基于循环平稳特征的分阶段直扩超宽带信号检测

超宽带（Ultra Wideband,UWB）信号检测对实现超宽带定位具有重要意义。针对低信噪比下直扩超宽带信号（Direct Sequence Spread Spectrum UWB,DS-UWB）功率谱密度极低,难以通过传统手段检测的问题,提出了一种基于循环平稳特征的分阶段直扩超宽带信号检测算法。在介绍直扩超宽带的信号模型的基础上,提出了改进循环平稳特征检测方法,分析了二元假设两种情形下灰度图的差异,利用这种差异将两类图像放入卷积神经网络（Convolutional Neural Network,CNN）自行训练提取特征,进而利用训练好的网络进行检测。为更高效检测出信号,采用分阶段检测,即第一阶段先进行能量检测,若未检测到,则进入第二阶段改进循环平稳特征检测。仿真结果表明,在信噪比小于-8 dB时,所提方法的检测性能明显优于传统的循环平稳特征检测。     

基于循环谱能量的自适应频谱检测算法

根据信号循环平稳谱的特征,研究在低信噪比环境下的频谱检测问题,提出一种基于循环谱能量的自适应判决门限频谱检测算法。该算法融合能量检测与循环平稳特征检测的机理,以信号的循环谱能量为检测统计量,加权合并虚警率与检测率,准确估计循环谱特征值,构建了具有噪声自适应能力的频谱检测判决门限。仿真结果表明,该算法可以在低信噪比环境下有效地完成频谱检测,克服了噪声波动对频谱检测性能的影响,对不同调制主信号的感知具有稳健性。与最大—最小特征值算法和盲检测算法相比,该算法分别改善了信噪比4dB和8dB。     

一种适用于超宽带脉冲信号检测的改进CUSUM算法

将最快检测技术应用于超宽带脉冲信号检测中,具体采用改进的CUSUM(Cumulative Sum)算法来检测超宽带脉冲信号。首先分析了经过多径信道衰减后的超宽带脉冲信号概率分布特性,进一步提出了适用于超宽带脉冲信号检测的改进CUSUM算法。理论分析和仿真证明了所提改进算法性能优越且实现复杂度低。该算法克服了块检测算法的信噪比门限效应,且具有最优的检测延迟性能,相同虚警限制下其检测性能明显优于能量检测算法。     

基于非参量CUSUM的认知超宽带频谱感知算法

提出了一种基于非参量CUSUM的超宽带信号快速检测算法,该算法针对认知超宽带频谱感知中超宽带信号检测问题,根据超宽带信号占空比低的特点,选择短时能量作为非参量CUSUM算法的观测统计量,将块检测思想和序列检测思想进行有机结合,克服了块检测算法的信噪比门限效应,并采用加滑动预处理窗的方式降低噪声对观测统计量的影响。本文通过自适应改变非参量CUSUM算法中Reference Value取值的方法,提出改进算法以进一步缩短检测延迟。仿真证明,占空比为1/10、信噪比为-25dB时, 所提算法可在用户发送50个脉冲的时间内以90%的概率检测出主用户信号的存在,而能量检测算法在8dB时才能达到相同检测概率,且所提算法检测延迟小于能量检测算法。改进算法在-10dB≤SNR≤5dB条件下可明显缩短检测延迟。      

基于熵函数的语音端点检测算法研究

本文在分析基本谱熵端点检测算法局限的基础上,引入基于二阶累积量的门限更新方法,加入短时能量参数,提出基于加权谱熵的检测方法;此外,引入特征空间能量熵定义,建立新的门限确定准则,提出基于特征空间能量熵的检测方法.通过对平稳高斯白噪声、M109坦克噪声和F16战斗机噪声这三种典型噪声环境下信噪比(SNR)从-5dB到20dB的带噪语音信号进行的仿真实验分析表明,所提两种方法能更为准确地检测到语音的端点.     

