噪声不确定下认知无线电能量检测性能的分析

针对实际通信中背景噪声的强度是不确定的,研究了噪声不确定性对认知无线电能量检测的稳定性和持续性产生的影响,分析了能量检测在噪声墙下的稳定性,得出稳定概率和最小采样点数;提出检测中断概率反映噪声不确定下能量检测的持续性,并分别得出单用户检测和协作检测的中断概率,以及能量检测所需的检测时间;分析了能量检测的检测概率,得出噪声不确定下检测概率的分布函数,并通过分布函数得到一定中断概率下的最大目标检测概率。仿真表明：增加采样点数能够提高能量检测的稳定性;噪声不确定度提高或者标称信噪比降低会增加能量检测的中断概率,而采用多认知用户协作检测可以降低中断概率。     

基于能量和小波变换的双门限联合频谱感知

传统的能量感知算法对噪声比较敏感,在较低的信噪比条件下检测准确性易受到影响,循环特征检测法计算复杂度偏高,为此提出了基于能量检测和小波变换(WT)感知的双门限联合检测算法.该算法对双门限区间以外的区域采用能量检测进行判定,双门限范围内的不确定区域进行小波感知,并根据信道中噪声不确定性自适应调整双门限值,当信道质量较好时,减小两门限之间的距离,否则增大两门限之间的距离,从而控制进行小波感知的概率.仿真结果表明,此算法有效地提高了低信噪比条件下系统的检测性能,降低了算法的复杂度.     

基于小波去噪的协作空闲频谱检测性能

为解决低信噪比（SNR：Signal to Noise Ratio）时引起检测性能突变的问题,分析了能量检测在不同SNR下的检测效果,在进行频谱检测前先对信号进行去噪处理,以改善能量检测在低SNR下的检测性能。在此基础上,将改进的能量检测算法应用到协作空闲频谱检测中,保证各个CR（Cognitive Radio）节点检测性能有一定的可靠性,从而改善协作检测的检测效果。仿真结果表明,对经过小波信号处理后的各节点的检测结果进行融合协作,与以往的协作检测方案相比,ROC（Receive Operating Characteristic）曲线有了明显改善。     

基于频谱感知的权值优化算法研究

针对频谱资源短缺的现状,分析了传统的能量检测模型,并由此提出了一种优化权值的频谱感知算法.该算法实现对能量检测算法的优化,即在能量检测算法的基础上加入了加权控制和优化权值算法,然后将优化后的权值算法用于实际条件下进行模拟仿真得到结果.分析结果得知,权值进行优化后系统的虚警概率的确有所降低.并且,在信号与噪声比值不同的情况下,检测概率得到了改善,错误概率有所降低,从而系统的整体性能得到了有效提升.     

基于协方差理论的信号检测改进算法

为了克服能量检测算法易受信噪比不确定性影响的缺点,采用协方差检测算法进行信号检测,对算法检测阈值进行优化,提出一种基于检测误差最小的改进的协方差算法。改进的协方差检测算法不仅克服了能量检测算法的缺点,并且相比协方差检测算法,该算法在低信噪比下检测性能有所改善。仿真结果表明,在-20dB低信噪比条件下,改进算法的检测概率能提高20%左右。     

认知无线电中协作能量概率分布频谱感知方法

提出了一种基于能量概率分布（EPD）的协作频谱感知算法,以提高认知无线电的检测性能．与传统能量检测使用能量均值做为检测统计量不同,EPD感知算法中的协作感知次用户统计大于给定门限值的采样信号个数,并传送给数据融合中心,数据融合中心将所有统计结果进行叠加,并与噪声的能量概率密度进行相关运算来获得判决结果．利用高斯近似理论分析所提出的EPD协作频谱感知算法的检测性能．仿真结果表明,协作用户数越多,新提出算法的检测性能比传统协作频谱感知硬判决算法越有优势,同时又不需要任何主用户的先验信息．     

认知网络中控制信道受限的协作频谱感知

在噪声不确定的条件下,提出一种多频带联合协作感知方法,根据各频段噪声功率的不确定度分别计算出检测门槛上、下限后对本地主用户信号进行多频带联合检测.接收信号能量处于检测门槛上下限之间的频段为本地检测结果不确定的频段,需要进行多点协作频谱感知,认知节点可利用本地检测中确定空闲的频段来传递本节点的感知信息,实现由本节点可用信道分担传统协作感知方法中控制信道通信量的目标.仿真结果表明,对比传统协作感知方法,新提出的协作感知方法能有效减少频谱感知过程中控制信道的通信负载,并且在本地检测结果为不确定的频段能获得更小的误警概率.     

