，考虑到次级用户计算和存储资源的限制，利用高维Wishart随机矩阵中极值特征值的分布理论，通过融合最大和最小特征值极限分布所对应的判决门限，提出了一种低计算复杂度的判决门限计算方法.综合考虑检测性能和虚警性能指标来看，新算法比经典的CAV、MME和DMME算法具有更优的感知性能，在样本数目有限的条件下能获得更加稳健的检测结果，数值仿真结果证明了所提BDDEE算法的有效性.     

基于随机矩阵的特征值方差频谱感知检测算法

传统的频谱感知能量检测易受噪声方差不确定性的影响,存在"信噪比墙"效应。频谱感知特征值检测跟能量检测一样,不需要信号任何先验信息,并且能在低信噪比下取得较好的检测性能。经典的特征值检测有最大最小特征值(maximum-minimum eigenvalues,MME)之比算法,最大最小特征值之差(maximum-minimum eigenvalues difference,DMM)算法等。这些算法只利用特征值的一阶统计量,不能充分反映全部特征值的统计特征。利用特征值二阶统计量提出一种基于特征值方差的频谱感知算法,选取能反映特征值整体波动的方差当作观测统计量,并利用矩阵迹的性质推导出该算法的理论门限。仿真证明:当噪声方差不确定性等于0 d B时,该算法的检测性始终优于MME算法。当噪声方差不确定性等于0. 2 d B时,能量检测(energy detection,ED)算法检测概率急剧下降,而特征值方差(eigenvalue variance,EV)算法检测概率仅下降10%左右,并且当信噪比(signal noise ratio,SNR)大于-17 d B时,EV算法的检测概率优于ED算法和MME算法。     

基于随机矩阵的特征值方差的频谱感知检测算法

传统的频谱感知能量检测易受噪声方差不确定性的影响,存在"信噪比墙"效应。频谱感知特征值检测跟能量检测一样,不需要信号任何先验信息,并且能在低信噪比下取得较好的检测性能。经典的特征值检测有最大最小特征值(maximum-minimum eigenvalues,MME)之比算法,最大最小特征值之差(maximum-minimum eigenvalues difference,DMM)算法等。这些算法只利用特征值的一阶统计量,不能充分反映全部特征值的统计特征。利用特征值二阶统计量提出一种基于特征值方差的频谱感知算法,选取能反映特征值整体波动的方差当作观测统计量,并利用矩阵迹的性质推导出该算法的理论门限。仿真证明:当噪声方差不确定性等于0 d B时,该算法的检测性始终优于MME算法。当噪声方差不确定性等于0. 2 d B时,能量检测(energy detection,ED)算法检测概率急剧下降,而特征值方差(eigenvalue variance,EV)算法检测概率仅下降10%左右,并且当信噪比(signal noise ratio,SNR)大于-17 d B时,EV算法的检测概率优于ED算法和MME算法。     

基于矩阵特征值的主用户信号全盲检测算法

在多天线主用户信号检测过程中,在信道空闲和信道被占用2种情况下接收信号取样协方差矩阵的最大和最小特征值存在明显差异.根据这一观察,提出了一种新的基于取样协方差矩阵最大和最小特征值的盲检测算法.该算法以取样协方差矩阵最大与最小特征值的差与和的比值作为感知判决量,再通过引入大维随机矩阵中关于取样协方差矩阵最大和最小特征值分布的最新成果,设计出一种有效的判决门限计算方法.相对于经典的特征值检测算法,蒙特卡罗仿真实验比对结果表明,新算法具有感知判决门限计算准确的优点,能有效地提高检测性能和判决结果的可靠性.     

基于RMT的协作MIMO频谱感知

针对认知无线电技术中的频谱感知问题,将已经广泛应用于无线通信领域的随机矩阵理论（RMT）引入到多认知用户MIMO环境中,提出了基于随机矩阵理论的协作MIMO频谱感知算法。该算法不需要预知噪声的统计特性和噪声方差,而是利用大维随机矩阵特征值的极限分布特性进行频谱感知。新算法充分利用了协作技术及MIMO技术的优点来提高感知性能。理论分析和仿真结果均表明,新算法整体性能优于同类算法和典型的能量检测算法。     

认知无线电中一种新的基于MED的频谱感知算法

提出了一种新的基于最大特征值检测的频谱感知算法,并利用最新的大维随机矩阵理论的结果来获取新的理论判决门限.该门限能够使检测器产生更加可靠的感知性能,获得更高的检测概率.仿真结果验证了新算法的有效性.     

基于特征值拟合优度的频谱感知算法研究

现代拟合优度频谱感知算法直接采用信号的样本或能量作为拟合统计量,对独立的接收信号表现出良好的检测性能,对相关信号则表现不出令人满意的效果．基于最大特征值的拟合优度频谱感知算法可表现出更好的检测性能,但是基于最大特征值的拟合优度算法是半盲检测算法,需要已知噪声的功率,这在实际应用中是难以实现的．为此,提出了新的基于最大最小特征值的全盲拟合优度频谱感知算法．同时基于随机矩阵理论成果,推导分析了新算法的检测概率、虚警概率和判决门限．实验结果表明,新算法有效克服了噪声不确定性问题,相对于其他拟合优度检测算法性能有所提升．     

