基于OFDM符号宽度的循环平稳频谱感知方法

该文提出一种新的基于OFDM符号宽度的感知方法。该方法首先对接收到的每个OFDM符号在其符号周期内进行循环自相关函数的估计,然后利用多元统计理论计算判决量和判决门限,最后将判决量和判决门限进行比较从而得到判决结果。该方法是非参数化的,因而能够在噪声不确定的情况下有效工作,并且该方法能够极大简化目前循环平稳感知类算法的复杂度而只有细微的性能损失。此外,该文接着又提出一个非参数化多天线线性加权合并感知方法。仿真结果表明,所提合并方法通过合理地非参数化优化加权系数,与传统循环平稳感知方法相比,在复杂度显著降低的同时,性能几乎与传统循环平稳感知方法一致。     

基于循环互相关的二维波达方向估计方法

本文在简化传感器阵列基础上,建立了基于循环互相关的阵列信号模型,并根据该模型,运用波达方向矩阵法提出了一种新的循环平稳源信号二维DOA估计方法.通过利用循环互相关函数建立信号处理模型,使得该方法在继承了一般循环平稳DOA估计方法所具有的优点之外,还具有更好的抑制噪声能力,同时,此方法不仅对窄带信号适用,对宽带信号也同样适用.此外,该方法不需谱峰搜索和二维角度参数配对,具有计算复杂度低的优点.理论分析和仿真结果均说明,本文方法具有较好的噪声抑制能力和信号选择能力.     

基于压缩感知的信号检测方法

提出了一种基于压缩感知思想的信号检测方法。该方法首先将信道估计转化为非完全信号重构,实现了信道估计的动态可调整,降低了信道估计的复杂度;然后利用信道估计的结果对压缩采样后的信号进行压缩Rake合并,使得Rake合并的实现复杂度更低;最后对压缩相关且合并后的数据进行判断。理论分析和仿真结果表明了该方法的有效性和可靠性。     

基于MT-BCS的可分离DOA估计算法

压缩感知理论的不断发展,为二维DOA估计问题提供了新的思路。然而传统的二维DOA估计方法,只是对一维估计的建模方法别无二致,这导致求解时存在计算复杂度高、分辨率低等问题。文中通过对二维DOA模型的重新建模,将多任务贝叶斯压缩感知理论应用于二维DOA估计问题中,从而提出基于多任务贝叶斯压缩感知的可分离二维DOA低的优点。     

基于压缩感知的通信信号频谱检测方法

频谱感知是无线通信网络中提高频谱利用率的关键。针对现有通信信号频谱检测方法抗噪性低的问题,文中提出一种基于压缩感知的频谱检测方法。该方法首先利用压缩感知理论对通信信号的宽频带进行稀疏采样,其次采用改进的平滑范数重构算法对信号循环谱进行重构,提高了信号循环谱的重构性能,最后在循环谱域实现频谱检测。仿真实验结果表明,改进的平滑范数重构算法对信号的重构精度优于正交匹配追踪算法,压缩感知信号频谱检测算法的抗噪性优于传统能量检测算法。     

基于分圆类构造卷积压缩感知测量矩阵

卷积压缩感知是近年来兴起的新型压缩感知技术.卷积压缩感知选用循环矩阵作为测量矩阵,其采样可以简化为卷积的过程,因此大大降低算法复杂度.该文基于分圆类构造适用于卷积压缩感知的测量矩阵,测量值通过利用确定性序列循环卷积信号,然后进行随机2次采样获得.该文构造的测量矩阵的相关性小于已有文献构造的测量矩阵的相关性.模拟仿真结果表明,该文构造的测量矩阵与同等条件下的随机高斯矩阵相比,可以更好地恢复稀疏信号;所构造的矩阵还可以应用于信道估计以及2维图像的重构.     

基于OMP算法的宽带频谱感知

频谱感知是认知无线电的一项关键技术,其能够检测出未被主用户占用的频谱空穴供次用户接入使用,提高频谱利用率.宽带频谱感知要求对数GHz 的带宽进行检测,过高的采样速率、大的数据量对现有的硬件设备提出了巨大的挑战.本文利用宽带频谱的稀疏性提出一种基于OMP算法的宽带频谱感知方法.该方法利用MWC采样实现对宽带模拟信号直接压缩采样;利用自相关矩阵对称分解特性和主用户信号独立性,得到有限维压缩采样信号模型,利用AIC/MDL准则估计稀疏度作为OMP算法迭代停止的条件,大大减少了算法复杂度;该方法不需要重构接收信号的PSD,直接在时域根据低速率采样信号,检测被占用信道.仿真结果表明,当带内信噪比大于9dB时,频谱检测概率高于90％.     

