一种新型的基于最大特征值的合作频谱感知算法

针对认知无线电中经典频谱感知方法的缺点,该文利用随机矩阵理论的相关研究成果,提出了一种基于采样协方差矩阵最大特征值与平均能量的合作频谱感知新算法。该算法将次用户接收信号协方差矩阵的最大特征值与接收信号平均能量的比值(Maximum Eigenvalue-Energy Detection, ME-ED)作为统计判决量,以此判决出主用户是否存在,从而实现频谱感知功能。理论分析表明,与经典频谱感知方法相比,ME-ED算法无需知晓主用户信号的任何先验知识及噪声功率。仿真结果显示,与MED算法和ED方法相比,该算法不仅对噪声的不确定性不敏感,而且在噪声存在波动的情况下,其感知性能最优,鲁棒性最强。     

基于广义特征值的合作频谱感知方法

现有的基于特征值的合作频谱感知方法要求认知用户各感知节点接收到的授权用户信号具有相关性。针对这个问题,提出了一种基于广义特征值的合作频谱感知方法。该方法利用过去不存在授权用户的感知周期采样协方差矩阵与当前感知周期采样协方差矩阵之间的最大广义特征值(MGED,maximum generalized eigenvalue de-tection)作为检验统计量,以此判决当前感知周期是否存在授权用户信号,从而实现频谱感知。所提方法不需要授权用户信号和噪声功率的先验信息。当认知用户各感知节点上的授权用户信号不相关时,现有的基于特征值的频谱感知方法均失效,而所提频谱感知方法仍然具有较高的检测性能。最后仿真验证了所提方法的有效性。     

特征值极限分布的改进合作频谱感知

本文采用随机矩阵理论,分析和研究了多认知用户接收信号采样协方差矩阵的最小特征值的极限分布,针对基于最大最小特征值之差的合作频谱感知算法,提出了新的门限判决方法。此算法能有效克服噪声不确定度的影响,且不需预先知道授权用户信号的先验知识和噪声方差。仿真结果表明,与以前的感知算法相比,本文算法有更低的判决门限,在低信噪比、小采样时,在达到设定虚警概率的前提下,该算法能够获得更好的感知性能。      

基于Wishart矩阵特征值的频谱感知算法

为了提高频谱感知性能,克服经典算法的缺点,提出了一种新的基于Wishart随机矩阵理论的协作频谱感知算法.根据多个认知用户接收信号样本协方差矩阵特征值的对数分布特性,利用样本协方差矩阵最大特征值与几何平均特征值的比值,得到简单的判决阈值闭式表达式,实现频谱感知判决.该算法不需要知道主用户的任何先验信息,不受噪声不确定性的影响.仿真结果表明,所提算法在协作用户数少、信噪比低、采样点数极少的情况下,仍能获得较高的感知性能.该算法受虚警概率和极端值的影响较小,比同类算法有更好的检测性能.     

基于特征值极限分布的合作频谱感知算法

采用最新的随机矩阵理论,对多个认知用户接收信号采样协方差矩阵的最小特征值的极限分布进行了分析,提出了一种改进的最大最小特征值合作感知和门限判决方法。该算法不需预知授权用户信号的先验知识,且能有效克服噪声不确定度的影响。与现有算法相比,在给定虚警概率时,仿真结果显示该算法判决门限更低、检测概率更高;而且在认知用户和采样数较少时,也能获得很好的检测性能。     

一种基于特征值极限分布理论的盲多天线频谱感知算法

当信道空闲时接收信号取样协方差矩阵的特征值在数值上均近似等于噪声方差,而主用户信号的出现则改变了这些特征值的大小。基于这一事实,论文提出一种基于取样协方差矩阵特征值的频谱感知算法。该算法以取样协方差矩阵的最大特征值与其他特征值的和之比作为感知判决量。基于大维随机矩阵理论的特征值极限分布理论,分析了算法的理论虚警性能,在此基础上提出了理论判决门限的计算方法。新算法在感知判决过程中无需事先知道噪声方差、主用户信号和信道增益等先验信息。因而,新算法属于一种全盲多天线频谱感知算法,具有广泛的适用范围。进一步的数值仿真结果验证了新方法的有效性。     

基于随机矩阵特征值比的频谱感知改进算法

针对认知无线电中现有频谱感知方法的不足,利用大维随机矩阵理论分析了随机矩阵的渐近谱特性,研究了接收信号样本协方差矩阵平均特征值的分布特性,提出两种基于随机矩阵特征值比的频谱感知改进算法.改进算法不需要知道主用户信号的先验信息,也不需要知道背景噪声的功率,得到的判决阈值也具有十分简单的闭式表达式.仿真结果表明,在低样本点、低协作用户数、低信噪比和低虚警概率的条件下,改进算法也可以获得很好的感知性能.     

