一种新颖的多用户协作频谱检测算法

频谱检测是认知无线电的一项核心技术,其检测性能容易受到信道衰落的影响.与单用户频谱检测相比较,多用户频谱检测能够克服认知无线电中衰落环境对系统检测性能的影响.文章分析了能量检测在高斯信道、瑞利衰落信道和阴影衰落信道下的检测性能,提出了一种新的多用户协作频谱检测数据融合算法.该方法采用1 bit的双极性信号表示单节点认知用户能量检测的判决结果并送至融合中心,融合中心根据每个认知用户的信噪比进行加权融合.仿真结果表明,该算法能够更加有效地克服信道衰落对频谱检测性能的影响,其检测性能明显优于OR准则算法.     

一种新颖的多用户协作频谱检测算法

频谱检测是认知无线电的一项核心技术,其检测性能容易受到信道衰落的影响.与单用户频谱检测相比较,多用户频谱检测能够克服认知无线电中衰落环境对系统检测性能的影响.文章分析了能量检测在高斯信道、瑞利衰落信道和阴影衰落信道下的检测性能,提出了一种新的多用户协作频谱检测数据融合算法.该方法采用1 bit的双极性信号表示单节点认知用户能量检测的判决结果并送至融合中心,融合中心根据每个认知用户的信噪比进行加权融合.仿真结果表明,该算法能够更加有效地克服信道衰落对频谱检测性能的影响,其检测性能明显优于OR准则算法.     

双选择性衰落信道下的频谱感知

为提高双选择性衰落信道环境下频谱感知性能,提出了一种基于改进的复指数基扩展模型进行信道建模的频谱检测方法.该方法是在一般的复指数基扩展模型的基础上,采用一种能自适应移动速度的基函数,在恒虚警概率条件下,利用接收信号的循环特征,对授权用户的频谱进行感知.实验结果表明,在低信噪比和认知用户移动速度不断变化的环境下该方法有较好的检测性能.     

利用频谱峰值特征的窄带频谱感知方法

针对全盲条件下窄带频谱感知在低信噪比时性能不理想的问题,提出了一种基于频谱峰值局部密度的频谱感知(MTSE-MLD)方法。该方法对接收信号采用多窗谱(MTSE)估计功率谱,提取其最大值组成峰值序列,借鉴聚类思想利用频谱峰值局部密度的最大值(MLD)作为检测统计量,理论推导并仿真验证了其服从Ⅱ型极值分布,从而得到给定虚警概率下的检测门限,实现信号的盲检测。实验结果表明:MTSE-MLD方法无需任何先验信息,对噪声方差不敏感,适用于加性高斯白噪声信道与多径衰落信道下通信信号的检测;在数据量相同的条件下,与特征值能量法相比性能提高了1dB。     

基于极大似然比频谱检测的认知无线电子载波分配算法

在认知无线电多载波调制系统中,子载波分配是实现主用户与认知用户频谱共享的前提.研究了认知OFDM中基于极大似然比检测(MLD)的子载波分配算法,认知用户采用MLD模型对主用户频谱使用情况进行分布式检测,利用频谱检测信息动态分配子载波,通过认知基站对认知用户子载波频谱感知信息进行融合判决.推导了MLD模型的判决区域上下界阈值、检测概率与虚警概率,并与能量检测进行性能比较.仿真结果表明,相对于能量检测,MLD判决阈值与子载波平均接收信噪比(SNR)有关,检测性能自适应信道变化.MLD用于CR多载波调制中的子载波分配,可明显提高认知OFDM子载波频谱感知性能,从而达到高效利用频谱资源,实现"绿色通信".     

基于信噪比加权的协作频谱感知技术

在认知无线电系统中,通过认知用户的彼此协作,可以显著提高频谱感知的性能.在实际工作环境中,由于认知用户之间的差异,其信噪比会不同,每个认知用户的局部判决在融合中心对全局判决的影响也不同,因此本文提出一种基于信噪比加权的感知技术,给不同信噪比的用户能量分配不同的权重,采用间接的动态改变不同信噪比用户的判决门限的方法.仿真结果表明,在一定环境下,该算法能提高协作感知性能.     

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.     

衰落环境下信道增益和时延的联合估计算法

目的研究衰落环境中认知用户与授权用户之间存在未知时延情况下的频谱感知问题,提出一种信道增益和时延的联合估计算法.方法建立一种新的动态状态空间模型,用以描述授权用户状态、时变衰落信道状态和感知时延之间的关系;通过最大后验概率准则估计出信道状态,用以表述信道状态随时间变化的情况;最后基于粒子滤波方法得到授权用户状态估计以及感知时延估计;通过仿真实验,分别从信道增益和感知时延两个角度与现有方法的正确检测概率进行对比与分析.结果笔者所提出的信道增益和时延的联合估计算法(SFH)在信道增益角度正确检测概率相比信道增益估计算法(SFC)和能量检测算法(ED)分别提升2%、2.6%,在感知时延角度上提升3.4%、8.7%.结论笔者所提算法提高了接收信号统计特性,在保证实时检测的同时,显著提升了存在未知时延的衰落信道环境下的频谱感知性能.     