基于特征显著性融合的红外小目标检测

复杂背景下的红外图像通常存在信噪比低、邻近像素灰度变化不明显以及易被杂波信号和噪声干扰的特点,导致红外小目标检测困难。为解决上述问题,提出一种基于特征显著性融合的红外小目标检测算法。首先,在空间域中利用目标与其局部背景灰度差异来计算得到灰度显著图,在频域中结合谱残差计算得到背景抑制后的频域显著图;其次,将灰度显著图和频域显著图归一化后通过哈达玛乘积相互融合;最后,通过自适应阈值分割并使用Unger滤波器剔除较小的噪声点,从而提取出目标区域。实验结果表明,所提算法对图像的信噪比有了数十倍的提升,对背景抑制效果显著,并有着检测率高和虚警率低的优点,是一种有效的小目标检测算法。     

一种抑制参数估计背景色噪声的形态学滤波算法

根据循环平稳有关理论,通信信号的非线性变换频谱中存在体现信号各阶循环平稳性的离散谱线,谱线位置对应着信号载波频率和符号速率的线性组合。通过提取这些离散谱线可以完成信号的基本参数估计,然而非线性变换不仅能产生对应于信号载波频率、符号速率等参数的正弦分量,而且还会形成不利于谱线提取的背景色噪声,当信号信噪比低、数据量小时,色噪声对谱线提取的影响尤为突出。针对这一问题,本文深入研究了信号非线性变换谱特征,结合数学形态学基本理论,提出了一种基于离散灰度形态滤波的方法来抑制背景色噪声。首先利用开运算估计背景色噪声,其次运用顶帽变换进行白化处理,通过闭运算填平杂散负脉冲,增强谱线相对强度,最后设置检测门限,提取离散谱线,完成信号对应参数的估计。详尽的Monte Carlo仿真给出了谱线检测性能与信号脉冲成型系数、信噪比和数据量之间的关系。结果表明,该算法有效抑制了背景色噪声,在信噪比低、脉冲成型系数小、数据量少的情况下提高了谱线检测性能,从而证实了该算法的有效性。      

循环功率谱特征检测算法在认知超宽带无线通信的应用

认知超宽带无线通信技术结合了超宽带无线通信技术和认知无线电技术,信号频谱检测是认知超宽带无线通信系统的核心模块之一。循环平稳特性普遍存在于各种调制信号中,该文研究了一种新的检测算法循环功率谱特征检测算法,并以OFDM信号为例给出了软件仿真和性能分析。该检测算法能够区分有用信号,噪声信号和干扰信号,是最适合认知超宽带无线通信系统的。     

基于精确噪声估计的迭代频谱感知算法

当干扰系统先验信息全盲时,基于最小错误判断概率门限判决的迭代检测算法可以获得较好的检测性能。然而在实际应用中,低信噪比时很难做到对噪声参量的准确估计,从而导致算法最终收敛门限与最小错误判断概率门限差异较大,检测性能恶化。该文针对上述问题,提出一种改进的迭代检测算法,并通过推理给出了噪声功率、信号功率及信号占用率等参量的迭代估计式。另外,该文还讨论了检测性能指标与信噪比之间的约束关系,给出了要满足一定性能指标所需最低信噪比的闭式解。仿真结果验证了所提算法的有效性。     

低信噪比下周期平稳信号的稳健检测算法

本文提出了一种新的对周期平稳信号进行检测以及对二阶周期循环频率进行估计的算法。该算法利用信号的递归性质构造高阶自相关矩阵,并通过利用周期平稳信号与自相关矩阵特征值和特征向量的关系,对其进行检测以及对循环频率进行估计。传统检测周期平稳信号的算法是通过计算其循环自相关函数或循环谱实现,相比传统算法而言,本算法由于利用到了信号更多的先验信息,因而在较低信噪比以及较低快拍数下对周期平稳信号均能有较好的检测性能。文中仿真实验表明,本文所提算法估计出的伪循环谱相比传统方法估计出的循环谱更为平滑,在相同快拍和信噪比条件下,检测概率均高于传统方法,特别在低信噪比下对检测概率的改善更为明显。      

基于循环谱的MSK信号盲检测与参数估计

针对最小频移键控(MSK)信号的循环平稳特性,分析其循环谱密度,将渐进最优x2分布应用到该种信号的盲检测中,提出了一种基于信号频域循环平稳特征的检测方案。根据其循环谱截面的特点,提出了对信号载频和码元速率进行估计的方法,该方法避免了多维搜索,而且不需要知道信号的频率参数等先验信息。仿真结果证明了在低信噪比下本文所提出检测和参数估计方法的有效性。     

