利用空间平滑的协方差秩最小化DOA估计方法

针对传统波达方向角估计算法在相干信号及非均匀噪声下估计精度差、分辨率低的问题,基于空间平滑方法,提出一种接收信号协方差矩阵秩最小化波达方向估计方法．在传统空间平滑方法的基础上,所提算法将接收信号协方差矩阵分别左右乘交换矩阵以得到空间后向平滑协方差矩阵;而后基于平滑矩阵的低秩性,将协方差矩阵重构为无噪声协方差矩阵;最后利用传统MUSIC算法实现波达方向估计．仿真结果表明,与传统MUSIC算法、基于矩阵补全理论的MUSIC算法和秩迹最小化算法相比,所提算法能较好地抑制非均匀噪声影响,且在相干条件下具有较好的波达方向估计性能．     

酉求根MUSIC算法在双基地MIMO雷达中的应用

研究双基地多输入多输出(MIMO)雷达多目标波离角(DOD)和波达角(DOA)的联合估计问题,提出一种酉求根多重信号分类(MUSIC)算法。该算法在求根MUSIC算法基础上,利用协方差矩阵的中心Hermite对称性质,通过酉变换将协方差矩阵的复数运算转为实数,进行实值特征分解得到噪声子空间,对比原协方差矩阵和实值协方差矩阵的特征对应关系,得出酉求根MUSIC谱函数,分两步分别估计目标DOA和DOD,且计算结果自动配对。相对于传统求根MUSIC算法,该算法只进行协方差矩阵的实值特征分解而不需要进行复数运算,因此大大降低了计算量,而且在不降低阵列孔径的条件下无需空间平滑即具有解相干能力。计算机仿真证明了该算法的有效性。     

基于MUSIC算法的矢量水听器阵源方位估计

矢量水听器阵的每个阵元同时测量声场中的声压量和质点振速的3个正交分量,相对于声压水听器阵来说,矢量阵获取声场中更多的信息.利用矢量阵所获得的速度场的信息可去除目标方位估计中的180°模糊.多重信号分类(MUSIC)算法是通过对数据协方差矩阵进行本征分解获得信号空间谱估计的方法.本文采用矢量水听器均匀线阵研究了利用MUSIC算法对声源进行方位估计,以提高对源方位的估计精度.仿真结果表明,在SNR=10dB的条件下,相对于常规波束形成器输出,MUSIC空间谱的主波束宽度锐化了30°左右,旁瓣降低了16dB左右,利用MUSIC算法可提高对源的定向精度及对多目标的分辨能力.     

基于DF中继的认知OFDM协作系统的资源分配算法

针对多中继认知OFDM协作系统的中继和功率分配采用的拉格朗日对偶分解法虽然具有较好的性能,但计算复杂度较高这一问题,提出了一种低复杂度的资源分配算法。该算法放宽了中继选择因子的整数约束条件,综合考虑认知用户各子载波的信道条件和对主用户的干扰进行中继选择。根据系统总功率和干扰约束的特点,提出一种次优功率分配算法对功率进行分步求解,在保证系统容量有所增加的基础上降低了算法的计算复杂度。仿真结果表明:本文提出的算法不仅保证了认知用户对主用户产生的干扰在临界值以内,而且使认知用户的系统容量得到了较大的提升,具有一定的可行性。     

非均匀噪声条件下考虑互耦效应的DOA估计方法

针对非均匀噪声和互耦条件下相干信号辨识性能较差的问题,提出一种基于非均匀噪声协方差矩阵和互耦系数重构的DOA估计方法。首先,利用最小二乘理论并通过迭代优化方法恢复互耦意义下的无噪声信号协方差矩阵;然后,依据信号子空间原理,并通过估计不相关信号角度重构互耦系数矩阵,进而获得互耦补偿后的无噪声信号协方差矩阵;最后,通过传统空间平滑方法获得解相干信号,并利用MUSIC算法实现DOA参数估计。数值仿真表明:与仅考虑相干信源、非均匀噪声或互耦的传统DOA估计算法相比,本文算法可较好地抑制非均匀噪声,克服了互耦场景下传统空间平滑算法解相干失效问题,并可显著改善非均匀噪声和互耦条件下相干信源的DOA估计性能。     

