基于改进型能量检测的加权协作频谱感知算法

针对单节点能量检测法存在的“隐藏终端”和检测准确性低以及协作频谱感知算法大多采用等权重进行数据融合,未考虑不同节点所处的通信环境对检测性能的影响等问题,提出一种基于改进型能量检测的自适应加权协作频谱感知算法。该算法通过对单节点能量检测方法的改进,在单节点检测错误概率最小的条件下,导出了信噪比与判决门限的关系式,利用二分法求得不同信噪比下的动态门限值,得到相应的虚警概率和检测概率,以虚警概率和检测概率的函数作为加权因子进行数据融合。仿真结果表明,所提算法使协作感知系统在低信噪比条件下也能获得可靠的检测性能。     

联合信任度与信噪比的自适应协作频谱感知算法

为提高认知无线电的频谱感知性能,提出一种联合信任度与信噪比的自适应协作频谱感知算法。该算法通过信噪比估计和信噪比比较获取各认知用户的初始信任度值,自适应地调整信任度、参与度、判决门限等参数以实现算法最优,并采用周期性初始化策略以满足时变信道的要求。仿真结果表明,与传统K秩协作频谱感知算法和自适应合作频谱检测算法相比,该算法不仅提高了协作检测性能和稳定性,而且具有更好的实时性和抗恶意用户性能。     

基于Agent的协作频谱感知算法

为了提高认知无线电频谱感知技术的性能, 提出一种新的基于Agent的协作频谱感知算法。该算法在本地检测中使用多门限能量检测,同时将认知节点估计的信噪比的值发送到Agent控制中心,在控制中心根据每一个认知节点发送的信噪比的值和该节点与发射机的距离进行权衡,选取可靠性和有效性较高的认知节点参与判决融合。仿真结果表明,该算法能够很好地提高认知无线电网络的协作频谱感知能力,同时在一定程度上减少了原有协作感知算法中参与感知节点的数目。     

一种基于信任度分簇处理协作感知算法

针对恶劣环境下能量感知算法感知性能差的问题, 提出了一种基于信任度分簇处理协作感知算法。在双门限能量检查算法基础上给出一种由采样信号均值、信噪比、采样信号相对误差组成的新信任度系数;并根据新信任度系数对双门限之间认知节点可靠性进行评定、修正后参与传统单门限能量感知得到本地感知结果;同时为不同可靠度认知节点对协作感知判决分配不同贡献,给出由采样信号方差和信噪比方差组成新权重值加权协作判决。实验仿真表明,本文算法感知性能较传统双门限协作感知算法和信任度加权融合算法有一定改善。     

一种基于最大最小特征值的频谱感知改进算法

针对大多数频谱感知算法在低信噪比下性能不佳的问题,借鉴最大最小特征值算法(MME)提出一种改进算法。该算法对接收信号做差分预处理,再求其统计协方差的最大最小特征值比;最后用数值分析方法,结合聂曼—皮尔逊准则(N-P准则)求出恒虚警概率门限进行判决。蒙特卡洛(Monte Carlo)仿真实验对该算法与MME以及能量检测法的性能进行了比较,在极低信噪比下该算法的性能优于MME,而无论信噪比如何均优于能量检测法。实验表明,改进算法适用于低信噪比下频谱感知。     

基于时频参数融合的自适应语音端点检测算法

为了解决低信噪比环境下传统的语音端点检测算法性能较差且不能自适应环境噪声,提出了一种基于时频参数融合的自适应语音端点检测算法。将对数能量与改进的Mel能量进行融合,获得了一种新的时频参数（TF）,该参数能有效地区分语音段和噪声段。使用该参数在噪声段对阈值进行更新,采用门限检测法判定出语音端点。仿真实验表明,该算法具有较好的鲁棒性,且能够准确地检测出语音端点。当信噪比（SNR）为0 dB时,端点检测错误率仅为15%左右。     