基于自相关函数的SRSF信号感知矩阵优化方法

根据随机步进频率(random stepped-frequency, RSF)信号特征,结合感知矩阵优化理论,提出了一种基于自相关函数的稀疏RSF (sparse RSF,SRSF)信号感知矩阵优化方法. 首先,在构建稀疏重构模型的基础上,给出了SRSF信号波形参数与感知矩阵构造方式的内在联系;然后,研究了感知矩阵互相关系数矩阵与信号自相关函数（模糊函数的零多普勒切面）的关系,得出在特定条件下两者等价的结论,进而将二维感知矩阵优化问题转化为一维自相关函数的波形优化设计问题;最后,利用基于自相关函数最大旁瓣与均值旁瓣联合约束的波形优化方法对上述结论进行了验证. 仿真实验验证了感知矩阵互相关系数与信号自相关函数的关系,且通过对波形的设计,实现了优化感知矩阵、提升信号稀疏重构性能的目的.     

基于小波降噪的压缩感知—循环平稳检测技术

认知无线电技术通过次级用户动态接入空闲频谱来提高空闲频谱资源的利用效率,是认知无线电的重要环节。在低信噪比环境下,如何快速精确地进行频谱感知是频谱感知面临的重大挑战。提出了一种基于小波降噪的压缩感知—循环平稳特征检测器来实现低信噪比环境下的频谱检测。采用压缩感知技术提高了频谱感知的效率,并进一步利用小波变换技术降低了压缩感知过程中引入的压缩噪声,提高了低信噪比环境下的频谱感知准确度。仿真结果证明,提出的基于小波降噪的压缩感知技术能够实现低信噪比环境下的频谱空洞检测。     

基于分圆类构造卷积压缩感知测量矩阵

卷积压缩感知是近年来兴起的新型压缩感知技术。卷积压缩感知选用循环矩阵作为测量矩阵,其采样可以简化为卷积的过程,因此大大降低算法复杂度。该文基于分圆类构造适用于卷积压缩感知的测量矩阵,测量值通过利用确定性序列循环卷积信号,然后进行随机2次采样获得。该文构造的测量矩阵的相关性小于已有文献构造的测量矩阵的相关性。模拟仿真结果表明,该文构造的测量矩阵与同等条件下的随机高斯矩阵相比,可以更好地恢复稀疏信号;所构造的矩阵还可以应用于信道估计以及2维图像的重构。     

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。      

Combined energy detection and one-order cyclostationary feature detection techniques in cognitive radio systems

One of the main requirements of cognitive radio systems is the ability to detect the presence of the primary user with fast speed and precise accuracy.To achieve that,a possible two-stage spectrum sensing scheme is suggested in this paper.More specifically,a fast spectrum sensing algorithm based on the energy detection is introduced focusing on the coarse detection.A complementary fine spectrum sensing algorithm adopts one-order cyclostationary properties of primary user's signals in time domain.Since the one-order feature detection is performed in time domain,the real-time operation and low-computational complexity can be achieved.Also,it drastically reduces hardware burdens and power consumption as opposed to two-order feature detection.The sensing performance of the proposed method is studied and the analytical performance results are given.The results indicate that better performance can be achieved in proposed two-stage sensing detection compared to the conventional energy detector.     

基于二阶循环累积量的多载波信号频谱检测

针对认知无线电系统中多载波信号OFDM/OQAM进行循环谱特征检测预处理要求严格的问题,提出一种以二阶循环累积量的循环频率为特征,结合循环平稳性检测的频谱感知改进算法.算法无需各种参数估计以及同步等预处理过程,理论推导及仿真结果证明,该算法能够实现低信噪比下主用户信号的有效感知,且相比于能量检测法能达到更好的检测性能.     

