基于USRP与LabVIEW的频谱感知实验平台设计

利用USRP和LabVIEW设计并实现了频谱感知实验教学平台,并设计了利用该平台的教学实验,以及辅助频谱感知技术的理论教学。针对应急情况下公共安全网络通信容量不足、网络拥堵的现象,设计了将频谱感知技术应用于公共安全网络的实验,旨在培养学生运用理论知识解决实际问题的能力。通过该实验平台可将理论知识的学习嵌入到实际的工程背景中,既可加深学生对理论的理解,又可提高学生的实践能力,达到了良好的实验教学效果。     

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.     

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.     

基于波特率的频谱感知技术

主用户的检测与感知问题是认知无线电中最基本、最重要的问题,文章基于认知无线电频谱感知的特点,建议针对主用户波特率这一先验信息实施检测和感知,其思想的提出对认知无线电系统适时准确地对外界电磁环境的变化迅速做出反应,对极大限度地提高无线资源的利用率有一定的现实意义。特别地,对于MSK主用户的感知,文章提出基于波特率倒数的延迟相乘检测处理方法。     

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。     

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AOMP 重建的宽带频谱感知算法

为解决OMP(Orthogonal Matching Pursuit)算法在盲稀疏度情况下迭代终止条件带来的过匹配问题, 提出了一种AOMP(Adptive Orthogonal Matching Pursuit)算法。该算法在迭代过程中通过额外增加观测样本估算原始信号的重构误差, 通过寻找最小误差点自适应地确定最佳频谱重构对应的迭代次数。仿真结果表明, 该算法在
低信噪比下, 能有效地重构原始信号, 与已知信号稀疏度的重构效果相当。     

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.     

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。     

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。     

基于差分隐私的群智频谱感知算法

认知无线电的关键技术是频谱感知,将保护隐私的激励机制与协作频谱感知结合起来,有助于提高频谱检测的准确性.文中引入了差分隐私的概念,将指数机制应用于平台与用户间的反向拍卖,提出了一种具有隐私保护的基于拍卖的频谱感知算法.平台选择获胜用户时将用户的信誉值考虑在内,并且使用了一种基于指数机制的线性得分函数选择最优的用户集.仿...     

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。     

认知无线电中频谱感知技术的研究

认知无线电是一种智能的无线通信系统,能够感知周围的无线环境,通过一定的方法相应地改变某些工作参数来实时地适应环境,从而达到提高频谱利用率、缓解频谱资源紧张的目的。频谱感知是认知无线电中最具挑战的问题之一。详细介绍了认知无线电中的频谱感知技术．并对频谱感知技术发展中面临的问题进行了讨论。     

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。     

基于能量检测的频谱感知方法

认知无线电是一种用于提高无线电通信频谱利用率的新的智能技术.首先简述认知无线电的背景和概念,针对认知无线电的频谱感知功能,详细地分析基于能量检测的频谱检测方法,在此基础上研究了噪声方差的不确定性对检测性能的影响.针对无线信号检测具有本地局域性和能量检测存在信噪比极限的特点,提出一种分布式有限合作检测机制,推导出基于“OR”规则的有限合作机制的检测概率,并进行Monte Carlo仿真.理论计算和仿真结果都表明,该方法在虚警性能略有下降的基础上,能较大程度改善低信噪比情况下的检测性能.     

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。