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.     

基于累积和的改进超宽带循环平稳检测算法

针对超宽带循环平稳检测存在的门限难以设定、低信噪比下检测延迟较大的问题,提出了基于累积和的改进超宽带循环平稳检测算法。首先将信号整个三维循环谱归一化为二维灰度图,与噪声对应的灰度图比较差异,再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,解决门限难以确定的问题。若分析三维循环谱的时间块长过短,将导致信号灰度图特征在有无噪声情况下区别不大;若块长过长会导致检测延迟较大。为此,采用累积和算法提取网络全连接层输出的信号概率作为累积和的观测统计量,自适应检测所需采样时间长度。将所提算法与传统循环平稳检测以及结合了CNN的循环平稳检测进行对比,仿真表明所提算法在低信噪比下性能最优。     

适用于突发直扩信号盲检测的改进算法

提出一种改进的基于循环谱特征量的突发直扩信号盲检测算法,该算法重点研究了检测特征量的构造和信号起止点的判决问题。首先分别计算循环频率α=0截面的方差值和α=fc邻域内多个截面方差值的平均,并以两者差的绝对值作为特征量,然后分别设置信号和噪声的特征量集实时跟踪信号与噪声的变化,以自适应调整信号起始点和终止点的判决门限,准确捕获信号的起止点位置,最终实现信号的正确检测。仿真结果表明,改进算法稳健性好,判决精度高,在信噪比为-5dB时其检测概率可达90%以上。      

基于功率谱熵的频谱感知算法研究

针对低信噪比条件下认知无线电频谱感知问题,提出了一种基于功率谱熵的频谱检测算法。在分析主用户信号空闲与占用两种不同条件下观测信号功率谱熵差异的基础上,将其作为检验统计量,并确定了相应的判决门限,以实现对主用户信号频谱是否空闲的判决。计算机仿真结果表明,本算法无需信号的先验信息,可在较低信噪比条件下实现对常用调制信号的频谱感知,与盒维数频谱感知方法相比,检测性能约有8 dB的改进。     

一种基于循环谱的突发信号盲检测算法

突发信号盲检测在非合作通信中至关重要。待检测信号特征量的构造与突发信号段起止点的精确捕获是突发信号盲检测技术的关键。文中提出了一种基于循环谱的突发信号盲检测算法,算法首先以循环谱循环频率截面的相对方差作为待检测信号的特征量,该特征量具有优良的抑制突发强噪声干扰性能;然后利用特征量的方差进行信号存在性判决;最后采用基于特征量峰值的突发信号段起止点搜索算法,避免了设置检测门限带来的信噪比估计、噪声功率估计等问题,同时可在一定的检测正确率条件下保证起止点的捕获精度。仿真结果表明,该算法能有效抑制突发强噪声干扰,信号存在性判决准确率高,而且在误差控制要求较严格条件下的检测精度优于双窗能量法。      

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.     

利用功率谱极值和几何平均的频谱感知算法

为了提高基于功率谱的频谱感知算法抗噪声不确定性、抗频偏及低信噪比下检测性能,本文利用功率谱的部分样本平均估计最大值,以降低信号频偏对频谱感知性能影响;利用功率谱的最大值与最小值之差与功率谱几何平均之比作为判决统计量,以尽可能消除噪声影响及保留主用户信号;推导得到了检测门限表达式,表明该算法对噪声不确定性不敏感。加性高斯白噪声信道和瑞利衰落信道下的仿真结果表明:该算法频谱感知性能优于已有的基于功率谱的频谱感知算法,降低了未知载波频偏和噪声不确定性对频谱感知算法性能的影响,该算法能够有效检测实际信号。      

基于循环平稳PCA和AdaBoost的频谱感知算法

针对无线信道环境中各低信噪比情况下主用户信号检测率较低的问题,提出一种基于循环平稳特征主成分分析和Ada Boost的主用户信号频谱感知算法。该算法首先对信号采用循环平稳PCA算法进行特征参数提取,获取信号主成分,并生成训练样本和待测样本,再采用Ada Boost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,与人工神经网络和最大最小特征值算法相比较,所提算法在各低信噪比情况下,具有较高的分类检测性能,有效地实现了对主用户信号的感知。     

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。      

基于双门限能量检测的自适应协作频谱感知

针对认知无线电中传统单门限能量检测由于单一门限造成的低信噪比情况下容易误判从而导致错失频谱接入机会的不足,提出了一种基于双门限能量检测方法的自适应协作频谱感知模型.该模型以加性高斯白噪声信道模型为基础,由传统双门限能量检测方法改进而成,针对接收到的能量统计值的大小采用不同的判决方法,各个判决结果直接由所采用的判决方法决定.仿真结果表明,在较低信噪比条件下,与传统单门限能量检测模型相比,该自适应协作频谱感知模型具有更好的识别性能,随着用户数量的增加,识别性能更优.     