基于干扰对齐的自适应频谱共享算法

当干扰对齐应用于认知无线电网络时,在某些信道状态下期望信号的信干噪比明显下降,影响了主用户的通信质量。因此,提出了一种基于干扰对齐的自适应频谱共享算法。该算法能够根据主用户期望信号的信干噪比,对主次用户的协作方式进行自适应地调整;并在保证主用户通信质量的前提下,共享授权频段。仿真结果表明,该算法能有效解决基于干扰对齐的频谱共享中主用户通信质量下降问题,并在保证主用户性能的同时,提高次用户的接入几率。     

矢量重构解相干的波达方向估计新方法

针对相干信号波达方向(Direction of Arrival, DOA)估计问题,提出一种新的矢量重构解相干方法——变参考阵元数据互相关矢量重构算法。算法依次改变阵列参考阵元,求得所有阵元接收数据与对应参考阵元接收数据之间的互相关信息,并以此作为重构矩阵的列矢量构造一个等效协方差矩阵,然后基于MUSIC和ESPRIT算法,估计相干信号的波达方向。数学推导和理论分析表明,重构的矩阵能对相干信号完全解相干。算法不损失阵列孔径,在低信噪比和少量快拍数据条件下,估计性能要优于Toeplitz矩阵重构算法和前后向空间平滑算法。     

基于改进MUSIC算法的二维DOA估计方法

提出了一种改进的二维MUSIC算法,该算法通过重构阵列接收数据协方差矩阵来降低入射信号源间的相关性,抑制信号子空间向噪声子空间的扩散,从而解决用MUSIC算法估计相干信号源到达方向(DOA)时的漏估计问题.该方法不仅对相关信号源的DOA估计有好的特性,也可以提高非相关信号源的DOA估计特性,而且计算量也没有大的增加.仿真试验证明了改进算法的有效性.     

相干/同向信号波达方向与多普勒频率的联合估计

针对相干/同向信号波达方向(DOA)与多普勒频率的联合估计问题,提出了一种基于特征空间的修正二维MUSIC联合估计算法。首先,建立包含DOA和多普勒频率信息的广义阵列信号模型,通过共轭重构对阵列接收信号的协方差矩阵进行修正,使其有效适用于相干/同向信号下DOA与多普勒频率的联合估计。同时,在二维MUSIC算法的基础上,提出了一种基于特征空间的DOA与多普勒频率联合估计算法,该算法充分利用了信号子空间和噪声子空间的信息,并且可以对源信号功率进行估计。对该算法加以修正后同样可以应用于相干/同向信号的DOA与多普勒频率联合估计,且可以得到比修正二维MUSIC算法更好的估计效果。最后,通过仿真试验验证了本文算法的有效性。     

基于均匀圆阵Toeplitz矩阵集重构解相干算法

针对目前均匀圆阵相干信源波达方向估计的矩阵重构算法仅利用部分阵列接收数据的相关或协方差矩阵部分元素进行重构造成信息利用不完整的问题,提出一种改进Toeplitz矩阵重构算法。利用模式空间变换后的数据协方差矩阵所有行元素信息构造包含阵元完整相关矩阵信息的Toeplitz矩阵集,经与Hermitian转置矩阵相乘及正反向平滑运算得到满秩数据协方差矩阵。该算法能够直接结合子空间类算法实现相干信号的角度估计,无需平滑算法广义特征值分解,同时解决了目前模式空间矩阵重构算法因忽略相位差变化造成的估计性能下降甚至失效问题。计算机仿真结果验证了本文算法的有效性。     

发射波束赋形消除感知用户对主用户干扰算法

针对如何完全消除感知用户对主用户的干扰问题,探讨了如何利用发射端的波束赋形消除感知用户对主用户的干扰。给出了感知网络和主用户网络共存的系统模型和一种最佳波束赋形算法。并对这种最佳波束赋形算法进行了性能仿真,仿真结果表明,该算法较迫零波束赋形算法在性能上更有优势。与经典的迫零波束赋形方法比较,该算法既能消除对主用户的干扰,提高了感知用户自身的性能。     

认知通信机会容量最大化的信道分配研究

通过数值分析表明认知用户的均匀分配将最大化认知无线网络通信机会容量。在此基础上进一步设计了最优的认知用户数和相应的信道分配算法。理论推导和数值分析表明,最优认知用户数主要取决于主用户信道数与相应的认知用户通信需求概率。同时发现,在一定主用户通信需求概率下,存在一个最优的认知用户通信需求概率,使认知无线网络通信机会容量最大。该算法为相应情况的认知无线网络配置提供了一定的理论依据。     

