基于能量检测的频谱感知方法研究

认知无线电是一种用于提高无线通信频谱利用率的新的智能技术,检测频谱空穴是否存在是实现认知无线电的前提和关键技术之一.首先简述认知无线电的背景和概念,针对认知无线电的频谱感知功能,介绍了基于能量检测的频谱检测方法,并在Matlab环境下进行了仿真实验,比较在相同的虚警概率情况下的检测概率与信噪比的关系.仿真实验结果表明,在相同的虚警概率时,当信噪比大的时候,检测概率越大.     

能量检测在认知无线电频谱感知中的应用

随着无线通信技术的飞速发展,无线电频谱资源日趋紧张。认知无线电已经成为解决现有频谱资源匮乏的非常有前途有前景的技术。认知无线电是一种智能的无线通信系统,它能够感知周围的无线环境,通过一定的方法相应地改变某些工作参数来实时地适应环境,从而达到提高频谱利用率、缓解频谱资源紧张的目的。频谱感知是认知无线电中最具挑战的问题之一。详细介绍了基于能量检测的频谱感知方法,并从理论上分析研究能量检测法的检测性能,最后通过MATLAB仿真分析能量检测法对于OFDM信号的检测性能。     

提升小波与能量检测联合优化下的频谱感知方法北大核心CSCD

传统的频谱感知方法易受噪声波动的干扰,而且在低信噪比的无线通信条件下检测精度较差。通过结合提升小波去噪与动态门限能量检测算法,能有效提高传统频谱感知方法的抗噪声性能和检测精度。首先对含噪信号进行奇偶抽样,分解信号,去除噪声部分,再重构为去噪新信号,然后通过能量检测方法来统计信号的能量积累,设置动态门限,最后以动态门限判断用户信号是否存在。提升小波去噪能够有效地去除采样信号中的噪声,减少噪声对能量检测法检测精度的影响,动态门限能根据噪声波动进行调整来适应复杂的噪声环境。仿真结果表明,提升小波去噪结合动态门限能量检测算法相比于传统的频谱感知要有更优的检测精度。此方法不但提高了其对不确定噪声的抵抗性,使之能适应复杂的通信环境,而且提高了频谱感知过程的可靠性。     

一种新的联合频谱能量检测方法

认知无线电技术被认为是解决未来频谱资源紧张的一种有效方法。而频谱感知技术是认知无线电中的一种关键技术,只有通过有效的频谱感知才能合理利用空间的频谱空洞。在传统的时域能量检测的基础上给出了一种结合时域与频域的新的频谱感知方法。该方法充分利用了时域与频域能量检测的优点,理论分析与仿真结果表明,该方法具有感知准确率高,功耗小的优点。适合于未来认知无线电中的应用。     

认知无线电系统中频谱感知方法的研究

由于无线通信技术的飞速发展，因此无线资源频谱日趋紧张．而另一方面现有无线通信网络采用的固定频谱分配策略导致许多已分配的频段在大多数情况下未能被充分利用。认知无线电技术的出现为提高频谱利用率提供了一条新的思路．认知无线电的一个重要要求就是能够动态的感知并接入频段，这就需要人们能够感知出空闲频段。论文主要介绍了认知无线电系统中的频谱感知方法，并运用能量检测法对对OFDM信号进行了仿真分析．     

基于双门限能量检测的自适应协作频谱感知

针对认知无线电中传统单门限能量检测由于单一门限造成的低信噪比情况下容易误判从而导致错失频谱接入机会的不足,提出了一种基于双门限能量检测方法的自适应协作频谱感知模型.该模型以加性高斯白噪声信道模型为基础,由传统双门限能量检测方法改进而成,针对接收到的能量统计值的大小采用不同的判决方法,各个判决结果直接由所采用的判决方法决定.仿真结果表明,在较低信噪比条件下,与传统单门限能量检测模型相比,该自适应协作频谱感知模型具有更好的识别性能,随着用户数量的增加,识别性能更优.     

基于压缩感知信道能量观测的协作频谱感知算法

压缩感知为认知无线电宽带频谱感知提供了一种新思路。基于压缩感知原理,该文提出一种不需要重构宽带频谱本身,而是直接重构各信道能量的协作频谱感知方法。多个次用户使用宽带随机滤波器组获取信道能量的观测值。融合中心同步接收多个用户的能量观测,并利用同步稀疏自适应匹配追踪协作重构算法重构所有次用户的信道能量。仿真结果表明加性高斯白噪声环境下该协作感知方法所需的滤波器数目仅为传统方法的20%左右,瑞利衰落信道下也仅需传统方法的40%,有效降低了系统复杂度并改善感知性能。同时,该文提出的同步稀疏自适应匹配追踪算法对比经典的同步正交匹配追踪算法在重构精度及算法复杂度两方面都有所提升。     

