基于递归算法的频谱感知方法

针对传统的宽带频谱感知方法需要在各个频率信道平均分配计算量或硬件资源,频谱感知效率不高问题,给出利用递归算法代替快速傅立叶变换算法进行频谱感知的方法。根据信道占用率统计规律,调整频谱感知控制单元的本振频率,自适应选择递归算法滤波器,实现对多个感兴趣频率信道检测。仿真实验及分析表明,利用递归算法进行频谱感知时,只需要计算那些感兴趣的频率信道的功率谱,提高了频谱感知效率。     

一种基于Goertzel算法的频谱感知方法

频谱感知是认知无线电的首要任务,传统的扫描式宽带频谱感知方法效率不高,因为对于具有高占用率的频率信道不需要经常感知。文章提出一种基于Goertzel算法的频谱感知方法,适于针对宽带频谱内具有高可用性的频率信道进行监控和检测。介绍了该方法的工作原理和实现结构。通过仿真实验可看出,该方法可以有效实现对频带内某些指定频率进行感知。     

基于时域-空域联合的认知无线电频谱感知算法

为提高认知无线电系统中频谱感知的性能和检测概率,提出了一种时域-空域联合的频谱感知算法。该算法利用主用户信号时域与空域的特性,通过空域感知对主用户定位,利用主用户的定位信息时域感知选择认知用户进而提高检测概率。仿真结果表明,该算法的检测性能优于时域或空域感知。     

基于MBSBL-FMLM的宽带协作频谱感知算法

针对认知无线电网络中单节点的宽带压缩频谱感知算法检测准确性低、实时性差的缺点,提出了基于多测量向量块稀疏贝叶斯学习-快速边缘似然函数最大化(MBSBL-FMLM)的宽带协作频谱感知算法。该算法采用分布式压缩感知(DCS)系统进行多节点协作检测,以降低单节点检测带来的多径衰落、阴影衰落等不利影响;另外,融合中心结合多测量向量(MMV)模型和宽带信号的块稀疏结构得出多测量向量块稀疏贝叶斯学习(MBSBL)框架,并利用快速边缘似然函数最大化(FMLM)方法进行快速参数估计。数值分析表明,基于MBSBL-FMLM算法的检测概率、归一化均方误差、检测时耗均优于SOMP算法。     

基于分布式压缩感知的宽带协作频谱感知算法

针对认知无线电中传统的宽带压缩频谱感知算法计算复杂度高、检测实时性差的缺点,提出基于分布式压缩感知信道能量观测差值的宽带协作频谱感知算法。该算法无需重构T+1时刻的信号频谱,只需重构T+1时刻与T时刻的信道能量差值,进而得到T+1时刻的信道能量;另外,为减少深衰落、阴影衰落等不利因素的影响,采用多个次用户协作频谱感知。数值分析表明,该算法所需的平均感知时耗为直接重构T+1时刻的信道能量算法的50%左右,且获得了检测概率大于0.95的检测性能。     

基于功率谱几何平均的频谱感知算法

利用功率谱极值和几何平均的频谱感知算法复杂度低,抗噪声功率不确定性和抗载波频偏的能力较强,但该算法的主用户信号功率估计不够准确。为了提高频谱感知性能,提出基于功率谱几何平均的频谱感知算法,算法用信号功率谱最大值平均减去信号功率谱几何平均来估计主用户信号功率,用信号功率谱的几何平均来估计信道噪声功率,利用两者的比值作为算法的判决统计量,并推导出检测门限。在AWGN信道、信噪比为-13 dB和虚警概率为0.07的条件下,进行5 000次仿真,改进算法的检测概率为0.975 6。理论分析和算法仿真均表明,改进算法提高了主用户信号感知准确度。     

基于量子粒子群优化极限学习机的频谱感知算法

针对无线信道环境中低信噪比情况下主用户信号检测率较低的问题,提出了一种基于量子粒子群优化极限学习机(E L M)算法的认知无线电网络频谱感知方法.针对极限学习机算法的特点通过量子粒子群算法(Q P S O)优化极限学习机参数,并构建引入结构风险思想的QPSO-ELM模型,降低算法的经验风险提高模型的泛化能力,提高算法的频谱感知性能.仿真实验表明,与人工神经网络(A N N)、支持向量机(S V M)和极限学习机(E L M)三种机器学习算法,在信噪比为-15 dB时的频谱感知性能进行比较,分别提高了16％、28％、9％,仿真证明所提算法在低信噪比情况下具有较高的性能,可有效地实现对主用户信号的频谱感知.     

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.     

信噪比比较的协作频谱感知算法

针对现实通信中认知无线电频谱感知的各认知节点所处环境差异这一问题,研究了低信噪比节点感知结果不准确而对协作频谱感知性能产生的影响,得出认知用户所处环境信噪比越高,感知性能越好,即在数据融合过程中,较低信噪比节点参与融合反而影响整体感知性能.故提出信噪比比较的协作频谱感知算法,该方法通过调整因子改变参与融合的节点数量,选取较优节点参与最终的数据融合,在信噪比分布不均匀的环境下,采用MATLAB仿真证明其可有效地提高系统检测性能.     

