基于能量和循环平稳特征检测的CMMB主用户信号感知技术研究

认知无线电是提高频谱利用率的有效手段。CMMB是我国自主知识产权的一种移动多媒体广播制式,当CMMB主用户不在线时,次用户可以使用该频段进行通信。文章研究了基于能量的和循环平稳特征检测的CMMB主用户信号频谱感知技术。仿真结果表明:所提ED-CFD算法检测概率较ED算法有较大提高,尤其是低信噪比条件下,同时也较CFD算法大大降低了计算量。     

采用最小最大准则的协作频谱感知融合

给出了采用最小最大准则实现认知无线电系统协作频谱感知融合的方法,以在主用户出现在授权频段的先验概率未知的情况下利用概率计算实现认知无线电系统的协作频谱感知融合。该方法可实现同步和异步感知信息的融合。仿真验证了算法的性能,并与采用估计主用户出现在授权频段的先验概率并进行基于概率的感知融合算法性能进行了比较。结果表明:给出的算法可有效实现主用户出现在授权频段的先验概率未知时的协作频谱感知融合。     

一种基于能量检测的协作式频谱感知算法

为提高认知无线电系统中频谱检测的可靠性,提出了一种基于能量检测的协作式频谱感知算法。利用授权用户的状态在相邻感知帧之间变化的概率小这一特性,通过将当前感知帧的能量值与相邻值相结合来判断授权用户状态,这样当授权用户使用授权频段时,所提算法能有效减小采样信号能量值骤减时发生误判的概率。另外给出了所提算法检测概率和虚警概率的闭式表达式。理论分析和仿真结果表明,所提算法比传统的协作式频谱检测算法检测性能好。     

基于随机共振和非中心F分布的频谱感知算法

为解决频谱感知算法在低信噪比（SNR）时检测概率较低且检测所需采样点数较多的问题,提出了基于随机共振和非中心F分布（SRNF）的频谱感知算法。通过引入直流随机共振噪声,建立了SRNF的系统模型,推导了服从非中心F分布的检验统计量表达式、虚警概率与检测概率以及判决门限表达式,并采用数值法求解最佳的随机共振噪声参数。仿真结果表明,在低信噪比时,所提基于SRNF算法的检测性能优于能量检测（ED）算法和基于F分布的盲频谱感知（BSF）算法,当虚警概率为5%、信噪比为–12 d B、采样点数为200时,所提算法的检测概率是95%,分别比BSF算法和ED算法高34%和67%;当信噪比为–12 dB、检测概率达到95%时,所提算法所需的采样点数是210,比BSF算法节省了340个采样点。此外,噪声不确定度对所提算法的影响小于ED算法。     

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。      

基于马尔科夫模型的认知无线电动态双门限能量检测策略

该文针对低信噪比条件下频谱感知精度低的问题,提出一种基于马尔科夫模型的动态双门限能量检测算法。该算法根据信道时变特性建立基于马尔科夫的频谱占用模型,利用信道历史状态信息实现模型参数的修正。然后采用先听后说的机制对处于双门限之间的困惑信道状态进行判决,并详细分析了噪声不确定性对频谱感知性能的影响。在此基础上,为了克服噪声不确定性的影响,以频谱检测概率最大为优化目标,对双门限进行实时更新。仿真结果表明,所提频谱感知算法在减小噪声不确定性影响的同时增加了频谱感知精度,降低了认知用户的感知时间。     

基于改进遗传算法的认知无线传感网动态频谱分配方案

将认知无线电中的动态频谱分配技术应用在无线传感网中,针对工作在ISM(industrial,scientific and medical)频段的无线传感网面临的频谱资源紧缺问题,提出一种基于改进自适应遗传算法的动态频谱分配方案.该算法以图论着色模型为基础,以最大带宽收益和最小切换频率为目标函数,在交叉和变异过程中采用自适应交叉概率和变异概率代替固定的交叉概率和变异概率.仿真结果表明,与传统遗传算法和颜色敏感图论着色算法相比,该算法可以实现提高频谱利用率、降低能量消耗的预期目标.     

