基于信誉度的频谱感知数据融合算法

频谱感知数据融合算法对认知无线网络性能起到重要作用,目前各频谱感知算法在检测恶意节点及适应认知用户环境变化上的性能有待加强,为此,提出了一种基于认知用户过往判决记录的改进加权序贯概率比检测算法。该方法通过融合中心记录认知用户过往判决结果的符合次数,改变其信誉度,从而得到该认知用户判决结果在融合结果中所占有的加权,最终得到更为理想的判决结果。     

分布式压缩感知实现宽带频谱感知的方法

频谱感知的第一步就是采集无线信号进行分析,越来越高的采样率成为宽带频谱感知研究中的难点。实际通信中主用户占用频谱具有稀疏特性,符合压缩感知理论的前提条件。因此,本文利用分布式压缩感知实现宽带频谱感知,提出基于差分信号分布式压缩感知（DS_DCS）的加权宽带频谱感知算法。该算法针对宽带频谱采样率高的问题,利用压缩感知技术降低采样率,同时引入差分处理方法降低计算复杂度;又针对单点检测带来的深衰落、隐节点以及抗噪声能力差等问题,采用分布式感知系统进行多节点协同检测并利用信噪比的估计对信号进行加权处理。仿真证明,该算法能有效降低各节点采样率,大幅提高系统检测概率,显著改善系统对噪声的鲁棒性。      

利用身份代码加速分布式协作频谱感知

频谱感知是认知无线电领域的关键技术.在协作频谱感知中,分布式一致性加权算法检测性能较好但收敛速度慢.该文引入身份代码概念,用以区分各次用户的状态值和权值,避免节点间数据的重复融合,并提出了一种快速分布式加权协作频谱感知算法.仿真结果表明,所提算法检测性能与分布式一致性加权算法相当,同时收敛速度明显提升.     

一种新的分布式协作能量检测算法

针对集中式协作能量检测算法严重依赖中心节点的问题,提出了一种基于一致滤波器的完全分布式的协作能量检测算法.该算法不需要中心节点,次用户可以通过与其邻居次用户进行局域的数据交换,实现基于数据级融合的协作频谱感知.仿真结果表明,该算法比现有的集中式协作能量检测算法优越,能够实现安全的频谱感知.     

基于SNR比较的协作频谱感知研究

频谱感知是认知无线电中通过发现可用频率资源提高频谱利用率的关键技术。协作频谱感知能一定程度上消除多径和阴影的影响,为了进一步提高频谱检测性能,提出了一种基于SNR比较的协作频谱感知算法。在此算法中,各个认知用户将各自的本地判决结果和自身的SNR值发送到数据融合中心,通过SNR比较,对各CR用户进行筛选,选出符合算法要求的CR用户参加协作检测,进行数据融合。计算机仿真表明,该算法能有效提高检测性能,并减少判决融合的节点数量。     

认知无线电频谱分配新算法研究

构造了一个基于合作博奕的非对称纳什协商效能函数,并通过2个认知用户间协商子载波的使用,实现了基于感知贡献加权的比例公平性频谱分配的新算法。仿真结果表明提出的方案不仅实现了频谱资源的公平有效分配,而且有利于频谱感知的最大化。     

感知无线电中的频谱检测技术

感知无线电可以自动感知外界的无线环境并能调整系统参数以适应环境的变化。频谱检测是感知无线电的关键技术之一，要求感知用户可靠、快速地检测频谱空洞。文中按照主用户发射端检测和主用户接收端检测，对当前的主要频谱检测算法进行了分类，并对频谱检测算法进行了讨论和对比研究，给出了在IEEE802．22和频谱池结构中的频谱检测的具体应用。     

一种信任度模糊分配的合作频谱感知算法

由于无线信道的多径衰落和阴影效应等因素,单个认知用户无法区分频段空闲还是授权用户的信号处于深度衰落中。合作频谱感知运用信息融合技术,通过融合多个认知用户的结果来提高频谱感知的性能。证据理论作为一种有效的不确定性推理方法,在合作频谱感知中已有较好的应用。本文将模糊集与证据理论相结合,提出一种信任度模糊分配的合作频谱感知的算法。各个认知用户首先进行本地能量检测,然后使用正态形隶属函数进行基本概率赋值,根据认知用户的检测结果分配信任度。融合中心接收所有认知用户的证据,按照Dempster组合规则进行融合,最后进行判决。仿真结果表明,信任度模糊分配的合作频谱感知算法在感知性能上或者在算法复杂度上要优于现有的证据理论合作频谱感知算法。      

基于信噪比加权的合作频谱检测算法

认知无线电作为一种先进的技术,它可以通过有效的利用未被主用户使用的频谱来提高频谱的利用效率。然而,由于无线环境的复杂性,单节点频谱检测的可靠性大大下降,虽然现有的合作频谱检测算法在一定程度上提高了频谱检测的性能,但仍未达到最佳。基于此,本文提出了一种信噪比加权的合作频谱检测算法来提高信号的检测概率,然后在加性高斯信道(AWGN)和瑞利衰落(Rayleigh)信道下对该算法进行了仿真验证。仿真结果表明:该算法能大大提高了信号的检测性能,具有很强的抗衰落能力。     

一种基于加权的分组协作感知算法

在本文中,描述了一种新的认知无线电协作频谱感知改进算法。本文在现有的分组协作频谱感知结构的基础上,引入一个新的基于加权的分组协作算法。相较于其他的协作感知基于权重的协作在最终的判决中考虑到了根据每一组用户贡献的不同动态的分配权重因子。这样一来,不仅增强及达到更好的感知性能,且感知结果更加精确。在基于权重的协作算法中,可以不用考虑用户数目的不同,因为它对检测结果没有影响。本文通过对瑞利衰落信道使用加权分组协作进行仿真。证明了加权分组协作频谱感知可以提高能量检测概率。     

基于QoS保证的多种频谱资源联合分配算法

提出了基于静态、半静态和动态频谱资源共性特征指标的频谱可用性定义方法,并借鉴改进的最大加权时延优先(modified largest weight delay first,M-LWDF)算法的QoS需求定义方法,定义了用户的业务需求指标.在此基础上,提出了结合频谱可用性和用户业务需求的频谱分配方法和二次分配方法,其核心思想是将用户需求和频谱资源的可用性按照一定的方式量化,再采用简单的按大小一一对应的方式进行分配.与随机分配方案、先静后动的频谱分配方案的仿真对比表明,本方案在平均失败次数、平均总速率等性能方面具有明显的改善.     