基于观测矩阵优化的自适应压缩频谱感知

推导了自适应压缩感知中的重构估算误差,研究了如何降低观测矩阵列向量之间的自相关性,分析了观测矩阵优化对压缩感知重构算法的影响。将观测矩阵优化与压缩感知自适应过程相结合,提出了基于观测矩阵优化的自适应压缩频谱感知算法。仿真结果证实,所提算法比传统算法重构时产生的均方误差(MSE)更低,在同一观测次数下检测概率更高,在达到同等接收操作性能(ROC)时所需观测次数更少。     

一种采用压缩协方差的无线电宽带频谱感知方法

为有效降低宽带频谱感知的观测时间和计算复杂度,提出了一种基于压缩协方差的无线电宽带频谱感知方法。首先,通过循环稀疏规则测量不同标记的距离,运用多陪集采样组代替奈奎斯特模数转换器,形成基于多陪集采样库的欠奈奎斯特采样结构;其次,构建压缩协方差频谱感知模型,运用频谱决策模块对输入样本进行处理,完成频谱分析;最后,通过Matlab生成测试信号数据,对所提频谱感知算法进行建模与性能分析。实验结果表明,所提方法能够将检测误差控制在有效范围内,且与传统频谱检测方法相比,所提方法在不同信噪比环境下具有更高的频谱检测水平度。     

采用残差变化控制的自适应稀疏信道估计

针对传统压缩感知信道估计对稀疏度信息依赖和稀疏度自适应信道估计在低信噪比时抗噪能力较差的问题,提出了一种采用残差变化控制的稀疏度自适应的压缩感知信道估计算法。该算法在传统的压缩感知信道估计的基础上引入残差变化控制,通过比较每次迭代下的残差变化的幅度来控制信道估计的迭代次数,提高信道估计的自适应性和鲁棒性。同时,为解决传统稀疏度自适应压缩感知信道估计抗噪能力较差的问题,利用正交匹配追踪提高算法的抗噪声性能。相比于传统的稀疏度自适应匹配追踪(Sparsity Adaptive Matching Pursuit,SAMP)算法,所提算法约有4 dB的性能优势,且算法复杂度更低。     

基于循环前缀频域自相关的OFDM信号频谱感知

针对无线通信频谱资源有限并且利用率非常低的问题,研究了认知无线电系统中基于信号典型特征的频谱感知策略,并进行动态频谱检测.提出了一种基于循环前缀频域自相关的频谱感知算法,利用正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)信号的循环前缀具有循环平稳特性,在信号频域进行自相关运算,设定判决门限,完成对信号频谱的检测,同时具备较好的抑制平稳噪声和干扰的能力.在低信噪比或者噪声不确定度大的应用场景下,能够获得比能量检测方法更优、更稳定的频谱感知效果,增强了噪声鲁棒性.在算法中采用双门限检测,进一步减弱了噪声不确定度对检测性能的影响,提高了频谱感知性能.     

Robust Symbol Rate Estimation of PSK Signals Under the Cyclostationary Framework

In many communication channels the noise is non-Gaussian and usually exhibits impulsive characteristics. The symbol rate estimation problem of phase-shift keying (PSK) signals in this kind of impulsive noise environment is addressed. Since the performance of the cyclic statistics-based symbol rate estimation methods, which are very effective in Gaussian noise, may deteriorate significantly in the presence of impulsive noise, a robust method under the cyclostationary framework is proposed. Specifically, a robust form of cyclic autocorrelation based on the M-estimate concept is developed. Simulation results show that the proposed robust technique offers a significant performance gain over the cyclic autocorrelation method in impulsive noise.     

Robust Nonparametric Cyclic Correlation-Based Spectrum Sensing for Cognitive Radio

Cognitive radios sense the radio spectrum in order to find underutilized spectrum and then exploit it in an agile manner. Spectrum sensing has to be performed reliably in challenging propagation environments characterized by shadowing and fading effects as well as heavy-tailed noise distributions. In this paper, a robust computationally efficient nonparametric cyclic correlation estimator based on the multivariate (spatial) sign function is proposed. Nonparametric statistics provide additional robustness against heavy-tailed noise and when the noise statistics are not fully known. Asymptotic distribution of the spatial sign cyclic correlation estimator under the null hypothesis is established. Tests using constraint on false alarm rate are derived based on the estimated spatial sign cyclic correlation for single-user and collaborative spectrum sensing by multiple secondary users. Theoretical justification for detecting cyclostationary signals using the spatial sign cyclic correlation is provided. A sequential detection scheme for reducing the average detection time is proposed. Simulation experiments and theoretical results comparing the proposed method with cyclostationary spectrum sensing methods employing the conventional cyclic correlation estimator are presented. Simulations demonstrate the reliable and highly robust performance of the proposed nonparametric spectrum sensing method in both Gaussian and non-Gaussian noise environments.