Adaptive Spectrum Sensing Algorithm in Cognitive Ultra-wideband Systems

Energy detection is a simple spectrum sensing technique that compares the energy in the received signal with a threshold to determine whether a primary user signal is present or not. Setting the threshold is very important to the performance of the spectrum sensing. This paper proposes an adaptive spectrum sensing algorithm where an optimal decision threshold of energy detection is derived based on minimizing the weighted sum of probabilities of detection and false alarm. Since the optimal decision threshold is dependent on the noise power and signal power, a simple, practical frequency domain approach is devised to estimate both. The algorithm can be used for the detection of various kinds of signals without any prior knowledge of the signal, channel or noise power, and is able to adapt to noise fluctuation. Simulations for detecting narrow-band and wideband signals (phase shift keying signal, frequency shift keying signal, orthogonal frequency division multiplexing signal) and ultra-wideband (UWB) signals (direct sequence spread spectrum signals) in an IEEE 802.15.3a UWB band are presented. The results show that the proposed algorithm has excellent robustness to noise uncertainty and outperforms the existing spectrum sensing algorithms in the literature.     

频谱协作认知检测算法研究

为实现对低信噪比主用户信号进行可靠的检测,论文结合基于循环平稳的主用户信号具有不同循环频率的特性,以及次用户间的协作检测能有效地克服无线环境中多径衰减和阴影效应等不利因素影响的特点,提出了基于循环平稳特性的协作频谱检测算法。算法利用次用户对主用户信号的多个不同循环频率进行协作检测,并对各个次用户独立的检测结果进行权值数据融合,从而实现最终全局判决。同时,为进一步改善检测性能,论文研究了基于最大比合并的权值优化方法。仿真实验表明即使信号在较低信噪比情况下,论文研究的算法亦具有较好的检测性能。      

Low-Complexity Cyclostationarity Feature Detection Scheme of Localized SC-FDMA Uplink System for Application to Detect and Avoid

This paper proposes a low-complexity cyclostationarity feature detection scheme for detect and avoid (DAA) of Ultra-Wideband (UWB) system in order to solve the coexistence issues between UWB system and Long Term Evolution-Advanced (LTE-Advanced) system. The proposed scheme is suitable for the detection of a localized Single-carrier Frequency Division Multiple Access (SC-FDMA) signal utilized in the uplink of LTE-Advanced system. Compared with conventional cyclostationarity feature detection, the proposed scheme utilizes all possible cyclic-spectrums located in a distributed window function, which is decided by the frequency distribution of the Primary User (PU) signal. The computational complexity of the proposed scheme is low, due to only one window width instead of all occupied spectrum interval will be searched for the possible cyclic-spectrums. On the other hand, the proposed scheme can also avoid the estimation of the cyclic-spectrums when the type of PU signal is unclear or the cyclic-spectrums are hard to estimate. Simulation results indicate that the proposed scheme can make a tradeoff between detection performance and computational complexity. The low-complexity cyclostationarity feature detection also provides a substitute for the energy detection when the later approach suffers from the noise uncertainty and cannot distinguish the target signal type.     

基于改进的循环互相关MUSIC算法的波达方向估计

给出了基于循环互相关运算的信号模型，根据该信号模型，运用改进的循环互相MUSIC算法得到了对具有循环平稳特性的空间源信号波达方向进行估计的有效方法——ICCC-MUSIC算法；定性的分析和仿真实验均表明该方法具有较好的抑制噪声和选择信号的能力，为利用天线阵列提取具有循环平稳特性的源信号提供了较好的实现方法。     

一种基于循环谱峭度的信号检测方法

在研究通信信号的循环平稳理论的基础上,将循环谱和峭度相结合,给出了一种低信噪比情况下的信号检测方法,降低了一般循环谱检测方法的复杂度,提高了检测性能。该方法首先采用频域平滑方法计算循环谱的 截面,有效降低背景噪声的影响;然后计算该截面幅度的峭度值 ,当该峭度值 大于门限时,表明检测到信号。仿真结果表明,基于循环谱峭度的信号检测方法优于前人提出的循环谱检测方法,可用于低信噪比情况下的信号检测。