认知无线电网络中的分布式动态频谱共享

研究了基于认知无线电技术的动态频谱共享,基于重复博弈理论设计了一种分布式动态信道接入和功率分配算法。在不影响主用户通信的情况下,每个认知用户能够根据自己的QoS需求和本地信息进行分布式信道选择和功率分配,在系统频谱效率和业务QoS之间进行有效折中。该算法具有较好的收敛性,能最大程度地满足用户的业务需求,更适用于异构网络和业务的应用。     

基于概率密度估计的认知无线电动态频谱接入算法

提出一种基于概率密度估计的动态频谱接入算法,通过由支持向量机拟合出的授权频段空闲时长的概率密度,对信道状态进行评估,认知无线电用户根据信道状况选择接入. 该算法可以进行自适应调整,具有良好的实用性与灵活性. 仿真结果表明,所提出的算法可以有效降低信道的冲撞率,同时提高认知无线电用户的吞吐量和服务质量.     

认知无线电网络中基于检测概率的主用户定位算法

为了解决认知无线电网络中次用户对主用户进行定位的问题,提出了一种加权最小二乘的迭代定位算法。采用两状态马尔可夫模型作为主用户头像模型,能量检测作为次用户的感知模型。该算法可以在不干扰主用户正常工作的情况下,利用次用户之间的合作感知结果进行定位,并估计出主用户的三维地理位置位置信息。提出了一种可以降低定位算法复杂度的简化算法。通过对定位问题进行了理论分析,求出了均方误差的Cramer-Rao理论下界。仿真结果表明,算法的均方误差非常接近理论下界,能有效地估计主用户的三维位置信息,提高定位精度。     

一种认知OFDMA系统中的资源分配方案

提出一种认知OFDMA系统中的资源分配方案。该方案首先将合适的资源分配给各种类型的主用户(话音用户和数据用户),然后在对主用户不造成干扰的前提下将剩余的系统资源合理分配给认知用户,从而实现了频谱的二次利用。仿真结果表明该算法可以有效地提高系统吞吐量和频谱的利用率。     

基于信噪比权值的合作频谱感知技术

根据无线环境中各个认知用户的信噪比不同,提出一种基于信噪比权值的合作频谱感知算法。认知用户根据与主用户之间路径衰落因子的不同,得出各自的信噪比值,再通过递归得到相应的权值。融合中心进行加权融合得出最终判决结果。仿真结果表明,这种算法可以提高对主用户的检测概率,其检测性能也优于传统的硬判决融合准则。     

判决相关条件下联合频谱检测的性能分析

为了改善认知无线电中感知用户(未授权)对主用户弱信号的检测性能,采用多个感知用户合作的联合最优门限判决算法.在考虑参与联合检测的各感知用户判决门限具有相关性的条件下,通过理论分析和软件仿真,表明联合检测算法随着参与检测用户数目的增加,能够改善对主用户弱信号的检测性能.在融合中心虚警概率恒定的条件下,与给定各判决门限和系统融合准则的算法相比较,联合最优门限判决算法性能更好.但因各感知用户判决门限具有相关性,系统检测性能比各感知用户判决独立条件下有一定损失.     

基于加权多特征参数模型的动态频谱接入方法

为尽可能满足认知网络系统对认知用户多种类型业务的传输需求,提出了一种基于信道加权多特征参数模型分组聚类的动态频谱接入技术. 通过建立可接入信道的加权多特征参数模型,采用多目标聚类实现信道的频谱池分组划分,以实现认知用户频谱的动态接入,满足认知用户业务传输对频谱性能的需求. 通过多特征参数组合、动态频谱仿真实验验证,结果表明该方法可有效地实现信道的性能划分,提高认知用户的频谱接入效率和业务传输性能.     

一种基于主用户活动规律的认知OFDM 系统功率分配算法

针对认知OFDM系统在总功率约束条件下的子载波功率分配问题,借鉴＂Risk-Return＂模型,并采用泊松过程来描述主用户的活动规律。通过定义损失函数和收益函数,综合考虑主用户到来和离去过程对系统性能的影响,进而给出一种基于主用户活动规律的功率分配算法。仿真结果表明,该算法容量性能优于单纯考虑主用户到来过程的算法。