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.     

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。     

基于WRAN的认知无线电频谱感知

电视频段的频谱感知技术研究的主要对象集中于目前只被3个国家采纳的数字电视信号ATSC信号.根据DVB-T信号的特点,采用基于循环前缀的频谱感知算法,对DVB-T电视信号进行了研究.通过计算机仿真表明:该算法具有较好的检测性能,能够满足对DVB-T信号检测的性能要求.     

数字电视信号的频谱感知实测方案研究

针对我国未来可能开放的电视频段上各种模拟(PAL)及数字电视标准(DVB-T、CTTB)信号的特征,提出了有效的频谱感知实测方案.通过伪随机序列相关检测算法检测CTTB电视信号,并结合载波导频检测算法和循环前缀相关检测算法,通过搭建的基于Labview的硬件检测平台,成功地对上海地区的电视信号进行检测,给出了相关的频谱占用情况及统计特性.     

基于POMDP的认知无线电动态频谱接入算法

针对当前认知无线电动态频谱接入算法实现复杂度高的缺点,提出了在硬件受限制的情况下,基于部分可观察马尔科夫决策过程的动态频谱接入算法.该算法利用多次对外界信道的检测得到对外界环境的估计,然后根据此估计以当前和未来收益总和最大化为目标,实频谱接入,并实现了最优解和贪心法次优解.该算法比随机检测接入算法多获得约25%的带宽,贪心法的次优解在阶段数较少时与最优解性能非常接近.     

基于纯不连续马尔可夫过程的频谱感知研究

为解决在连续时间观测条件下认知无线电(CR: Cognitive Radio)频谱感知的问题, 提出一种在纯不连续马尔可夫过程中的频谱感知方法。信道状态在任意时刻可分为空闲和忙碌两种状态, 同时借助纯不连续马尔可夫过程在任意时刻停留的时间服从指数分布性质和富克 普朗克方程, 导出此类过程的状态转移矩阵, 主用户的累计占用时间和主用户在时间域上的分布情况。仿真结果表明, 该方法能较好地完成对信道状态进行预测和对主用户状态进行跟踪的任务。     

高能效认知自适应两阶段协作频谱感知算法

针对协作频谱感知技术存在产生多余的传输开销和次用户能量消耗的不足,提出了结合双阈值能量检测模型和两步检测模型的自适应协作频谱感知(CATS)算法,在保证检测性能的前提下降低能量消耗.首先给出了CATS的数学模型,然后对CATS的检测概率和能量消耗进行了理论分析.CATS在第一阶段的检测结果不准确的情况下,才执行第二阶段的感知,并根据第一阶段的检测结果以及网络状况自适应调整两个阶段参与协作的次用户数目.仿真结果表明:与现有的两步检测协作模型相比,CATS算法在保证系统检测精度的同时能够有效减少系统的能量消耗.     

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.     

基于证据理论的协同频谱感知算法

针对认知无线电系统中的有效检测授权用户需求,研究了中心节点未知先验信息时的协同频谱感知问题。为了在中心节点未知先验信息的条件下实现对授权用户的有效检测,基于证据理论,对认知用户的本地感知结果提取证据,在中心节点进行融合并判决,提出了一种新的协同频谱感知算法。仿真表明,该算法能够在中心节点未知先验信息情况下,获得很好的频谱感知性能,在先验信息和感知性能之间取得了很好的折中。     

基于POMDP的可伸缩视频流优化决策调度

针对可伸缩视频流在无线通信中的数据包调度问题,提出了一种基于部分可观测马尔可夫决策过程（POMDP）的决策调度策略,在用户状态不确定或部分可观测条件下,采用POMDP建立了完整的最优化调度模型,以实现视频接收质量的最佳化.仿真实验结果表明,与传统的调度算法相比,该方法有效提高了视频流的平均峰值信噪比(PSNR).随着调度规模的扩大,其性能能够逐渐逼近用户状态完全确定的理想马尔可夫决策过程（MDP）模型.     

基于无线电环境地图信息辅助的协作频谱感知算法

针对基于信噪比(signal noise ratio,SNR)合并协作感知算法实用性限制问题,提出一种无线电环境地图(radio environment maps,REM)信息辅助协作感知算法,该算法利用REM存储的关于授权用户发射台与感知用户位置信息辅助计算各用户合并权重系数.仿真表明,该算法在高斯白噪声(addit...     

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。     

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.     

一种能量有效的认知无线电信道搜索机制研究

针对当前认知无线电中频谱搜索机制在能量有效方面的不足,提出了一种在瑞利衰落条件下基于部分可测马尔科夫决策过程(POMDP)的多无线电信道搜索机制MRCSS.该机制通过对瑞利衰落环境中信道状态建立POMDP模型来分析和推导出能效最佳信道,并以此指导用户的信道选择.仿真结果表明该机制能较传统搜索机制更有效地减少感知时间和节...     

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。     

多信道认知网络的直观信道感知策略

为了提高频谱利用率,认知无线电技术可使非授权用户在不影响授权用户正常通信的情况下,利用瞬时的频谱空穴满足自身通信需求。如何通过感知频谱及时有效地发现频谱空穴是一个至关重要的问题,尤其是对于多信道认知无线电网络。针对多信道认知无线电网络,该文在连续时间Markov链的信道占用模型基础上,根据信道状态可能发生变化的概率,提出了一个动态的直观信道感知策略,并考虑了感知周期的影响。仿真结果表明:在感知周期合适的情况下,该策略能够有效地发现并利用频谱空穴,并且比周期感知和随机感知策略消耗更少的能量用于感知。     

一种优化的认知无线电网络分簇协作频谱感知算法

目前对于认知无线电分簇协作频谱感知算法的研究,大都认为每个簇均等地参与协作.没有考虑簇所经历的不同衰落对判决结果的影响.为有效解决这一问题,提出一种优化的认知无线电网络分簇协作频谱感知算法.该算法采用能量节省的分簇感知机制,充分考虑路径损耗与衰落对检测性能的影响.在满足虚警率和检测率的前提下,此方案不仅算法实现简单,而且在分簇结果上可以显著提高系统的稳定性,因此在信道环境复杂的情况下能有效提高频谱感知效率.     

无线认知传感器网络的节能频谱感知策略

针对无线认知传感器网络频谱感知过程中的能耗,提出两种节能策略:①使用可信度投票算法来减少传输检测结果的节点个数;②使用基于部分可观测马尔可夫决策过程的检测算法来减少检测次数.仿真结果表明这两种算法均能有效减少检测能耗,而且组合使用时相比一般算法能节省不低于30%的能量,同时保证检测可靠度满足系统要求.     

Dempster-Shafer （D-S） algorithm with credit scale in spectrum sensing

In cognitive radio, the detection probability of primary user affects the signal receiving performance for both primary and secondary users significantly. In this paper, a new Dempster-Shafer (D-S) algorithm with credit scale for decision fusion in spectrum sensing is proposed for the purpose to improve the performance of detection in cognitive radio. The validity of this method is established by simulation in the environment of multiple cognitive users who know their signal to noise ratios (SNR) and a central node. The channels between the cognitive users and the central node are considered to be additive white Gaussian noise (AWGN). Compared with traditional data fusion rules, the proposed D-S algorithm with credit scale provides a better detection performance.     

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.