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。      

基于循环谱能量的自适应频谱检测算法

根据信号循环平稳谱的特征,研究在低信噪比环境下的频谱检测问题,提出一种基于循环谱能量的自适应判决门限频谱检测算法。该算法融合能量检测与循环平稳特征检测的机理,以信号的循环谱能量为检测统计量,加权合并虚警率与检测率,准确估计循环谱特征值,构建了具有噪声自适应能力的频谱检测判决门限。仿真结果表明,该算法可以在低信噪比环境下有效地完成频谱检测,克服了噪声波动对频谱检测性能的影响,对不同调制主信号的感知具有稳健性。与最大—最小特征值算法和盲检测算法相比,该算法分别改善了信噪比4dB和8dB。     

基于主用户信号谱特征的频谱感知方法

频谱感知是认知无线电的关键技术之一。首先讨论了一种基于信号频谱特征的频谱感知方法,提出了一种判决统计量,克服了噪声功率不确定性的影响。给出了算法流程,并采用ATSC（ad-vanced television systems committee）信号作为主用户信号对算法性能进行了仿真分析。结果表明：选择较多点快速Fourier变换（FFT,fast fourier transform）估计得到的理想主用户信号功率谱作为模板所得的检测概率较高;FFT点数相同情况下,增加谱模板估计时的周期图平均次数对检测性能没有多大改进。另外,不同观测时间下的仿真结果还表明增加接收信号的观测时间有利于改进算法检测性能。     

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。      

认知无线电中基于阵列天线和协方差矩阵的频谱感知算法

该文提出一种基于阵列天线和协方差矩阵的频谱感知算法,该算法能够在噪声不确定性的条件下进行盲频谱感知。该算法在协方差矩阵的基础上,构建新的检测统计量,推导判决门限,对检测统计量与判决门限进行比较进而做出最终判决;在主用户信号到达方向与认知用户接收天线法线方向不一致的情况下,为使认知用户能完全接收主用户信号,利用了阵列天线技术。仿真结果表明,与Zeng等人(2009)提出的绝对值协方差矩阵频谱感知算法(Covariance Absolute Value Spectrum Sensing, CAVSS)相比,该算法判决门限的计算方法更加准确;在相同条件下,该算法的检测概率高于CAVSS。     

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。     

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.     

基于功率谱密度中段平均的频谱感知算法

根据有、无主用户信号时接收信号功率谱最大、最小值差值不同的特点,提出了一种基于功率谱密度中段平均的频谱感知算法.针对估计的信号功率谱在最小值附近波动多、最小值难以根据单个点准确给出的问题,利用接收信号功率谱中段平均值估计功率谱的最小值,降低最小值的随机性对频谱感知算法性能的影响.理论推导了检测门限和检测概率的表达式,并对算法进行了仿真分析.仿真结果表明,在AWGN信道和Rayleigh衰落信道中,本文算法性能都优于已有的功率谱密度频谱感知算法.该算法无需主用户信息,不用进行复杂的特征值分解.     

认知无线电中基于SVD分解的频谱感知新算法

为了解决认知无线电中能量检测法在低信噪比下检测概率低的问题,本文提出了一种基于SVD分解的频谱感知算法。首先利用接收信号构造Hankel矩阵,通过SVD分解,将矩阵分离成信号空间与噪声空间,再将较小的奇异值置零,然后重构矩阵,从而提高接收信号的信噪比（SNR）。其次,将SVD系统输出信号功率对噪声功率进行归一化,把降低噪声功率转化成提高主用户信号功率。最后进行能量检测,以此来提高检测概率。理论分析和计算机仿真表明,在相同条件下,基于SVD分解的频谱感知算法与传统的能量检测法相比,检测概率显著提高;要达到相同的检测概率,对信噪比的要求也显著降低。      

小样本图像处理方法赋能的宽带频谱感知

针对强噪声环境下频谱感知方法计算复杂度高、难以获取大量标注样本、检测准确率低等问题,该文提出由图像去噪和图像分类思想驱动的频谱感知方法(IDCSS)。首先,对感知用户的接收信号进行时频变换,将无线电数值信号转换为图像。强噪声环境下感知用户接收信号图像与噪声图像相关度高,因此搭建生成对抗网络(GAN)来增加低信噪比下接收信号样本的数量,提高图像的质量。在生成器中,利用残差-长短时记忆网络取代生成网络U-Net结构中的跳跃连接,对图像进行去噪、提取感知用户接收信号图像的多尺度特征、建立基于熵的损失函数来构建网络的抗噪能力;在判决器中,设计适用无线电图像信号的多维度判决器来增强生成图像的质量、保留低信噪比感知用户信号的图像细节。最后利用分类器识别频谱占用状态。仿真结果表明,与现有频谱感知算法相比,所提算法具有较好的检测性能。     

Cooperative Spectrum Sensing with Adaptive Node Selection for Cognitive Radio Networks

In cooperative spectrum sensing, secondary users can cooperate based on their local sensing observations so as to detect primary signals in a more reliable manner. However, because of the low strength of received primary signals, observations from some secondary users may contribute little to global decisions at the fusion center. To reduce energy consumption and sensing overhead, cooperation is recommended only with a subset of nodes receiving high-strength primary signals. This paper proposes a selection probability based cooperative spectrum sensing scheme that exploits historical observations to exclude nodes receiving low-strength primary signals. The selection probability is maintained based on local sensing information and global decisions. Simulation results demonstrate that the proposed scheme can exploit location advantages and shows almost the same detection performance as cooperative spectrum sensing with accurate node selection.     

