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.     

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。     

主用户具有AF中继辅助的协作频谱感知及最佳用户数分析

将主用户具有放大转发（amplify-forword,AF）中继辅助的检测模型与多个感知用户进行协作频谱感知的模型相结合,得到主用户具有AF中继协作的新模型。为减少系统开销,综合参数的影响,推导出其检测概率与虚警概率表达式,并在分析报告信道衰落环境下,通过此模型的中继放大可适当缓解衰落所带来的性能损失;进一步验证最佳参与协作用户数的存在性,设计了基于用户取值区间的搜索算法,以探索中继放大增益及错误报告概率对最佳用户数的影响。通过仿真表明,该模型能有效提高检测性能,并能在给定虚警概率下最大化检测概率时,选择合适的参数对：中继放大增益和最佳参与用户数。     

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.     

一种基于分数低阶矩的α稳定分布噪声中频谱感知方案

针对在非高斯背景、主用户信息未知的条件下,传统的基于二阶统计量的频谱感知方法性能将出现退化或失效的问题,建立了以α稳定分布为背景噪声的频谱感知模型,给出了一种基于分数低阶矩的感知方法,较好地解决了非高斯背景中主用户先验信息未知条件下的频谱感知问题.同时,根据中心极限定理推导了感知门限与虚警概率的关系式,通过蒙特卡洛仿真分析了该算法在不同广义信噪比、特征指数α以及协作用户数条件下的感知性能,并与传统的感知方法进行比较.仿真结果表明,基于分数低阶矩的感知方法在α稳定分布背景噪声中的感知性能明显优于基于二阶统计量的能量检测,且采用多用户协作可以进一步提高感知性能.     

基于异步分布式检测的协作频谱感知研究

构建了一种基于异步分布式检测的协作频谱感知(CSS)模型,推导了此模型在贝叶斯准则下的最优融合方案,并提出了一种不需要主用户先验信息的次优方案——最大后验概率(MAP)检测-K/N规则融合方案.分别对采用这两种方案时,协作频谱检测的虚警概率和检测(漏检)概率性能进行了理论分析和仿真,仿真结果显示两种方案都能有效提高频谱...     

宽带认知无线电网络分布式协作压缩频谱感知算法

针对宽带认知无线电网络中压缩频谱感知算法在低信噪比环境下频谱检测性能下降的问题,提出了一种基于高斯过程的分布式压缩频谱感知(PBCS)算法.首先应用层次化的正态分布概率模型来表示压缩频谱的重构,然后各个认知无线电用户交换模型参数并结合本地的压缩采样数据进行压缩频谱感知.有别于其他直接融合频谱感知结果或检测数据的协作式算法,PBCS算法通过模型参数融合来进行协作,能有效减小信噪比低的协作用户的影响,从而提高算法的抗噪性.仿真结果表明,PBCS算法可以在-5dB的信噪比条件下达到检测概率大于0.9、误检概率为0.1的频谱检测性能.     

基于用户协作的频谱感知方案及检测概率分析

通过认知用户间的彼此协作,可以使得认知无线网络获得明显的空间分集增益,从而显著改善认知无线电系统的感知性能。由此,提出了2种基于放大重传和解码重传的协作频谱感知方案,并且在瑞利衰落环境下对所提方案的检测概率性能进行了理论分析,给出了非协作感知和协作感知的检测概率的解析表达式。根据理论推导得到的检测概率解析式,对3种频谱感知方案进行了数值仿真实验。结果表明：在虚警概率一定的情况下,协作感知方案的检测概率明显大于非协作方案,这也说明了用户协作为认知无线网络带来了可观的性能增益。     

多用户协作频谱感知的性能分析

实际的无线信号传输会受到阴影效应、噪声等因素的影响,单个认知用户的频谱感知性能会下降。因此,采用硬合并协作方案,分析了多用户协作感知在高斯、瑞利和莱斯信道下的检测性能。同时,对控制信道由于衰落和噪声影响而产生误码情况下的系统检测性能进行探讨。结果表明,多用户协作检测可以提高系统的检测概率,但虚警概率会随着参与协作的用户数的增多而上升,当控制信道不理想时,协作检测会导致虚警概率下限的出现,造成频谱利用率低下。     

宽带认知无线电中高效协作频谱压缩感知方案

文中将压缩感知、协作频谱感知、数据融合方法结合在一起,提出了一种新型高效协作频谱感知方案.除采用协作检测概率、协作虚警概率来衡量单个子信道的频谱感知性能外,还提出了系统无空率、系统误阻率两个概念以衡量整个宽带认知系统的频谱感知性能.仿真结果表明压缩感知理论可在近乎完美地重建信号的情况下有效地减少处理的数据量.     

