基于 Gerschgorin 圆盘理论的认知无线电宽带频谱感知

摘 要：提出了基于Gerschgorin圆盘理论的宽带频谱感知算法：Gerschgorin似然估计算法和Gerschgorin圆盘半径迭代算法。通过在宽带频谱感知中引入Gerschgorin圆盘理论,将认知无线电用户频谱观测数据中噪声圆盘空间和信号圆盘空间进行分离,并基于对主用户所占用子频段集合势的估计,实现对宽带授权频谱中多个子频段状态的监测。为了进一步提高感知性能,还提出利用宽带频谱中主用户信号占用子频段的连续性特性改善算法性能。理论推导和仿真结果表明,在信噪比较小时,Gerschgorin似然估计算法较基于信息论准则的宽带感知算法具有更稳定的检测性能;Gerschgorin圆盘半径迭代算法与传统能量检测方法相比,优势在于不依赖任何噪声功率先验信息,且在采样次数较少情况下的感知错误率较小。因此,基于Gerschgorin圆盘理论的频谱感知更适合于实际CR系统,可为宽带频谱感知提供行之有效的算法实施方案。     

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。      

基于信号集合势和连续性的认知无线电宽带频谱感知

针对传统感知算法依赖主用户信号与噪声先验信息,以及易受噪声功率估计不确定性影响的缺点,提出了一种基于信号集合势和连续性的宽带频谱感知方案。该方案将宽带频谱感知分为主用户占子带集合势的估计和子带位置判决两步。在两次不同感知结果中利用主用户连续占用子带的特性,有效地实现最终感知性能的提升。理论分析和仿真结果表明,该方案不仅能够解决传统感知方法依赖噪声和主用户信号先验信息的问题,而且对抗噪声功率不确定性具有鲁棒性。特别地,与传统的能量检测频谱感知算法相比,该算法能有效地实现宽带频谱盲感知。     

利用LMS的频谱感知算法

针对低信噪比下的频谱感知问题,提出一种基于最小均方算法(LMS)的不受噪声不确定度影响的频谱感知算法。本文利用LMS算法对原始发送信号的幅度进行实时估计,并以其估计值作为检验统计量,判断主用户是否存在,实现频谱感知。理论和仿真结果均表明,此方法对微弱信号的检测能力较强,且性能明显优于能量检测算法,通过对噪声方差的实时估计,可以有效克服噪声不确定度的影响。      

基于图像K-means聚类分析的频谱感知算法

近年来,基于能量检测的协作频谱感知算法被广泛应用于频谱感知领域。由于该方法在计算能量检测的判决门限受噪声影响较大以及受限于认知用户的数量等问题,导致其检测性能受到影响。为了解决这一问题,本文提出一种基于图像K-means聚类分析的频谱感知算法。这种方法利用主用户信号存在与否的两种认知信号状态映射成图像,经过调整图像强度和高斯滤波预处理之后利用提取图像像素分布直方图的方法提取出特征向量,然后利用改进的K均值聚类算法对这些特征向量进行训练得到分类模型。最后利用训练好的分类模型对未知信号进行检测,从而实现频谱感知。仿真结果表明,本文所提出的频谱感知算法,在检测性能上优于传统能量检测以及协作频谱感知算法,尤其在低虚警概率、低信噪比的环境下效果更加突出。      

一种基于随机共振增强的协方差矩阵频谱感知算法

为了在避免对主用户系统产生有害干扰的同时 提高频谱利用效率,要求认知无线电系统的频谱感知算法能在极低的信噪比下快速检测出主用户信号。由于可以避免能量检测面临的噪声不确定性问题,基于协方差矩阵的检测算法是一种有效的盲频谱感知算法。为了进一步提高极低信噪比下的性能,本文提出了一种基于随机共振的协方差矩阵频谱感知算法。该算法通过在接收信号中加入优化的特定信号,利用随机共振原理,增大有无主用户信号下的检测统计量概率分布函数的分离度,提高频谱感知的性能。仿真结果表明,相对于现有的协方差矩阵频谱感知算法 ,在相同的虚警概率下,所提算法可以显著提高极低信噪比下的检测概率,同时大幅度缩减检测时间。      

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.     

基于最小描述长度准则的稀疏多带信号频谱感知算法

该文研究稀疏多带信号的频谱感知问题。首先利用欠采样的数据构造自相关矩阵,并对该矩阵进行特征值分解,然后根据最小描述长度(MDL)准则对特征值进行计算,利用结果区分信号子空间和噪声子空间,最后根据子空间的结果求出信号的频率支集,由此提出了一种针对稀疏多带信号的频谱感知算法。由于传统算法需要预先设置门限来区分信号子空间和噪声子空间,所以不合理的门限值会导致算法失效,该文算法不用预先设置门限,具有更好的适应性。仿真实验结果验证了该文算法的有效性。     

瑞利信道中自适应双门限频谱感知算法研究

频谱感知是认知无线电中的一项关键技术,能量检测、匹配滤波器检测和周期循环频谱检测是认知无线电中频谱感知技术中传统、经典的算法.基于能量检测的频谱感知算法因实现简单且不需要先验信息而被广泛应用,但低信噪比的情况下检测概率会降低,用户的检测性能不足,从而导致认知用户和主用户之间的冲突碰撞次数增多.针对以上存在的问题,在基于自适应频谱感知的基础上,利用噪声功率估计,提出了一种瑞利信道下的自适应双门限频谱感知算法.仿真结果表明,在低信噪比噪声不确定的情况下,这种算法能够大大提高检测概率,有效降低了认知用户和主用户之间的冲突碰撞次数,从而提高频谱的利用率.     