改进自适应双门限协作频谱感知算法

频谱感知是认知无线电领域的关键技术之一,得到了众多学者广泛深入的研究。在低信噪比情况下,传统双门限算法阈值门限固定不变导致检测效果较差,针对该问题,提出一种自适应双门限协作频谱感知算法,通过计算各节点信噪比得到权值,调整判决门限,将当前判决结果与前后时刻充分联系,融合各节点判决信息得到最终判决结果,理论分析和仿真结果表明,相较于传统双门限和加权双门限检测算法,本文提出的算法具有更好的检测效果。     

一种自适应语音端点检测算法

针对基于短时能量和短时过零率的语音端点检测算法不能自适应环境,在低信噪比时性能较差问题,提出了一种新算法。该算法利用最小短时能量评估环境噪声,优化参数提取算法,提高了参数本身的抗噪能力和自适应能力,再通过参数融合有效平衡了音节之间的差异,放大了语音与噪声之间的差异,最后通过一个动态检测门限,实现了不同信噪比下的端点检测。     

基于噪声不确定性的双门限协作频谱感知算法

传统的双门限协作频谱感知算法忽略了两门限之间认知用户的本地感知信息,而利用这部分信息可以进一步提高认知无线电系统的感知性能。为此,在等增益合并的基础上,提出一种顺序自适应分步合并算法。两门限之间的认知用户根据接收信噪比分步上传本地感知信息,融合中心自适应地调整参与协作的认知用户数,以减小系统的上传数据开销。推导在Rayleigh衰落信道条件下,认知用户上传数据的平均比特数以及全局检测概率的闭式表达式。理论分析和仿真结果表明,该算法能以较小的数据开销获得较优的协作感知性能。     

基于信噪比估计的自适应频谱感知算法

针对传统能量检测不能对低信噪比条件下的信号进行准确感知,容易造成误判的缺点。为了提高在低信噪比条件下的频谱感知性能并缩短感知时间,结合循环特征检测具有较高的检测性能和鲁棒性但计算复杂度高的特点,提出了基于信噪比预估计的自适应频谱感知算法。该算法通过预估计待检信号与信道噪声的信噪比,当高于信噪比选择阈值时,采用改进后的自适应门限能量检测,降低运算复杂度;若低于选择阈值则进行循环特征检测,保证良好的检测精度;并可以根据系统对检测精度和感知速率的要求,自适应调整选择阈值的大小。仿真结果表明,所提算法有效的提高了低信噪比条件下频谱感知的准确性,缩短了平均感知时间。     

基于权值自适应优化的协作频谱认知算法

提出一种基于权值自适应优化的协作频谱认知算法。根据各协作认知节点的信噪比分配合适的权值向量,反映对检测统计量的贡献大小。基于最小均方误差原则,权值向量可根据实际的各节点信噪比向量进行自适应优化,从而提高认知网络中存在低信噪比节点时的检测性能。仿真结果表明,与传统协作算法相比,该算法无论在节点高信噪比或低信噪比条件下均有更优的检测性能,且收敛速度较快。     

SR门限中继选择算法研究

中继选择是协作通信领域的关键问题,尤其对于电池供电能量有限的无线移动设备。与基于两跳瞬时信道信息的中继选择算法不同,介绍了一种基于源到中继信道信息的SR门限比较算法。该算法在中继节点设置合适的信噪比门限,将源和多个中继节点的信噪比与门限值比较,选择出最优中继进行传输。在该算法的基础上,理论分析了最优中继及目的节点处的输出信噪比,仿真结果表明该算法可以获得与基于两跳瞬时信道信息算法相近的性能。但由于中继只需考虑自身和源节点之间的瞬时信道状态,所以中继的功耗大大减小,算法的复杂性降低。     

改进的能量谱熵端点检测算法

为了提高传统谱熵算法在信噪比较低环境下的端点检测效果,将短时能量特征与谱熵特征相结合,提出一种改进的能量谱熵特征,将模糊C均值聚类算法和贝叶斯信息准则结合对改进的能量谱熵特征门限进行估计,最后采用双门限算法进行端点检测.仿真实验结果表明,在信噪比为-5 dB的白噪声环境下,改进的能量谱熵算法的端点检测正确率为76.9％,远高于短时能量算法和谱熵算法,在低信噪比环境下具有更优的端点检测效果与稳健性.     

