基于多抽头频谱估计方法的频谱感知技术

认知无线电系统中,认知用户必须具备动态可靠感知与检测频谱空穴的能力。采用多载波调制可以作为认知用户频谱感知的有效实现方式。不同于传统正交频分复用OFDM（orthogonal frequency divisionmultiplex）多载波调制,提出了认知节点基于多抽头频谱估计方法的频谱感知新技术,它基于滤波器组进行实现。采用扁长型滤波器多带调制设计的多抽头频谱估计器,具有较高的频谱动态范围,可以比周期图频谱估计器更有效地估计干扰温度功率谱。通过干扰温度功率谱仿真分析,多抽头频谱估计器作为认知用户前端频谱分析器,可以准确估计干扰温度功率谱,进而实现对主用户接收机的干扰抑制。     

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。     

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.     

认知无线电中基于循环平稳特征的频谱感知方法

提出一种基于信号频域循环平稳特征的频谱感知方法,该方法能够区分出授权和非授权信号的类型从而获取不同的频谱共享策略.将授权信号及非授权信号分别建模成线性周期时变变换,对授权信号和非授权信号进行频域的循环平稳特征分析,给出2类信号呈现循环平稳特征的位置,并给出用于鉴别2类信号的检测方法,其中推导了复过程中近似协方差矩阵的计算.仿真结果验证了该方法能在低信噪比中有效地鉴别出授权及非授权2类信号.     

一种新型的快速多分辨率频谱感知电路设计

设计了一种改进型的多分辨率频谱感知电路,用于认知无线电的快速感知功能.传统基于窗函数的多分辨率频谱感知方法的探测时间和探测频谱精度相互制约,针对这个缺点,在系统架构上予以改进:通过在窗函数相关前增加可重构滤波器进行预滤波,打破了探测时间和频谱分辨率的折中关系,增加探测精度,减少探测时间;同时可以实现频谱分辨率的自由调节.设计采用TSMC0.13μm CMOS工艺,在1.2 V的电源电压下的功耗为30 mW.测试结果显示,设计实现-65 dBm探测精度,31 dB动态范围,1~20 MHz的频谱分辨率选择,仅1μs的单点探测时间.     

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.     

基于频谱空隙利用率的频谱感知时间优化

频谱感知是认知无线电中最基础的技术之一,频谱空隙利用率(USOP)是评价认知用户实际感知性能的重要指标.分析了影响USOP的因素,证明了存在最优的感知时间可以使USOP达到最大,并且在传输速率为100 kb/s,数据包大小为500 bits,虚警概率为0.9,检测概率为0.9的条件下,得到最优频谱感知时间约为2 ms.     

认知无线电中基于循环平稳特征的频谱感知方法

提出一种基于信号频域循环平稳特征的频谱感知方法,该方法能够区分出授权和非授权信号的类型从而获取不同的频谱共享策略将授权信号及非授权信号分别建模成线性周期时变变换,对授权信号和非授权信号进行频域的循环平稳特征分析,给出2类信号呈现循环平稳特征的位置,并给出用于鉴别2类信号的检测方法,其中推导了复过程中近似协方差矩阵的计算。仿真结果验证了该方法能在低信噪比中有效地鉴别出授权及非授权2类信号。     

基于周期平稳特性的频谱感知方法

频谱感知是认知无线电中最具挑战的问题之一。实际的无线通信系统中,因为调制、脉冲成型、过采样等操作,大部分的信号都呈现周期平稳特性。介绍了周期平稳信号的定义和特征,分析了利用周期平稳特性进行频谱感知的可行性,最后给出常见调制信号BPSK、QPSK的周期平稳特性。     

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。     

基于能量-循环平稳特征的联合频谱检测方法

根据能量检测与循环平稳特征检测的特点,提出了基于双门限的能量-循环平稳特征的联合频谱检测方法.该方法利用双门限的能量检测法进行粗检,若能量落在两门限的两端,则直接进行判断;若能量落在两门限之间,则利用循环平稳特征进行检测.仿真结果表明,无论是在噪声确定或不确定的情况下,与循环平稳特征检测方法相比,该方法在保证检测性能下降不多的情况下,大大降低了计算复杂度;与能量检测方法相比,该方法在复杂度增加不多的情况下,有效提高了检测性能.     

基于谱包络的抗噪语音特征提取方法

研究了噪声对语音信号的干扰规律,利用语音信号的准周期性,较好的提取了含噪语音信号的频谱包络。通过一些改进算法,对包络峰值特征提取方法进行优化,并使用工程数学软件Matlab对此方法进行了模拟计算。结果表明:该方法可以较好的重建被噪声污染的语音谱包络,从而较好的提取到频谱的包络峰值特征。     