高斯混合噪声环境中基于分数低阶矩的频谱感知算法研究

传统的频谱感知算法因非高斯噪声的干扰,其检测性能严重退化。为抑制实际通信环境中非高斯噪声的干扰,本文提出了一种基于分数低阶矩的空闲频谱检测方法,该方法不需要主用户信号、通信信道和噪声的先验信息。本文采用高斯混合分布拟合非高斯噪声环境,根据中心极限定理及广义二项式定理推导出信道为无衰落和Nakagami衰落时基于分数低阶矩感知算法的检测概率和虚警概率。理论分析和仿真结果表明,在非高斯噪声环境中,基于分数低阶矩感知算法的检测性能明显优于传统的能量检测算法,且采用多天线技术有助于进一步提高感知性能和频率资源的利用率。      

Distributed Cooperative Wideband Spectrum Sensing Algorithm Based on Subspace Methods

We present a novel distributed cooperative spectrum sensing algorithm from compressive sampling in wideband cognitive radio (CR) networks. Each CR utilizes compressive sampling to reduce data acquisition costs. A subspace method is then adopted to directly detect occupied channels without reconstructing the sparse spectrum. To obtain the spatial diversity gain, global signal subspace is estimated by the distributed projection approximation subspace tracking (DPAST) algorithm in which the CRs exchange information locally and cooperate without the need for a fusion center. Then, the orthogonality property of the signal subspace and noise subspace can be exploited to find spectral support to complete the spectrum sensing. We study the convergence behavior of the DPAST algorithm and evaluate the performance of spectrum sensing. Simulation results indicate that the DPAST can effectively estimate the global signal subspace, and the proposed compressed wideband spectrum sensing scheme performs better than spectrum sensing at a single CR.     

低信噪比条件下基于随机共振的感知方法与性能分析

针对认知网络实际环境中常呈现出噪声高动态变化、低信噪比特征,无法快速准确进行频谱感知的问题,本文将物理学非线性领域中的随机共振理论引入到频谱感知中,提出了一种基于广义随机共振的能量检测算法.该算法引入匹配噪声,通过匹配非线性系统、噪声和信号三者的关系,从而改变能量检测统计量的分布,有效地检测信号的存在性.本文从理论上推导了最佳匹配噪声的表达式,并得到了检测性能、受噪声不确定度的影响、感知时间等方面的重要理论结论.仿真结果验证了理论推导的正确性,表明所提算法能够在信噪比为-20dB等低信噪比条件下较现有能量检测算法提高3dB以上,且具有感知速度快、受噪声不确定度影响小等特点.     

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.     

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.     

采用支持向量机的宽带频谱感知算法

认知无线电系统中,压缩感知理论已广泛运用于宽带频谱检测。但是,压缩感知中的重构问题造成频谱检测算法计算复杂度高,且在低信噪比下检测效果不佳。本文提出了采用支持向量机的宽带频谱感知算法,该算法利用支持向量机建立频谱检测分类器,代替信号的重构与检测过程。根据系统对实时性的要求,分别设计了多级二元分类器感知算法和单级多元分类器感知算法。前者适用于分级数有限且实时性要求不高的场景,后者可大幅降低系统的算法复杂度,降低感知时间,适用于实时检测系统。仿真结果表明,与基于重构的能量检测算法相比,本文提出的两种算法均可以有效改善系统对噪声的鲁棒性,提高在较小信噪比下的检测性能。      

基于小波包变换的能量检测技术研究

频谱感知技术是认知无线电实现的关键,对解决频谱资源匮乏的问题起着举足轻重的作用,因此受到业界的广泛关注。在分析比较了三种常见的频谱检测技术后,提出了一种在未知噪声下的基于小波包变换的能量检测算法,通过小波包变换对噪声和信号功率进行估计从而得到较为准确的判决门限。仿真结果显示,在未知噪声情况下的该算法具有较好的鲁棒性,有望成为适于认知无线电应用的频谱感知技术。     

一种基于噪声估计的能量检测自适应门限新算法

频谱感知是认知无线电研究的关键技术之一,能量检测法是典型的频谱感知方法,但传统能量检测法的性能很容易受噪声功率变化影响。本文提出一种基于噪声方差估计的能量检测自适应门限算法。该算法基于噪声统计模型实时估计噪声方差,自适应地设置判决门限,达到更充分利用频谱资源的目的。仿真结果证明,该算法能准确估计噪声方差,有效地提高频谱检测性能。