衰落信道下的协作频谱检测及其性能分析

在低信噪比和复杂性环境下,协作频谱检测是准确实现频谱感知的有效手段。文中分析了基于能量检测的单用户频谱检测算法以及基于硬判决和等权重的多用户协作频谱检测技术,导出了在高斯信道、Rayleigh衰落信道和Nakagami-m衰落信道情况下协作频谱检测虚警概率和漏检概率的闭合解析式,并对此进行了仿真验证和比较。结果表明,等权重协作频谱检测算法能够有效克服衰落信道对频谱检测的影响。     

基于深度卷积对抗网络的电磁频谱异常检测

为了解决电磁频谱异常检测精度不高的问题,在深度卷积神经对抗网络(Deep Convolution Generative Adversarial Network, DCGAN)的基础上加入了编码器(Encoder)用来重构频谱数据。编码器首先将真实频谱数据编码为低维特征表示,生成器通过学习编码后的低维特征生成重构频谱数据,判别器负责将重构频谱数据与真实频谱数据进行区分,并通过对抗性训练逐渐提高模型重构频谱数据的能力,最后计算重构频谱数据与真实频谱数据的均方误差,判别异常。实验结果表明,该模型能够在多个频段下实现有效的电磁频谱异常检测,在TV频段下,干信比为-5 dB时,相比于现有电磁频谱异常检测方法,所提方法的平均检测性能提升了18%以上。     

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。      

Optimal Energy Harvesting-based Weighed Cooperative Spectrum Sensing in Cognitive Radio Network

In cognitive radio (CR) network, to improve spectrum sensing performance to primary user (PU) and decrease energy wastage of secondary user (SU) in cooperative spectrum sensing, an energy harvesting-based weighed cooperative spectrum sensing is proposed in this paper. The SU harvests the radio frequency (RF) energy of the PU signal and then converts the RF energy into the electric energy to supply the power used for energy detection and cooperation. The time switching model and power splitting model are developed to realize the notion. In the time switching model, the SU performs either spectrum sensing or energy harvesting at any time, while in the power splitting model, the received PU signal is split into two signal streams, one for spectrum sensing and the other one for energy harvesting. A joint optimization problem is formulated to maximize the spectrum access probability of the SU by jointly optimizing sensing time, number of cooperative SUs and splitting factor. The simulation results have shown that compared to the traditional cooperative spectrum sensing, the proposed energy harvesting-based weighed cooperative spectrum sensing can decrease the energy wastage obviously while guaranteeing the maximum spectrum access probability.     

Cooperative spectrum sensing using amplify-and-forward relaying with partial relay selection in cognitive radio networks

Cooperative spectrum sensing has been shown to be an effective approach to improve the detection performance by exploiting the spatial diversity among multiple cognitive nodes. By using the amplify-and-forward relaying with partial relay selection, this paper proposes a novel cooperative spectrum sensing scheme, which provides higher detection performance and is interesting in distributed cognitive radio networks. In the proposed sensing scheme, the “best” cognitive relay by means of partial relay selection technique amplifies and forwards the signals transmitted from the primary user (PU) to the cognitive user (CU). Then the CU detects PU’s states (i.e., presence or absence) via an energy detector. Moreover, the average missed-detection probability of proposed sensing scheme is studied over Nakagami-m fading channels, where m is a positive integer. In particular, the tight closed-form lower bounds of the average missed-detection probability are presented for the convenience of performance evaluation in practice. Finally, numerical results are provided to validate the derived closed-form lower bounds and the influence of the number of cognitive relays on the detection performance is also discussed.     

基于自适应决策融合的合作频谱感知方法

频谱感知是认知无线电(CR)的关键技术之一。在该机制中,对主用户(PU)信号的可靠检测是实现CR的前提。提出一种基于自适应决策融合的合作频谱感知算法用于频谱感知,该算法通过估计PU的先验概率与各个CR用户(SU)的漏检及虚警概率,然后运用Chair-Varshney准则对局部判决进行决策融合以得到全局判决。仿真结果表明,采用该方案的全局虚警和漏检概率明显低于单个SU,可有效提高CR系统频谱感知的可靠性。     