一种基于模因演算法的频率分配新策略

分析了模因演算法的原理以及与遗传算法之间的关系。基于遗传算法在求解频率分配 问题时的有效性,指出了使用模因演算法解决同类问题的可行性。针对一个实际的频率分配 问题提出并设计了一种新颖的基于正整数序列编码方式的模因演求解算法。实验结果表明, 新算法能够在有效时间内找到满足电磁兼容特性的频率分配方案。     

基于遗传算法的梳状谱峰值控制方法

针对梳状谱峰值控制问题，采取遗传算法（GA）搜索梳状谱峰值的最小值。通过构造相位集进行编码，采用移民和精英保留使得结果收敛到最优解，实验结果表明此方法比穷举法效果好且耗时短。     

基于最优停止的认知无线网络下行频谱接入算法

为有效平衡认知无线网络中次用户系统中接入信道的感知时间和信道总的吞吐量之间的矛盾,提出了一种只对部分信道进行感知的频谱接入策略,联合总的感知信道数和各条信道的感知时间进行优化,并通过最优停止算法求解,在最大化节省感知时间的同时,取得较大的平均吞吐量。与HC-MAC(Hardware Constrained- Media Access Control)算法的仿真分析对比表明,该算法在相同给定条件下感知时间更短,吞吐量更大,具有明显的优势。     

基于模糊进程因子的改进自适应遗传算法

首先提出了一种改进自适应遗传算法,在本算法中引入模糊进程因子,设置了最佳样本保留数、最佳基因保留数等五个可调参数,使它们随着模糊进程因子的变化而变化,从而实现算法自适应;然后给出了新算法的步骤,并用标准测试函数对该算法进行了测试,测试结果表明:该算法具有较好的在线性能,提高了收敛速度;最后,用该新算法进行了功率谱估计,该算法比LS法具有更好的谱分辨率和适应性。     

基于小波域扩频水印算法及实现

为了达到数字产品产权保护的目的,在此提出了一种基于小波域的扩频水印算法。该算法采用二值图像作为水印,首先对原始载体图像进行DWT一级分解,然后用2个不相关的伪随机序列分别代表水印信息中的0和1,嵌入到小波分解后的LH,HL和HH三个子图上,最后’进行逆向小波变换生成嵌入水印后的图像。通过在开发工具Matlab下的模拟实验,得出了该算法对滤波、噪声和剪切等攻击显示出较强的鲁棒性,取得了隐蔽性和鲁棒性的良好折衷。     

基于频谱监测数据的联合时差定位方法

在分析电磁频谱监测网辐射源定位需求和现有时差定位算法特点的基础上,介绍了联合时差定位流程。对Chan算法定位、Chan算法与Taylo级数展开相结合的联合定位及粒子滤波对定位的改善情况进行了分析和仿真,并对仿真结果进行了比较。提出了一种基于频谱监测数据、采用Chan-Taylor算法和粒子滤波的联合定位方法,可有效利用电磁频谱监测网络各节点的监测定位数据,提高对目标信号的定位精度。     

基于遗传蚁群优化算法的认知无线电频谱分配

针对认知无线电中的频谱分配问题,提出一种融合了遗传算法和蚁群算法优点的频谱分配方法。该方法利用遗传算法快速随机的群体性全局搜索能力生成初始解,然后利用衔接策略将遗传算法初始解转化为蚁群算法所需的信息素初始分布,最后利用蚁群算法正反馈、收敛高效的特点求取最优解。通过仿真比较了该方法与颜色敏感图着色算法的性能。结果表明动态融合了遗传算法和蚁群算法的优化算法性能明显优于颜色敏感图着色算法,它能更好地实现网络效益最大化。     

基于人工神经网络的认知无线电频谱感知研究

认知无线电是一种新的智能无线通信技术,通过感知周围环境特征,并采用构建理解的方法进行学习。频谱感知技术是认知无线电系统设计的重要组成部分,本文提出了基于人工神经网络（ANN）算法的认知无线电感知技术。由于单用户检测存在检测精度不高的问题,本文通过采用ANN的自主学习能力设计频谱检测分类器,对以往分类器所收集的环境信息进行学习和储存,从而对以后感知新的环境时起到先验信息的作用,能快速准确地判决出主用户的存在与否。通过与能量检测和循环平稳检测对不同调制方式信号进行信号识别仿真实验可以看出,相比原有的单用户频谱检测技术,ANN具有更高的有效性和可靠性。     

DSSS中基于重叠变换的自适应干扰抑制算法及仿真分析

提出了一种基于重叠变换的自适应干扰抑制算法,利用调制重叠变换（MLT）把接收机信号映射到变换域进行抗干扰处理,它可以有效地把干扰能量集中在有限的变换域子带（Transform Bins）中,与基于DFT、DCT等块变换相比有更好的滤波效果。由于可以使用基于重叠变换的快速算法,因此它结构简单,节省计算量。仿真结果表明,基于MLT的变换域处理方案可以有效地改善系统性能。