基于YSPSO-ＲBFN 的布里渊散射谱特征提取

为提高提取到的传感布里渊散射谱的布里渊频偏量的精度,利用压缩因子粒子群优化算法调节权值的ＲBFN( Ｒadial Basis Function Net) 径向基函数神经网络对布里渊散射谱进行特征提取。提出的算法克服了传统ＲBFN 神经网络易于陷入局部极值的缺点,利用PSO( Particle Swarm Optimization) 算法调节权值后向传输网络,对布里渊散射谱进行精度提取,保证了求解的速度和精度。数值分析过程中,利用新型结合算法在不同线宽和不同信噪比大测量范围情况下的散射谱进行参数估计。通过实验获得不同温度下的布里渊散射谱数据,利用YSPSO-ＲBFN( Particle Swarm Optimization with Shinkage Factor Shirnhage Factor-Ｒadical Basis Function) 算法处理实验数据,结果表明,该算法可提高布里渊散射谱特征提取的精度,25 ℃下拟合误差为1． 99 MHz,温度升高拟合误差也在减小。在85 ℃时的频移拟合误差为0． 047 MHz。因此,将该算法用于布里渊散射温度和应变传感系统,可有效提高检测精度。     

一种基于压缩感知和小波信息熵的滚动轴承特征提取方法

为降低滚动轴承在线监测和故障诊断过程中振动信号采集、传输、存储和处理负担,基于压缩感知理论和小波包分析技术,提出一种基于压缩感知和小波信息熵的滚动轴承特征提取方法,用于滚动轴承故障诊断。应用部分哈达玛矩阵采集振动信号实现压缩,通过小波包分解提取滚动轴承状态特征,计算其小波信息熵作为故障诊断特征。在标准数据集上进行振动信号特征提取,并采用四种分类方法完成故障诊断实验,结果表明本文特征提取方法能够在较高的数据压缩率条件下,保持较高的故障诊断精度,适用于滚动轴承在线监测和故障诊断。     

基于高阶循环统计量的频谱感知方法

根据高阶循环统计量（HOCS）具有的严格平稳特性,提出了一种基于HOCS的频谱感知方法.该方法利用渐近最优估计理论,构造了进行频谱感知的二元假设检验模型,推导了相应的检验统计量,得出了检测概率的闭式表达式.通过对感知算法所需实数乘法运算次数的比较,说明了该算法具有与能量检测（ED）几乎相同数量级的计算复杂度.仿真结果表明,相比传统的ED法和2阶循环统计量检测法（SCFD）,该方法具有良好的检测性能和抗同频干扰性能.     

基于小波包能量及高阶谱的特征提取方法

针对广泛存在的油气管道周边安全问题,研究了管道周围地面活动目标产生的震动信号的特性,提出了一种基于小波包能量谱和信号高阶谱分析相结合的特征提取方法来区分不同的活动目标.根据目标产生的地面震动信号是非平稳的特点,采用基于小波包分解能量的方法对信号的各频带进行分解,得到信号在不同频带内的能量分布特性.仅根据能量谱并不能完全区分不同类型信号,通过对信号高阶统计特性的分析,提取出高阶谱特征频率,结合这两种方法提取出的特征作为神经网络的输入向量进行模式识别.通过对实验数据进行分析,单独采用小波包能量特征其平均识别率为88.5%,而采用本文提出的方法平均识别率可以提高到94.6%,验证了文中提出方法的有效性.     

基于改进粒子群优化的快速协作式频谱感知算法

为了改进算法的计算效率和感知性能,提出了一种新的线性协作式频谱感知算法.在新算法中,通过动态地改变粒子群优化（PSO）方法在每次迭代过程中的迭代系数,以获取最优的权重向量,从而最大化算法的检测概率.采用时变迭代系数后,基于PSO的协作式频谱感知算法在粒子飞行的初期具有很好的全局探索能力,而随着迭代次数的增加,算法具有很好的局部搜索能力.仿真结果表明,新算法相比基于传统PSO的频谱感知算法具有更快的收敛速度,相比传统的基于修正系数和基于传统PSO的协作式感知算法具有更好的性能.不同场景下的仿真结果验证了新算法的有效性.     

一种新的循环谱统计量频谱感知算法

为了提高认知无线电中感知用户对授权用户(主用户)的检测概率,提出一种新的基于循环谱统计量的主用户信号检测算法.该算法利用循环谱离散频域平滑方法,对信号的循环谱在循环频率处建立合理的检测统计量,然后求解得到对应不同虚警概率的判决门限,以使感知用户能检测信噪比更低的授权用户信号.该算法具有检测结构简单,易实现的特点.仿真结果表明,在高斯白噪声信道中,虚警概率为0.1,频域平滑累积次数为255,在信噪比为-16 dB的条件下,与Dandawate-Giannakis(DG)方法相比,本文算法的检测概率提高23%.     

基于天线选择的多天线频谱感知技术

为了保护主用户系统不受认知用户的影响,提高频谱检测的可靠性,提出了一种新的基于天线选择和能量感知的频谱检测算法.该算法利用认知用户多个接收天线的感知信息,根据认知用户与主用户之间信道的差异,充分利用多天线的空间分集,选择部分使得检测概率最大化的天线进行合作检测.仿真结果表明,基于天线选择和能量感知的多天线频谱检测可有效地提高感知数据可靠性,感知数据的检测概率显著提高.