能量收集认知无线电网络下的多接入用户信息年龄研究

针对信道资源有限的多接入信道无线传感器网络场景,实时信息的传送需要考虑信道环境和信息新鲜度问题。该文基于认知无线电物联网（Cognitive Radio-Internet of Things, CR-IoT）系统,构建了一个具有频谱访问权限的主用户（Primary User, PU）和两个可共享PU频谱次用户（Secondary User, SU）的网络模型。在考虑PU工作状态和SU数据队列稳定的条件下,提出了一个以最小化节点平均AoI为目标的优化问题。其次使用两种策略进行优化,包括概率随机接入策略（Probabilistic Random Access Policy, PRA）,该策略下两个SU节点根据相应的概率分布做出独立的传输决策;以及基于李雅普诺夫优化框架优化时隙内调度决策的漂移加罚策略（Drift Plus Penalty Policy, DPP）。仿真结果可知,DPP策略下得到的平均AoI的值要明显低于PRA策略,表明使用DPP策略对平均AoI的优化更加显著,可以有效提升数据包的时效性和新鲜度。      

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。     

Throughput Maximization in Cognitive Radio System with Transmission Probability Scheduling and Traffic Pattern Prediction

In this paper, we propose a novel transmission probability scheduling (TPS) scheme for the opportunistic spectrum access based cognitive radio system (OSA-based CRS), in which the secondary user (SU) optimally schedules its transmission probabilities in the idle period of the primary user (PU), to maximize the throughput of the SU over a single channel when the collision probability perceived by the PU is constrained under a required threshold. Particularly, we first study the maximum achievable throughput of the SU when the proposed TPS scheme is employed under the assumption that the distribution of the PU idle period is known and the spectrum sensing is perfect. When the spectrum sensing at the SU is imperfect, we thoroughly quantify the impact of sensing errors on the SU performance with the proposed TPS scheme. Furthermore, in the situation that the traffic pattern of the PU and its parameters are unknown and the spectrum sensing is imperfect, we propose a predictor based on hidden Markov model (HMM) for the proposed TPS scheme to predict the future PU state. Extensive simulations are conducted and show that the proposed TPS scheme with the HMM-based predictor can achieve a reasonably high SU throughput under the PU collision probability constraint even when the sensing errors are severe.     

D-S证据理论在认知无线电中的应用

针对认知无线电（CR）中协作频谱感知时信息不确定性带来严重的性能影响,在协作开销允许的情况下,人们渴望得到感知增益很高的协作感知方案。由于D-S证据理论在决策系统中处理不确定性信息时能获得令人满意的性能,使得其在认知无线电中的应用会起很重要作用。一种基于D-S证据理论的协作频谱感知新方案被提出和发展。该方案能有效地提高...     

基于DOA估计的认知无线网络频谱感知

认知无线电技术中频谱感知性能的优劣直接影响认知通信系统的性能。针对该特点提出了认知无线电网络中基于波达方向（ DOA)估计的主用户频谱感知模型,即单主用户多次用户和多主用户多次用户的系统模型,选取基于特征分解的多重信号分类（ MUSIC)算法分析两种模型的感知性能,包括虚警概率、漏检概率、最小总错误概率、算法复杂度等,获得了闭值表达式,最后在两种模型下对算法进行了仿真。仿真结果表明：各参数主要影响虚警概率,而漏检概率几乎不受影响,验证了方法的有效性。     

协作频谱感知在认知网络中的应用

认知无线电能够灵敏感知周围环境的变化,通过频谱感知功能发现频谱空洞,使得认知无线电能够与周围通信环境相适应。在认知无线电网络中,认知用户（次用户）必须连续地监控频谱,检测主用户是否存在。如果主用户存在,次用户必须尽快地退出该频段,从而不影响主用户。在文中采用一种协作机制,即两用户进行协作频谱感知,从而提高主用户的检测率,减少了检测时间,并且得到捷变增益。我们用Matlab给出仿真结果。     

一种动态时变衰落信道下的频谱感知算法

针对时变慢衰落信道中频谱感知问题,提出一种新颖的动态状态空间系统模型,将授权用户状态与时变衰落信道状态看作2个隐藏系统状态;在此基础上,提出一种联合估计时变信道增益与授权用户状态的新型频谱感知方法。仿真结果表明,提出的新方案能够显著提高动态时变衰落信道中的频谱感知性能。