频谱感知中的协作检测方法分析

针对认知无线电频谱感知中单用户检测时的阴影衰落、隐藏终端等问题,介绍了协作检测的结构,对单用户的能量检测,信息融合进行了分析。提出了一种多门限多用户的协作检测方式,在多门限协作检测过程中设定多个能量区域及对应不同的权系数,增加传输和融合的信息量。仿真结果证明,在相同条件下多门限的协作检测方式能明显地提高系统检测的准确性。     

基于USRP2920与差分能量检测的双门限频谱感知算法实现

为提高紧缺频谱资源的利用率,针对实际无线通信环境噪声不确定性对感知性能的影响,搭建了基于软件无线电外设(USRP,NI2920)的认知无线通信系统平台,利用差分双门限能量检测算法感知授权用户信号并估计空闲可用频带,为认知用户的动态频谱接入提供判别依据.此外,推导出差分双门限能量检测概率的闭合表达式,并通过实验估计噪声功...     

MME频谱感知算法能量效率优化分析

绿色通信是未来无线通信发展的必然趋势,为了提高认知无线网络频谱感知算法的能量效率以及算法稳定性,实现低功耗绿色通信,该文在噪声不确定的实际环境下分析了基于特征值的最大最小特征值（MME, Maximum-Minimum Eigenvalue）频谱感知算法的能量效率,并利用黄金分割优化算法获得了使能量效率最大化的最优感知时间。理论分析和仿真结果表明,在噪声不确定的情况下,基于特征值的MME感知算法的能量效率要明显优于传统的能量检测算法,且MME感知算法不受噪声不确定性的影响,在低信噪比下具有更稳定的感知性能。      

Optimal Spectrum Sensing in Energy Harvesting Cognitive Radio Systems

In this paper,we consider a cognitive radio system with energy harvesting,in which the secondary user operates in a saving-sensing-transmitting（SST） fashion.We investigate the tradeoff between energy harvesting,channel sensing and data transmission and focus on the optimal SST structure to maximize the SU＇s expected achievable throughput.We consider imperfect knowledge of energy harvesting rate,which cannot be exactly known and only its statistical information is available.By formulating the problem of expected achievable throughput optimization as a mixed-integer non-linear programming one,we derive the optimal saveratio and number of sensed channels with indepth analysis.Simulation results show that the optimal SST structure outperforms random one and performance gain can be enhanced by increasing the SU＇s energy harvesting rate.     

低信噪比条件下基于随机共振的感知方法与性能分析

针对认知网络实际环境中常呈现出噪声高动态变化、低信噪比特征,无法快速准确进行频谱感知的问题,本文将物理学非线性领域中的随机共振理论引入到频谱感知中,提出了一种基于广义随机共振的能量检测算法.该算法引入匹配噪声,通过匹配非线性系统、噪声和信号三者的关系,从而改变能量检测统计量的分布,有效地检测信号的存在性.本文从理论上推导了最佳匹配噪声的表达式,并得到了检测性能、受噪声不确定度的影响、感知时间等方面的重要理论结论.仿真结果验证了理论推导的正确性,表明所提算法能够在信噪比为-20dB等低信噪比条件下较现有能量检测算法提高3dB以上,且具有感知速度快、受噪声不确定度影响小等特点.     

基于蒙特卡洛方法的频谱能量检测研究

频谱传感是下一代无线通信网络的基础。基于蒙特卡洛方法,建立了频谱能量检测的数学模型,仿真了典型信道条件下频谱能量检测的性能,并分析了相应信道条件下虚警率、信噪比、检测时间与检测率之间的关系,以及Log-Normal信道下标准差对检测率的影响。结果表明:仿真结果与理论一致,增加观察时间、提高信噪比或采用分集技术都有利于提高检测率;与理论方法比较,蒙特卡洛方法具有通用性,适用于更复杂的信道情况。     

基于SVM的频谱接入准则设计

在以往的认知无线电研究过程中,研究者通常忽略了传播信道的随机性和授权用户位置的不确定性对频谱感知的影响.本文提出了基于概率模型的动态频谱使用策略.并分析研究了支持向量机在频谱接入准则设计中的应用.     

Predictive Spectrum Sensing Strategy Based on Reinforcement Learning

In this paper, we consider a cognitive radio （CR） system with a single secondary user （SU） and multiple licensed channels. The SU requests a fixed number of licensed channels and must sense the licensed channels one by one before transmission. By leveraging prediction based on correlation between the licensed channels, we propose a novel spectrum sensing strategy, to decide which channel is the best choice to sense in order to reduce the sensing time overhead and further improve the SU＇s achievable throughput. Since the correlation coefficients between the licensed channels cannot be exactly known in advance, the spectrum sensing strategy is designed based on the model-free reinforcement learning （RL）. The experimental results show that the proposed spectrum sensing strategy based on reinforcement learning converges and outperforms random sensing strategy in terms of long-term statistics.     

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。