基于施密特正交变换的快速盲频谱感知算法

为了解决噪声不确定环境下的盲频谱感知问题,提出一种基于接收信号格拉姆-施密特正交变换的快速盲频谱感知算法(Blind sensing method based on the Gram-Schmidt Orthogonalization,BS-GSO)。先通过多天线接收获得的采样矩阵来构造统计协方差矩阵,利用似然比准则和施密特正交变换构造检验统计量并获得判决表达式,再应用中心极限定理和泰勒展开式推导出非渐进的判决门限。蒙特卡洛实验仿真结果表明,BS-GSO算法有效、稳健,且计算复杂度较低。     

基于分群的自适应双门限合作频谱感知

针对认知无线电系统中,通知信道不理想对传统合作频谱感知的不利影响,提出了一种改进的合作频谱感知机制:认知用户被分成若干群,选择群内通知信道增益最大的认知用户为中心节点,采用自适应双门限机制负责群内合作频谱检测,并将检测结果报告给认知基站进行合并以确定授权用户是否存在.仿真结果表明:相对传统的合作频谱感知,该机制能降低通...     

低信噪比下基于双检测长度的频谱感知算法

针对现有认知网络中低信噪比条件下频谱感知性能差、速度慢的问题,提出了一种基于双检测长度的感知算法．该算法先进行一次短数据长度能量检测,当第1次判决主用户不存在时,再进行第2次长数据长度能量检测,并作出最终的感知判决．从理论上推导了平均样本数、检测性能、算法复杂度等重要性质．基于matlab的仿真结果验证了理论推导的正确性,表明所提算法在低信噪比条件下,在感知性能较传统能量检测算法有所提升的同时,具有更少的平均样本数和更低算法复杂度的特点,并有望应用于未来实际认知网络中．     

基于特征值矩阵的循环平稳检测算法

分析循环平稳检测算法,发现循环自相关函数向量在循环统计量计算过程中,信号之间的相关信息未得到充分利用,信息有一定的损失.提出基于特征值矩阵的统计量计算方法,用自相向量的协方差矩阵的特征值矩阵替代协方差矩阵.该方法使循环自相关函数中的信息得到充分利用,计算复杂度降低.仿真结果表明,该算法的检测性能在较低信噪比下优于经典的循环平稳检测算法的检测性能.     

最小信道检测开销的协作频谱感知算法

在资源受限的无线电认知网络中,协作频谱感知技术的应用提升了系统性能,却同时增加了信道检测开销.选择合适的系统参数可以有效地降低信道检测开销.采用能量检测方法,分别对单用户和多用户频谱感知系统模型进行了分析,提出信道检测开销优化算法并推导出数学表达式,理论上证明了检测开销必然存在一个最小值,同时给出了算法思路和实现步骤.仿真结果也验证了系统参数优化的有效性和最小信道检测开销算法的合理性.     

认知无线电网络中的最佳可信度频谱检测算法

由于认知无线电网络中的典型硬决策协作频谱检测在数据融合时未考虑各认知用户检测结果的差异性,不能很好地提高检测性能,因此,提出了一种基于检测可信度的协作频谱检测算法.首先,利用各认知用户的平均接收信噪比来获得它们的检测可信度;然后,综合各认知用户的检测结果以及检测可信度来判断授权用户是否使用频带,从而提高了检测性能.仿真结果表明,在低信噪比情况下,相比典型硬决策协作频谱检测,该算法具有较优的接收特性曲线,并在合理选取认知用户检测阈值的条件下,具有较低的检测错误概率.     

Novel anti-noise-uncertainty spectrum sensing algorithm based on power spectral density segment cancellation

Since noise uncertainty seriously degrades the spectrum sensing performance of energy detection algorithms, a novel spectrum sensing algorithm based on the power spectral density segment cancellation (PSDSC) is proposed. This spectrum sensing algorithm, which can yield real-time and robust performance, makes use of the un-correlation of different power spectrum lines and takes the ratio of some PSD (power spectral density) lines to the residual PSD lines as the detection statistics. Theoretical analysis and simulation results show that the PSDSC algorithm can overcome the noise uncertainty problem effectively and that the decision threshold does not vary with the ambient noise level of secondary users. The PSDSC algorithm could offer a high probability of detection (P_d) at a low probability of the false alarm (P_fa) for a wide range of signal to noise ratios (SNR) and could be applied to spectrum monitoring and cognitive radio systems in the complex electromagnetic environment.     

多信道认知无线电频谱感知时间和门限联合分配

为提高多信道认知无线电的吞吐量,提出采用交替方向优化联合分配次用户的频谱感知时间和子信道感知门限.基于"先听后传"的次用户帧结构,建立了感知时间和门限的优化分配模型.该模型在保证满足主用户通信需求和子信道频谱感知性能的前提下,最大化次用户各子信道的吞吐量总和.联合优化算法通过交替优化感知时间和门限能够获得模型的最优解.仿真结果表明:存在最优的感知时间和门限最大化次用户的吞吐量,并且相比之前的方案,联合分配能够提高次用户的吞吐量.