基于随机矩阵非渐近谱理论的协作频谱感知算法研究

将随机矩阵的非渐近谱理论应用到协作频谱感知中,对接收信号样本协方差矩阵的最大特征值和最小特征值进行分析,该文提出一种精确的最大最小特征值差(Exact Maximum Minimum Eigenvalue Difference, EMMED)的协作感知算法。对于任意给定的协作用户个数K和采样点数N,首先推导了最大最小特征值之差的精确概率密度函数(Probability Density Function, PDF)和累积分布函数(Cumulative Distribution Function, CDF),然后利用该分布函数设计了所提算法的判决阈值。理论分析表明,EMMED算法的判决阈值较已有的渐进最大最小特征值差(Asymptotic Maximum Minimum Eigenvalue Difference, AMMED)检测更为精确,算法无需主用户信号特征并且能够对抗噪声不确定度影响。仿真结果表明,存在噪声不确定度的感知环境下,EMMED算法较已有的精确最大特征值(Exact Maximum Eigenvalue, EME)和EMMER等频谱感知算法具有更好的检测性能。     

基于随机矩阵理论的协作频谱感知

认知无线电频谱共享技术在新一代无线通信网络中具有广泛的应用前景,频谱感知是其中最重要的环节。该文提出了一种新的在多认知用户环境中,基于大维随机矩阵理论的协作频谱感知算法。充分利用随机矩阵的渐近谱分布特性及小样本下最大特征值收敛特性来提高感知性能。理论分析和仿真结果均表明,新算法性能明显优于同类算法和典型的能量检测算法。     

基于特征值确定门限的协作MIMO频谱感知

针对最新的基于特征值确定门限的检测方法,引入多认知用户MIMO环境,提出了基于特征值确定门限的协作MIMO频谱感知,充分利用了MIMO技术的优点来提高感知性能,利用随机矩阵理论推导出决策门限的准确表达式,改进了传统基于特征值算法需要大量协作用户的缺点。理论分析和仿真结果均表明,新的决策规则不仅减少了计算复杂性,整体性能也优于同类算法和典型的能量检测算法。     

Cooperative blind spectrum sensing using autocorrelation matrix

To improve the spectrum sensing performance in cognitive radios, a scheme of cooperative blind spectrum sensing based on autocorrelation matrix is proposed. The test statistic is extracted from the autocorrelation matrix of the received signal samples and a bi-threshold hybrid decision scheme is designed for local spectrum sensing. The cognitive radio base station makes a credibility fusion based on the local soft decisions and then takes global fusion combining with the local hard decisions. The proposed method is blind in the sense since it requires no apriori knowledge of the signal and the noise power. Theoretical analysis and computer simulation results show that the proposed method can enhance the spectrum sensing capability.     

基于Friedman检验的非参数协作频谱感知方法

协方差矩阵频谱感知方法在天线相关性低时感知性能较差,该文针对这一问题提出一种基于Friedman检验的非参数协作频谱感知方法。分布式放置的感知节点具有空间分集的特性,因此在同一时刻感知节点上的信号功率不完全相同。利用这一特点,提出通过比较各感知节点的信号功率水平来实现频谱感知。由于采用了非参数化表示,该方法对噪声不确定性稳定,且适用于任意统计分布的噪声。另外,推导了所提方法判决门限的理论表达式,结果显示判决门限与采样点数无关,因此在采样点数变化的情况下无需重新设置判决门限。仿真结果验证了上述理论分析的有效性。     

认知无线电最优线性协作宽带频谱感知

本文提出了基于最优线性协作的宽带频谱感知方案。通过次级用户之间的协作,为认知网络的频谱感知提供分集,利用融合中心融合多个次级用户的宽带频谱感知数据来获取最优权重,并生成全局判决统计量,最终使用全局阈值完成最后的检测判决。由于所提出的两种协作宽带感知方案或需要精确地估计授权用户的信号强度和噪声方差,或感知性能不足,因而,还提出一种更易实现的方案。理论分析和仿真结果表明,本文所提出的协作感知方案可以有效地提高频谱感知性能,并且性能优于传统等增益合并方案。      

基于行列式之差的频谱盲感知算法

为了提高频谱感知性能,提出一种基于自相关矩阵行列式的频谱感知新方法,通过授权信号与噪声信号行列式的不同构建统计量。该方法无需信号先验信息、噪声功率信息与精确同步,是一种适用性更强的盲感知算法。仿真表明,与能量检测算法相比,该方法能够取得更好的检测率,且具有复杂度低、不受噪声不确定性影响等优点。