基于功率谱分段对消频谱感知算法研究及性能分析

在实用的认知无线电系统中,频谱感知技术必须具备在噪声电平高动态变化和无线信道严重衰落电磁背景下,进行实时盲频谱感知的能力,这为经典的频谱感知算法带来巨大的挑战。该文提出的功率谱分段对消频谱感知算法,依据傅里叶变换的渐进正态性和相互独立性,计算出功率谱的统计特性,利用监测频带内部分谱线强度和与全部谱线强度和的比值作为检验统计量进行信号存在性的判断。该文推导了算法的虚警概率和不同信道模型下正确检测概率的数学表达式,并依据Neyman-Pearson准则得到判决门限的闭式表达式。理论分析和仿真结果均表明:功率谱分段对消频谱感知算法对噪声不确定度具有鲁棒性;固定信噪比,算法的频谱感知性能不受噪声电平改变的影响;应用于高斯白噪声和平坦慢衰落信道中,可在较宽的信噪比范围内获得较优越的频谱感知性能;算法计算复杂度低,可在微秒级时长内完成频谱感知。     

Access Control Engine with Dynamic Priority Resource Allocation for Cognitive Radio Networks

An access control engine with dynamic priority resource allocation (ACE-DPRA) is proposed for unlicensed users to utilize free spectrum of wireless communication systems. A cognitive radio (CR) network with sensing and learning abilities is essential for unlicensed users to achieve ACE-DPRA. Three algorithms are included in ACE-DPRA to improve the spectral efficiency. While requesting to set up connection, unlicensed CR users generate excessive interferences to licensed users. The proposed ACE-DPRA with an admission control scheme allows the connection of unlicensed CR users without degrading the communication quality of licensed users. The priority algorithm for utilizing the unused spectrum is designed according to the location information of unlicensed users. A transmitted power control method is achieved by a fuzzy-learning mechanism. The spectral efficiency of wireless communication systems can be increased after adopting the proposed ACE-DPRA algorithm. Simulation results show that licensed users keep the advantages of high transmission data rate, low interference power, and low average outage probability after the connection of unlicensed CR users.     

低信噪比下一种改进的谱相关频谱检测

针对现有基于谱相关频谱检测算法中周期图法谱估计精确度较低的缺点,提出了一种用主用户发送信号与认知用户接收信号的最小方差无失真响应(MVDR)谱的谱相关量作为检测统计量进行频谱检测的改进方法.由于MVDR谱估计算法比周期图法具有更高的分辨率,因此所提频谱检测算法比现有算法具有更好的检测效果.模拟了两种电视信号作为主用户发送信号,仿真结果表明:对于两种电视信号,所提算法的检测性能都优于现有算法,同时通过分析算法的复杂度,证明所提算法能够满足IEEE802.22标准对于检测时间的要求.     

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。     

基于EMD与功率谱熵的语音端点检测

为了提高低信噪比下语音端点检测的准确性,提出一种基于经验模态分解与功率谱熵的语音端点检测方法。对带噪语音信号进行经验模态分解获得一系列语音本征模函数,选取功率谱熵作为语音端点检测的特征,并计算特定阶本征模函数的功率谱熵实现语音的端点检测。通过EMD分解可以有效地消除白噪声的影响,仿真结果表明,在低噪比情况下结合经验模态分解和功率谱熵的方法能够有效实现语音端点检测。     

Robust spectrum sensing for orthogonal frequency division multiplexing signal without synchronization and prior noise knowledge

Spectrum sensing is defined as the task of detecting the presence of licensed users and is an essential prerequisite for opportunistic spectrum access in cognitive radio. Motivated by the infeasible assumptions of perfect synchronization and prior noise knowledge in most of the existing spectrum sensing algorithms, a robust orthogonal frequency division multiplexing (OFDM) signal sensing scheme, with the use of a noise power insensitive threshold, is investigated in this paper. Identification of primary OFDM signals is achieved by sliding the local pilot reference over the received signals and measuring the frequency domain correlations. The necessity of prior noise power knowledge for the sensing threshold determination is removed by employing the proposed interference insensitive test metric, which is a ratio of uniformly distorted correlations. As a result, no noise power information is required in the sensing process. In addition, the effects of both timing and frequency offsets are mitigated with a novel extended time domain segmentation as well as multiple frequency domain correlations via a frequency sliding window. Numerical results are provided to validate the theoretical analysis and estimate the performance of the proposed algorithm. Copyright © 2012 John Wiley & Sons, Ltd.     

协作频谱感知中快速自适应门限策略

频谱感知是认知无线电的一个重要组成部分。在异构网络中,认知节点的移动会导致接收信号强度和噪声功率发生变化,这使得采用固定门限参数的频谱感知策略无法保证在任何时候均工作于最优感知状态。为了解决这一问题,该文提出一种自适应门限参数的协作频谱感知策略。该策略无需主用户信号、信道以及环境噪声的任何先验信息,参与协作的所有认知节点采用最陡下降法自适应调节门限参数,控制中心采用最优数据融合算法获得最小检测代价。仿真结果显示,当认知节点参数发生变化时,协作节点的门限参数快速收敛于最优值,使系统贝叶斯风险最小。     

基于小波降噪的压缩感知—循环平稳检测技术

认知无线电技术通过次级用户动态接入空闲频谱来提高空闲频谱资源的利用效率,是认知无线电的重要环节。在低信噪比环境下,如何快速精确地进行频谱感知是频谱感知面临的重大挑战。提出了一种基于小波降噪的压缩感知—循环平稳特征检测器来实现低信噪比环境下的频谱检测。采用压缩感知技术提高了频谱感知的效率,并进一步利用小波变换技术降低了压缩感知过程中引入的压缩噪声,提高了低信噪比环境下的频谱感知准确度。仿真结果证明,提出的基于小波降噪的压缩感知技术能够实现低信噪比环境下的频谱空洞检测。