基于RBF神经网络的认知无线电频谱的联合检测

认知无线电是解决当前频谱短缺问题的重要手段之一。在不干扰授权用户的情况下,非授权用户感知到授权用户未使用的频段,快速接入频谱,实现通信。一旦检测到授权用户出现时,非授权用户要立即退出正在使用的频段。本文充分利用径向基神经网络的优点,中心节点处放置一个径向基神经网络的模块,决定授权用户是否存在。这种方法可以提高认知无线电网络里感知的性能。     

模拟主用户攻击情况下的压缩宽带频谱感知

由于ADC采样速率的限制,特别是在恶意用户试图模拟主用户(PU)以阻止次用户(SU)接入空闲授权频谱的情况下,使得认知无线电网络(CRN)中的宽带频谱感知技术面临着极大的技术挑战。针对这些问题,本文提出一种基于随机矩阵理论的压缩宽带频谱感知方法(RMT-CWSS)。RMT-CWSS算法利用随机矩阵理论直接对压缩观测数据进行处理,无需重构出原信号即可实现对宽带频谱进行感知。同时,为了减轻次用户在数据获取和频谱感知过程中的开销,本文提出一种基于传感器节点(SN)辅助感知的合作频谱感知架构。理论分析与仿真结果表明,在存在恶意用户模拟主用户进行攻击的情况下,与传统的基于RMT的宽带频谱感知方法相比,该算法具有复杂度更低、感知性能更好、更稳定等优点。     

能量检测法在确定信道下的性能仿真

针对认知无线电通信系统中基于能量检测的频谱感知方法，分析了基于能量检测法的高斯和瑞利信道下的检测概率和虚警概率，进行了MATLAB仿真，得到了理论和仿真曲线，结果表明能量检测法在确知噪声的情况下是一种有效频谱感知方法。     

面向认知无线电自组网的功率分配算法研究

针对认知无线电自组网节点具有移动性及交互性的新特点,首先提出一种根据SU节点之间的空间差距赋予每个SU节点不同的权重系数,将检测结果加权平均得到共同检测结果的合作式频谱感知模型;然后,对系统模型下授权信号可能受到的干扰进行分析,并建立多约束条件下的能量效率最优化问题的数学模型。接着,提出一种基于NLMS的干扰概率分配算法,解决在多约束条件下的能量效率最优化问题;最后,通过实验验证感知模型及分配算法的效率。     

GP-周期势随机共振在无线电弱信号检测中的应用

无线电信号在传播过程中,由于复杂的环境和外界噪声导致信号接收的不确定性。为有效增强检测的特征频率,减少干扰频率成分,更清晰地识别目标频率特征,将周期势系统势阱模型与Gaussian Potential(GP)势阱模型相结合提出GP-周期势随机共振系统,令待测信号、噪声及随机共振系统产生最佳的共振效果,对无线电弱信号进行检测,并与传统随机共振系统和周期势随机共振系统检测无线电弱信号的效果进行对比。实验结果表明,GP-周期势随机共振系统在无线电弱信号检测中识别目标频率更清晰,频谱更平坦,和传统随机共振系统相比对噪声的利用率更高。     

基于序贯压缩感知的自适应宽带频谱检测

信号信息处理的新技术压缩感知,提供了认知无线电中宽带频谱检测的新方案.该方案的一个主要问题是在不知道信号稀疏度的前提下如何确定所需要的随机观测次数.提出一种基于序贯压缩感知的自适应检测方案.次用户利用模拟/信息转换器输出观测序列并进行自相关运算,相邻两次自相关观测向量输入融合中心经由SSAMP协作重构算法估算重构误差,并自适应确定所需的最小观测次数.精确重构的稀疏向量利用基于置信度的DS融合算法对主用户宽带频谱占用做出决策.仿真结果证实了误差估计及自适应协作检测的有效性.同时,SSAMP算法与经典的SOMP算法在重构均方误差和检测时间两方面进行了对比.     

基于频谱感知的认知无线电机会功率控制算法

以基于频谱感知的认知无线电Ad Hoc网络为基础,主要研究认知无线电网络的功率控制问题。根据频谱感知结果和信道状况,考虑功率与干扰限制的需求,为最大化认知用户的信干比,提出了一种基于频谱感知的机会功率控制算法,在保证不影响主用户正常通信的条件下,有效地控制认知用户的发送功率,提高认知系统容量。仿真结果表明该算法通过对认知用户功率的有效控制,最大程度上消除了用户之间的干扰,保证了主用户的正常通信,满足了认知用户和主用户频谱共享的需求。     