一种基于偏度和峰度联合检测的频谱感知算法

通过对接收信号样本偏度和样本峰度进行归一化处理，设计了一种基于偏度和峰度联合检测的频谱感知算法(联合检测算法).利用卡方分布的概率密度函数分析非渐近条件下算法的理论虚警性能，推导出相应的理论判决门限.仿真实验结果表明，联合检测算法在小样本条件下仍然可以保证可靠的检测结果，并表现出比经典的Jarque-Bera频谱感知算法更优的检测性能.     

基于Otsu准则的TDCS自适应判决门限算法

提出了一种基于Otsu准则的TDCS自适应门限选择方案,该方法首先对信道感知的频谱幅值进行灰度映射,然后利用Otsu准则将频谱灰度分为背景噪声和干扰2类,同时确定出最佳的分类阈值作为TDCS剔除干扰的判决门限。该方法能够根据对信道的感知结果动态地搜索最佳判决门限,具有很强的自适应能力。仿真结果表明:文中所提方法在信道背景噪声变化时表现出比传统方法优异的性能,尤其是当背景噪声升高到一定程度时,传统固定门限值方法的通信系统将不能正常工作,而文中所提方法还具有良好的通信性能。     

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.     

基于压缩感知的新型宽带频谱协作检测算法

针对认知无线电领域现有的宽带频谱检测技术在低信噪比情况下检测性能不足的问题,提出了一种新型的基于压缩感知的宽带频谱协作感知算法。该算法依据无线通信信号在循环谱域具有独特的稀疏特性,首先从信号相关函数的压缩采样中获取循环谱的观测值,然后利用稀疏自适应同步匹配追踪协作重构算法重构出整个宽带内所有信号的循环谱。仿真结果表明：该宽带检测算法在低信噪比和瑞利衰落信道条件下,具有较好的检测性能。同时,与以往经典的重构算法相比,该算法中提出的稀疏自适应同步匹配追踪协作重构算法在重构精度和算法复杂度等方面都有较大的提高。     

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.     

认知无人机网络中多机协作频谱感知研究

多无人机协同工作模式在未来通信中有着重要的应用前景。结合频谱资源短缺的问题,建立认知无人机网络模型,并研究多机协作频谱感知性能,提出一种最佳融合准则来优化检测性能。针对无人机数量较多的大型认知无人机网络,提出一种快速高效的协作频谱感知算法,并比较该算法在瑞利衰落以及Nakagami衰落2种信道环境下的性能。仿真结果表明:①采用最佳融合准则可以使协作频谱感知总错误率达到最小;②快速协作频谱感知算法可以利用较少的无人机来保证协作频谱感知的检测准确度,避免了不必要的感知过程,减少了参与协作频谱感知的次级用户数量,降低了协作感知时间,从而节省了感知过程开销,而且相比于瑞利衰落信道,该算法在Nakagami衰落信道环境下具有更好的性能。     

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.     

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.     

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．     

基于数值分析理论的低复杂度MED算法

经典的最大特征值检测（MED）算法在检测相关信号时具有优异的性能.然而,随着信号维度的不断增大,MED算法面临着严重的感知判决量和判决门限计算的效率和实现问题,从而极大地限制了该算法在现代认知通信系统中的进一步应用.为此,提出了一种基于数值分析理论框架的低复杂度MED频谱感知算法.所提算法利用Rayleigh商加速幂法迭代地计算感知判决量,与经典的幂法相比,在检测高维信号时具有更快的收敛速度;此外,不同于经典的查表法,新算法基于三次样条插值法快速、准确地确定任意给定目标虚警概率所对应的感知判决门限.所提MED算法在保持原有算法检测性能的同时,有效提升了计算效率,降低了算法实现复杂度;其对于高维条件下的频谱感知问题尤其具有吸引力.最后,仿真结果证明了所提算法的有效性.     

一种认知无线电联合检测算法的改进

为了改进在不同信噪比情况下多个认知用户联合检测的性能,在已提出的两个用户基于能量检测的联合检测算法基础上,提出了具有分组思想的多用户基于能量检测的联合检测算法。根据接收信号能量对各组用户的判决门限进行调整,提高各组的联合检测概率,以此提高整体的联合检测概率。通过实验仿真,表明本文所提出的多用户联合检测算法,能够提高联合检测性能。     

基于分数阶小波的频谱感知算法

针对非平稳信号在低信噪比下使用能量感知算法感知效果差的问题,提出了一种基于分数阶小波的频谱感知算法。首先对接收信号进行分数阶小波变换达到能量聚集与去噪处理的目的,之后对重构信号进行能量感知。仿真结果表明,该算法相比于传统的能量感知算法以及基于小波变换的能量感知算法,可以提高在低信噪比下对非平稳信号的感知效果。在感知概率为0.3时,基于分数阶小波的能量感知算法比传统的能量感知算法和基于小波变换的能量感知算法分别提高了6 d B和2 d B的信噪比增益;在虚警概率恒为0.1时,基于分数阶小波变换的频谱感知算法的感知概率为0.867,明显高于传统能量感知算法0.287的感知概率和基于小波变换的频谱感知算法0.628的感知概率。