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。      

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.     

认知无线电中一种改进的AVC频谱感知算法

AVC算法是一种适用于拉普拉斯噪声环境的常用频谱感知算法,但该算法并未充分平滑拉普拉斯噪声中的“尖峰”,导致算法的检测性能不佳.针对此,提出一种改进的AVC频谱感知算法,其原理是对接收信号绝对值做开根号处理,并累加处理结果,作为检验统计量,进而判决是否存在主用户,实现频谱感知.此外,利用中心极限定理推导了所提算法检验统计量在主用户不存在时的概率密度曲线,从而给出理论判决门限.仿真表明,所提算法的检测性能分别优于AVC感知算法和拉普拉斯噪声下的能量检测算法大约1 dB和4 dB.     

基于能量检测与Sevcik分形维数的协作频谱感知算法

在认知无线网络中,针对单节点频谱感知易受到噪声不确定性的影响和传统的能量检测法在高噪声功率场景中检测性能较差等问题,根据Sevcik分形维数(Sevcik fractal dimension, SFD)对噪声不敏感、能够区分信号与噪声波形的特点,提出一种将自适应门限的能量检测法与SFD相结合的协作频谱感知方法. 通过能量检测法对接收信号进行检测判决,然后由SFD对判定为主用户不存在的信号进行复检,并将所有检测结果进行K秩融合,根据融合结果得出最终判决. 仿真结果表明,本文提出的频谱感知方法对噪声不敏感,在低信噪比下的检测性能得到显著提高.     

基于自适应决策融合的合作频谱感知方法

频谱感知是认知无线电(CR)的关键技术之一。在该机制中,对主用户(PU)信号的可靠检测是实现CR的前提。提出一种基于自适应决策融合的合作频谱感知算法用于频谱感知,该算法通过估计PU的先验概率与各个CR用户(SU)的漏检及虚警概率,然后运用Chair-Varshney准则对局部判决进行决策融合以得到全局判决。仿真结果表明,采用该方案的全局虚警和漏检概率明显低于单个SU,可有效提高CR系统频谱感知的可靠性。     

基于多尺度功率谱子带梯度的宽带频谱感知算法与性能分析

为了应对复杂环境下非合作通信、电磁频谱监管等宽带接收中存在的先验信息缺失、信道失真严重以及频域呈现不平坦色噪声的挑战,提出一种基于多尺度功率谱子带梯度的宽带频谱感知算法,该算法不要任何的先验信息,对功率谱进行分段计算梯度,再进行自适应双阈值检测,通过多尺度的技巧提高了宽带频谱感知的稳定性。对该算法在不同信道模型下的统计特性、虚警概率、检测概率以及判决门限的表达式进行了理论推导。理论分析和实验仿真表明,算法适用于高斯噪声信道和平坦衰落信道,能够有效克服色噪声,并且能够实现用户频带范围定位,运算复杂度低、实时性强,对噪声不确定度具有稳健性,能够用于低信噪比场合。     

A reliable cooperative spectrum detection scheme in cognitive radio networks

Reliable spectrum detection of the primary user (PU) performs an important role in the cognitive radio network since it’s the foundation of other operations. Spectrum sensing and cognitive signal recognition are two key tasks in the development of cognitive radio (CR) technology in both commercial and military applications. However, when the CR terminals receiving signals have little knowledge about the channel or signal types, these two tasks will become much more difficult. In this paper, we propose a reliable cooperative spectrum detection scheme, which combines the cooperative spectrum sensing with distributed cognitive signal recognition. A novel improved cooperative sensing algorithm is achieved by using a credibility weight factor and the “tug-of-war” rule, which is based on the double threshold detection and Dempster–Shafer theory, to determine whether the PU signals exist. In this scheme, cognitive signal recognition can be used to identify the signal type when the PU signal is present. During the cognitive signal recognition processing, the CR terminals make local classification of the received signals by using Daubechies5 wavelet transform and Fractional Fourier Transform, and send their recognition results to the globe decision making center. A distributed processing uses these cognitive terminals’ local results to make final decisions under the Maximum Likelihood estimation algorithm. Simulation results show that the proposed method can achieve good sensing probability and recognition accuracy under the Additive White Gaussian Noise channel.     

认知无线电中双阶段频谱检测算法研究

在认知无线电网络中,为了实现更精确的检测,并避免对授权用户的干扰,一种双阶段频谱检测算法被提出.该算法由粗检测和细检测两种方式组成.粗检测阶段采用应用广泛的能量检测技术.由于能量检测技术的性能在衰落环境中容易受到影响,当粗检测阶段时感知结果判定为信道空闲,在细检测阶段将采用基于一阶周期平稳特征检测算法.对于这种双阶段频谱检测算法,推导分析了错误检测概率和吞吐量的性能指标.仿真结果表明,频谱检测性能显著优于常规的一阶段频谱检测算法.