基于迭代用户选择的合作频谱感知算法

针对认知无线电中经典频谱感知算法 (能量检测、算术几何平均、信号特征值子空间、最大特征值检测)存在不同程度缺陷的问题,为了进一步提高频谱感知算法的检测性能,提出了基于迭代用户选择(iterative user selection, IUS)的合作频谱感知算法。该算法先对参与合作感知的全部认知用户进行选择,然后在选出的部分用户频谱观测数据的基础上,生成全局检验统计量(global decision statistic, GTS),以此做出授权用户(primary user, PU)信号是否存在的全局判决。仿真结果显示,在虚警概率保持不变的情况下,进行迭代用户选择后,合作频谱感知的检测概率要优于未进行用户选择时的算法。与经典频谱感知算法相比较, IUS的合作频谱感知算法不需要任何先验信息,且以较少的频谱观测数据达到较好的检测性能。     

基于矩阵特征值的主用户信号全盲检测算法

在多天线主用户信号检测过程中,在信道空闲和信道被占用2种情况下接收信号取样协方差矩阵的最大和最小特征值存在明显差异.根据这一观察,提出了一种新的基于取样协方差矩阵最大和最小特征值的盲检测算法.该算法以取样协方差矩阵最大与最小特征值的差与和的比值作为感知判决量,再通过引入大维随机矩阵中关于取样协方差矩阵最大和最小特征值分布的最新成果,设计出一种有效的判决门限计算方法.相对于经典的特征值检测算法,蒙特卡罗仿真实验比对结果表明,新算法具有感知判决门限计算准确的优点,能有效地提高检测性能和判决结果的可靠性.     

分布式非负矩阵分解的认知无线网络感知能力研究

针对传统的认知无线网络的频谱感知能力差、频谱感知的检测率低、频谱检测误差大的问题,提出一种分布式非负矩阵分解的认知无线网络频谱感知能力研究方法。该方法采用基于感知性能的非负矩阵分解进行频谱数据降维,降低数据处理的复杂度,提高运算速度和频谱感知准确率。采用频谱能量检测模型,通过采集到的信号能量来确定共同决策是否存在空闲频谱。通过对频谱感知误差分析,减少出错率,提高分布式频谱的感知能力。实验结果表明,该算法能提高频谱检测的准确率,降低频谱感知的能量消耗,具有较好的实用性。     

一种改进的基于取样协方差矩阵特征值之比的盲频谱感知算法

基于最大最小特征值之比（MME）的盲频谱感知算法在认知无线电领域引起了广泛关注.该方法最大的优势在于其感知判决过程无需无线信道、噪声方差和主用户信号等先验信息.然而在实际应用过程中,MME算法的理论判决门限值的确定相当麻烦.笔者提出了一种基于改进判决门限的MME盲频谱感知算法。与传统的MME算法相比,改进的MME算法能够产生更加可靠的检测结果.实验仿真验证了新算法的有效性.     

不可约Z-矩阵最小特征值的改进算法

首先给出了不可约非负矩阵最大特征值的新估计,并进一步利用相似变换构造了一列相似矩阵,从而得到不可约非负矩阵最大特征值的逐步压缩的上下界,其极限为所要求的最大特征值.然后利用Z-矩阵与非负矩阵的关系,给出了不可约Z-矩阵最小特征值的改进算法.该算法迭代过程简单,迭代速度快.最后用数值实验加以验证.     

一类特殊矩阵的逆特征值问题

讨论一类具有特殊形式的矩阵An的两类逆特征值问题.问题I是由An的顺序主子阵Aj(j=1,2,…,n)的最小、最大特征值来构造矩阵An;问题II是由An的顺序主子阵Aj(j=1,2,…,n)的所有特征值来构造矩阵An.分别给出了两类逆特征值问题有解的充分必要条件且结果具有构造性,另外提供了相应的算法和数值例子,数值结果表明算法很有效.     

基于循环谱特征的楼宇室内频谱感知算法

针对目前楼宇室内环境中,信道多径衰落和噪声不确定性等低信噪比情况下主用户信号检测性能较低的问题,提出了一种基于支持向量机(SVM)的主用户信号频谱感知算法.该算法融合了循环平稳特征检测和SVM算法的特点,对信号循环平稳特征参数进行特征提取,作为训练样本和待测样本,再采用SVM算法分别对有无主用户情况下的信号进行分类检测.仿真实验表明与人工神经网络(ANN)和最大最小特征值法(MME)相比较,所提算法可在低信噪比情况下,有效地实现对主用户信号的感知,具有较好的稳健性.     

不可约非负矩阵谱半径的数值算法

用矩阵的对角相似变换和Perron Frobenius定理, 给出了不可约非负矩阵谱半径的简单数值算法, 该算法类似于求矩阵按模最大特征值的经典算法-幂法, 适用于任何不可约非负矩阵, 并且通过适当选择参数, 算法具有简单、 快速的特点.     

对称Toeplitz-plus-Hankel矩阵特征值的快速算法

利用了n阶对称Toeplitz-plus-Hankel矩阵的结构特点和对称性,给出了计算该类矩阵所有特征值的一个快速算法.该算法的计算复杂度为O(n2logn),比文献[1-]所给的算法来得少.     

Hermite矩阵最大(最小)特征值的估算

提出了一种用范数来估算Hermite矩阵最大(最小)特征值的方法:定理设λi(A)为Hermite矩阵A的特征值,α为实数,则-‖-A αE‖m α≤λi(A)≤‖A αE‖m-α