基于能量有效性和时间有效性的联合优化绿色通信算法

针对传统协作功率分配方案中忽略信道估计误差和电路能量消耗的问题,提出了一种改进的绿色联合优化算法。该算法在保证用户服务质量要求的前提下,引入信道估计误差、中继节点的电路能耗,联合能量有效性和时间有效性进行中继节点选择和各个节点功率分配分配,并利用拉格朗日方法得到了源节点和中继节点发送功率的闭式解。仿真结果表明,相对于传统的功率分配算法,高信噪比时改进算法的能量有效性提高了30%左右,而低信噪比时性能接近传统算法。     

基于功率谱差分和TEO的语音端点检测

端点检测是语音识别中一个重要的环节。当信噪比较低时,传统的基于短时能量和短时过零率的端点检测方法不能有效地工作。由于Teager能量算子TEO(Teager Energy Operator)和差分算法可以有效地抑制噪声,因此,提出了一种基于TEO和差分算法的端点检测方法。实验证明,该算法在信噪比较低的情况下,能够随着环境自适应门限,准确地检测出语音信号。通过对两种不同的端点检测算法的比较,证明了基于差分和Teager能量算子的算法的检测正确率较高。     

认知无线电中一种改进的两步协作感知算法

针对同时使用硬合并和软合并的两步协作频谱感知方法在第二步的软融合时仍需向融合中心发送大量不必要数据的问题,引入了接收信噪比估计,提出了一种改进的两步协作感知算法。改进算法在低信噪比情况下使用传统的两步协作检测提升检测性能,在较高信噪比情况下则采用硬融合策略来减少发往融合中心的信息量。仿真结果表明,改进算法和传统的两步协作检测算法相比,能在几乎不损失检测性能的情况下,显著减少不必要的数据传送。     

基于可信度的加权协作频谱检测算法

协作频谱检测技术可以有效解决认知无线网络本地检测存在的信道衰落、隐藏终端等问题。论文研究了加权协作频谱检测技术,提出一种基于可信度的协作频谱检测算法。每个感知节点基于最大最小值特征值检测完成本地频谱检测,并与融合中心的全局检测结果进行比较估计各自感知节点的频谱检测可信度;融合中心利用切尾平均法计算参与频谱协作检测的可信度门限,并选择可信度大于门限的感知节点参与协作频谱检测。该算法有效降低了认知网络协作检测的复杂性,提高了频谱检测性能,在噪声波动环境下具有良好的鲁棒性。仿真结果表明,算法频谱检测性能要优于其它加权算法1~3 dB,节省系统开销43.75%左右。     

基于门限动态调整的最优协作检测方法

为提高协作频谱感知的检测效率、减少系统的反馈开销,提出一种基于门限动态调整的最优协作检测方法。在单节点检测错误概率最小的情况下,导出能量检测中门限值与信噪比的关系表达式,利用二分法求得不同信噪比下的动态门限值。根据系统恒虚警率和恒检测率计算最优协作用户数,并与动态门限值相结合得到系统检测错误概率。仿真结果表明,该方法协作检测概率较高,检测错误概率较低。     

基于D—S理论的双门限频谱感知算法研究

针对传统双门限频谱感知算法不能充分利用2个门限之间感知用户信息的问题,提出了一种基于D-S理论的双门限频谱感知算法。当感知用户接收到的信号能量介于2个门限之间时,该算法不直接给出判决结果,而是进行本地判决,即采用D-S理论进行数据融合。仿真结果表明,与传统双门限频谱感知算法相比,基于D-S理论的双门限频谱感知算法的检测概率较高,提高了整体的频谱感知性能。     

一种认知无线电的联合频谱检测算法

为了改善信噪比不同的认知无线电(cognitive radio)用户的联合频谱检测性能,提出了一种基于能量检测的两个用户合作频谱检测算法。在联合虚警概率一定的条件下,根据接收信号能量对各个用户的判决门限进行调整,增大高信噪比用户对联合检测的影响,同时减小低信噪比用户的影响,来提高联合检测概率;判决结果只占用少量比特的信息,减少了通信开销。实验结果表明,所提算法很好地逼近了搜索解,提高了联合检测性能。