基于指数熵的认知无线电频谱感知算法

针对目前认知无线电中频谱感知技术在低信噪比下检测性能差、对噪声功率不确定性鲁棒性差等问题,提出了一种基于指数熵的频谱感知算法。该方法根据H0、H1下接收信号熵特性的不同,估计接收信号的指数熵,然后通过与预设的门限进行比较,进而判断主用户信号是否存在。该方法的主要优点为:具有对噪声功率不确定性具有鲁棒性、不需要信号的先验知识以及在低信噪比下可以得到较高的检测概率。Monte Carlo仿真结果表明:在噪声功率不确定性为3dB,采样点数为1024的情况下,当信噪比大于-8dB时,可以达到100%的检测概率。     

时频聚集性分析的频谱感知方法

针对单载波和最小频移键控(MSK)调制的主用户信号,提出了一种基于时频聚集度分析的频谱感知算法.计算接收数据互相关函数的时频脊线,统计时频脊线点集的概率向量;利用信号能量在时频谱上的聚集性和信道噪声时频点的均匀分散性的特点,定义时频聚集度来评价时频点的聚集程度,并设定聚集度门限,用以判断主用户信号的存在性.仿真实验表明,该算法对一般信道和衰落信道都是有效的,并在较低信噪比下保持了良好的检测性能;在相同的噪声功率不确定度下,其虚警概率低于能量检测法.     

智能语音识别系统中噪声估计算法的研究和改进

智能语音识别技术的研究已有较长的时间,但由于语音信号本身所具有的多变性、瞬时性、连续性和动态性的特征,使得机器在不同的环境尤其是噪声环境中进行语音信号的识别仍具有一定的困难.为了提高带噪语音信号识别的准确率,本文研究了一种常用的噪声估计算法,即基于后验信噪比的时间递归平均算法.并在此算法的基础上提出了一种对平滑因子的改进算法,将语音活性检测算法与这两种算法在不同输入信噪比下进行模拟验证.通过运算结果的对比分析可以看出,改进后的算法相比于语音活性检测算法最高可以使输出分段SNR提高2.1 dB,相比于原时间递归平均算法最高可以使输出分段SNR提高0.5 dB,表明低输入SNR下改进后的算法可以有效提高语音信号的质量和可懂度.     

一种语音端点检测方法的研究

端点检测是从一段语音中检测出语音段和噪声段,是语音信号处理过程中的一个重要环节.为了提高在低信噪比下的检测效果,提出了一种基于子带能量的检测算法,该算法主要计算子带能量等参数,并通过更新噪声能量来实现.实验结果表明:与常规的端点检测方法相比,该方法具有良好的检测能力,并且在低信噪比环境下较好的端点检测能力.     

基于小波变换的频谱检测算法改进

随着无线通信技术的飞速发展,致使频谱资源日趋紧张,认知无线电技术被认为是解决频谱资源紧缺的有效方法,频谱检测是其重要的环节。首先对常规能量检测法进行分析,指出其易受噪声不确定性的影响,对此提出了基于小波变换的多分辨率能量检测算法,理论分析及仿真结果表明,改进算法能很好地抑制噪声不确定性的影响,满足低信噪比条件的频谱检测要求。     

基于谱熵的语音端点检测算法改进研究

语音端点检测是语音处理中重要的领域之一。常规谱熵语音端点检测算法是通过检测语音的功率谱的平坦程度,从而达到语音端点检测的目的。但是该方法在平稳噪声环境下较好,在无噪声和非平稳噪声环境下效果较差。作者在分析了无噪声环境下常规谱熵端点检测算法效果差的原因的基础上,结合了语音的短时能量算法,对常规谱熵算法进行了改进,形成了一个新的特征参数——谱熵能量积。仿真结果显示,该方法相对于常规谱熵算法,在无噪声的环境下检测精度有了很大的提高,在非平稳噪声环境下也有了一定的提高,鲁棒性得到增强。     

移动Ad Hoc网络中的分布式协作路由算法

为了提高移动Ad Hoc网络的吞吐量,提出了一种分布式、面向吞吐量优化的协作路由(TOCR)算法.首先分析了协作链路的吞吐量性能,理论分析表明,协作节点可以提高接收信噪比(SNR),从而提高分组的成功接收概率和链路吞吐量;然后在自适应转发分群路由(AFCR)算法的基础上,逐跳选择使得链路吞吐量最大的协作节点来建立协作链路;最终建立从源节点到目的节点具有最大网络吞吐量的协作路由.仿真结果表明,与无协作的路由算法相比,该算法明显改善了网络的吞吐量,尤其是在较低发送功率和大量节点的情况下.     