协作感知门限自适应优化

 在频谱感知过程中,采用协作感知的方式对空间内多个节点的感知结果进行融合,可以消除路径阴影和深度衰落情况的影响,有效提高结果的准确性和可靠性。基于加权融合的协作判决准则,为了保证融合结果的检测概率和虚警概率达到标准,需要使每个节点的感知结果均达到相应的标准。因此提出通过对每个感知节点设定合适的感知门限进行优化。首先对各感知节点的进行分析,可以得到每个节点在检测概率和虚警概率一定的条件下,感知门限与节点权值的关系,其次通过遗传算法对权值的优化实现权值优化--感知门限优化的自适应优化过程。最后通过仿真验证该方法可以高效准确地实现感知门限的自适应优化,从而保证了协作频谱感知的实际性能。     

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.     

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。     

基于数据融合的协作频谱感知算法

协作的频谱感知使认知无线电(CR)网络对主用户进行可靠的检测,并避免了对主用户通信的干扰.数据融合是协作的频谱感知的关键技术.对基于"与"准则、"或"准则、最大后验概率准则和贝叶斯准则的数据融合算法进行了研究,采用这4种融合方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.仿真结果显示最大后验概率准则和贝叶斯准则在认知无线电的环境中有优越的感知性能.     

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".     

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.     

基于K-out-of-N融合准则的认知无线电网络优化

在认知无线电网络中,单个用户的感知很容易受到环境的影响,导致对目标频谱状态检测的误判。为提高系统频谱感知的准确性,引入了协作频谱感知机制。协作感知有效地降低了多径和阴影效应的影响,提高了系统检测精度。为了使协作频谱感知发挥出最优的性能,本文主要研究协作频谱感知中的数据融合方式,对K-out-of-N准则进行优化,考虑在漏检概率约束下,通过最小化错误概率从而求得K-out-of-N准则中的最优K值,降低协作遍历搜索K值所耗时间与能量,并在不同信道下进行仿真对比,验证优化后K-out-of-N准则的有效性。仿真结果表明,优化后的K-out-of-N准则可有效改善系统感知性能。     

采用空时分组编码的动态分组加权合作频谱感知方案

针对认知无线电网络中存在的非理想反馈信道与用户间信道使合作频谱感知算法难以有效提高频谱检测性能的问题,提出了一种基于空时分组编码的动态分组加权合作频谱感知(DCWCSS)方案。首先将所有未分组认知用户中具有最高用户间信道平均信噪比的两个用户分为一组,并依此将剩余用户进行两两分组,然后根据各认知用户检测结果对系统检测性能的贡献对认知用户进行加权,赋予不同权重,最后采用空时分组编码(STBC)方案将用户检测结果传输给基站进行判决。DC-WCSS方案可依据用户间信道平均信噪比进行动态分组,并根据认知用户检测结果的可靠性设置用户权重,能有效降低反馈阶段的误码率,从而提高系统检测性能。仿真结果表明,与基于传输分集的合作频谱感知方案相比,在虚警概率为0.3时,DC-WCSS方案的一次加权和二次加权后的系统检测概率可分别提升至少20%和30%。     

基于中继选择的协作频谱感知算法

针对最佳中继选择协作频谱感知方案检测概率低、而所有中继节点均参与协作频谱感知复杂度高的问题,提出一种中继选择协作感知算法.该算法根据N条中继链路等效信噪比的大小,从中选择出L个信噪比大的优质中继用户转发主用户信息.导出了该算法在瑞利平坦衰落下的频谱检测概率上限闭合表达式,为频谱检测性能分析提供了理论依据.数值分析结果表明：只需60%左右的优质链路参加中继就可以达到理想的性能,大大降低了系统实现的复杂性.