主用户移动场景下的感知用户时间分配算法

传统的认知无线电技术主要针对主用户和感知用户静止的认知网络,近年来对于用户移动性的研究逐渐成为了研究热点。认知网络在多媒体接入技术中应用广泛,而多媒体接入技术的协议多是基于时间分配的,本文对主用户移动场景下感知用户的时间分配方法开展了研究工作:首先构建了认知无线电网络下主用户在感知用户的干扰域内和干扰域外的时间分配模型,并从用户移动的角度给出了单个感知用户可用的传输时间,并提出了感知时间门限的问题,即由于主用户的移动性,频谱感知算法的感知准确性不会因为感知时间的延长而提高。之后为了给出实际中可以应用的时间参数设计方法,特别针对随机模型中最为常用的随机游走模型,给出了单感知用户占用频谱情况下最优传输时间和感知时间门限的表达式,并进行了仿真实验以验证方法的正确性。     

Energy-aware cooperative spectrum sensing for underground cognitive sensor networks

随着无线技术的发展,越来越多的通信标准被应用于井下环境中。本文讨论了利用认知无线电技术将基于802.15.4标准的无线传感器网络同其他井下无线网络融合的问题。在认知无线传感器网络中,引入联合频谱感知机制,即一组传感器节点协作完成频谱感知任务。越多传感器节点的参与将会获得越准确的检测结果,但也将造成更多的能量损耗。因此如何得到检测准确性与能量有效性的折中是该网络的一个关键问题。首先,分析得到了单节点检测能耗与检测性能之间的函数关系,求得在满足一定检测性能要求下的最短感知时间。其次,采用基于投票准则的融合机制,得到了最终检测性能与能耗之间的关系。     

一种基于分簇式双门限合作频谱检测算法

认知无线电作为一种未来解决频谱匮乏技术,获得了广泛的研究.频谱检测技术是认知无线电技术中关键技术之一.针对目前单点检测正确率低下的问题,结合目前深入研究的合作频谱检测技术,提出一种新的基于分簇式双门限的合作频谱检测算法.该检测算法通过设立双门限进行检测,并根据不同簇的检测能力不同引入信誉值进行二次数据融合.仿真结果表明该算法能够有效降低误警率和漏检率,提高了整体的检测性能.     

科氏质量流量计相位差检测新方法

基于科氏质量流量计的工作机理和实际工作情况下的信号频谱分析,提出了切实可行的相位差检测新方法。设计了改进的FIR数字滤波器,实现了对原始输出信号的实时滤波处理,有效地抑制了噪声的干扰,为科氏质量流量计的高精度测量提供了保证。同时该新方法提高了系统的动态品质。实验结果表明,所提出的方法和设计的信号处理系统具有实用价值。     

循环谱与随机森林融合改进频谱检测算法

针对低信噪比下无线认知网络的主用户频谱检测问题,提出了一种基于循环谱和随机森林的检测方法。该方法首先将信号变换到循环谱域,计算信号非零循环频率最大时的信号循环谱,并以循环谱的均值和方差构成特征向量。然后,基于随机森林构建无线认知网络主用户信号频谱检测模型,并分别构建正负样本信号进行模型训练。最后利用训练完成的模型检测无线认知网络主用户信号。仿真实验结果表明,该方法能够有效实现主用户信号频谱检测,且检测性能优于目前常用算法。     

基于自适应多尺度自互补Top-Hat变换的轴承故障增强检测

针对实际工程中滚动轴承冲击性故障特征难以提取的问题,提出一种自适应多尺度自互补Top-Hat(Adaptive multi-scale self-complementary Top-Hat, AMSTH)变换方法用于轴承故障的增强检测。自互补Top-Hat变换在消除信号中背景噪声的同时,能有效增强故障振动信号的冲击特性,而构造的多尺度自互补Top-Hat变换方法,可以较有效地兼顾抗噪性能和信号的细节保持。在分析形态学滤波的基础上,提出采用特征幅值能量比(Feature amplitude energy radio, FAER)的方法自适应确定最优结构元素的尺度,并应用于轴承的故障增强检测。通过对仿真信号和实测轴承滚动体、内圈故障信号进行分析,结果表明该方法可有效增强滚动轴承的故障检测,并且在运算效率和提取效果方面优于基于信噪比标准的多尺度形态学开-闭和闭-开组合变换方法。     

基于功率谱分析和RBF网络的表面EMG多模式分类

提出了一种以功率谱K值法和RBF网络相结合的表面肌电信号处理方法.首先,将采集到的肌电信号进行预处理,计算互功率谱比值作为其特征值;其次,将其特征值作为训练样本输入RBF神经网络进行网络训练,并对手臂的各种动作进行多运动模式分类.实验表明,这种方法不仅简化了计算工作量,而且取得了比较理想的识别效果.