低剂量CT投影图像噪声分析及去噪算法研究

提高低剂量CT图像的信噪比(SNR)是使低剂量CT获得有效临床应用的关键。本文对低剂量CT投影数据噪声研究发现,在投影图像的某些区域中可能会存在一些孤立的噪声点,滤除这些孤立点后的投影数据近似服从非平稳高斯噪声分布。由此,提出一种低剂量CT图像降噪算法,包括孤立点检测与滤波(IDE),基于最大后验概率(MAP)的高斯噪声滤波及FBP重建过程。计算机仿真以及真实数据实验表明,本文提出的去噪算法获得的重建CT图像,SNR及视觉效果均有明显的提高。     

基于噪声特征空间消噪和TEO能量的语音活动度检测

提出了一种噪声环境下的语音活动度(Voice Activity Detection)的稳健检测算法,算法采用了先降噪后检测的策略.为了使检测算法能够适应嘈杂的噪声环境,本文采用了两个互补性的策略.首先,采用噪声特征空间投影的方法,以较小的语音畸变为代价,去掉语音信号中的有色分量,然后利用Teager Energy Operator(TEO)来增强语音信号与噪声之间的能量差别,最终,根据子带TEO的平均信噪比来区分语音与非语音信号.我们采用了TIM IT数据库与几种常见的噪声来评价该算法,实验表明,该算法优于最新的语音活动度检测算法.     

一种基于符号秩检验的协作盲频谱感知算法

针对认知无线电频谱感知中能量检测算法和特征值类算法的设计局限性,提出了一种基于Wilcoxon符号秩检验的协作多节点频谱感知算法。利用主用户不存在时各次用户之间的相关系数的分布函数偶对称特性,将频谱感知问题转化为一种非参数分布检验问题,使用Wilcoxon符号秩对次用户信号的统计协方差矩阵上三角元素计算检验统计量来实现频谱感知。利用仿真方法,对多单个主用户、4个次用户进行了实验,结果表明,该算法的检测概率优于能量算法及特征值类算法,且不需要授权用户信号以及噪声的先验信息。     

适用于无静默期的双门限频谱检测算法

针对传统的能量检测需要静默期且低信噪比下检测概率不高的问题,提出适用于无静默期的双门限频谱检测算法。利用OFDM信号循环前缀的特征消除认知用户干扰,以构建无静默期的能量检测;设置优化门限与固定门限,通过比较二者大小,提出高信噪比下使用优化门限的能量检测方法以及低信噪比下结合能量检测与循环平稳特征检测的联合频谱检测方法,消除静默期,以提高低信噪比下的检测概率。数值分析表明,与传统能量检测算法相比,该算法在低信噪比下的检测概率提高15%~30%,同时在高信噪比下的虚警概率降低5%。     

一种基于频域特征和过渡段判决的端点检测算法

为了提高语音端点检测的准确性,增强端点检测算法在噪声环境下的鲁棒性,提出两种新的端点检测参数。其中,基于临界频带的谱熵参数综合考虑了人耳对语音的感知特性以及语音信号和噪声信号的频域分布差异,差值频域能量参数考虑了语音帧和无声帧在频域上的能量差异。结合两种参数的优点,构成一种鲁棒的端点检测参数,同时,为了避免因阀值判决的单一性而产生误判,在端点检测过程中加入了基于特征分布统计的过渡段判决。试验结果表明,本研究提出的语音端点检测算法对语音帧和无声帧具有较好的区分性,在不同噪声且信噪比较低情况下,端点检测准确率相比传统抗噪端点检测算法均有所提升,特别是在非平稳噪声下,准确率提升超过5%。     

用于高动态噪声背景的归一化谱协作感知算法

针对背景噪声电平在多维域上的高动态变化严重影响协作感知算法的性能这一问题,本文提出基于归一化谱的协作感知算法。该算法利用认知用户归一化谱的等增益平均作为检验统计量,依据傅里叶变换的渐进正态性和相互独立性计算功率谱的统计特性,推导出算法虚警概率和判决门限的闭式表达式。仿真表明:归一化谱协作感知算法对噪声电平的动态变化具有鲁棒性;相对于基于能量的大数判决硬协作感知算法和等增益软协作感知算法,本文算法具有更广泛的适用性。