基于LSTM神经网络的频谱感知算法

在频谱感知中经典的能量检测算法在低信噪比时检测性能较低且门限难以估计,基于机器学习的感知算法受限于检验统计量的构造会造成接收信号原有结构信息的丢失。针对这些问题,本文提出一种基于LSTM神经网络的频谱感知方法,首先利用接收信号序列作为神经网络的输入特征向量,然后使用LSTM神经网络进行训练得到分类器,最后使用训练好的模型实现频谱感知。该方法无需估计检测门限值,也无需构造特征向量,仿真结果表明,所提算法在采样点和次级用户更少的情况下仍优于对比算法。      

一种改进的量子神经网络训练算法

针对训练多层激励函数量子神经网络(MAF-QNN)时权值与量子间隔的目标函数存在冲突,导致收敛速度和网络性能下降的问题,该文提出一种改进的量子神经网络的训练算法。通过设计输出均方误差和这一目标函数对权值和量子间隔进行统一训练,同时引入Levenberg-Marquardt(LM)算法降低目标函数陷入局部极小值的概率,实现了对量子神经网络的高效训练。实验结果表明,该文提出的训练算法有效减少了迭代次数,显著提高了网络收敛精度,可应用于数据分类、函数逼近等场合,扩展了多层激励函数量子神经网络的应用领域。     

认知无线电中一种改进的频谱感知算法

在分析基于正交频分复用认知系统的局部多窗口联合奇异值分解频谱感知算法优劣的基础上,针对奇异值分解运算量大,对该算法提出了改进.提出了矩阵的F范数代替奇异值分解的方法,以提高算法的实时性.经仿真分析表明,改进后的算法既保证了原有算法中多窗口法(MTM)谱估计的近最优性,提高了算法的实时性,又具有较好的检测性能.     

一种改进的图域频谱感知算法

针对现有基于完全图检测的频谱感知算法存在的计算复杂度高、低信噪比时性能不佳的问题,提出了一种基于分组极差图的改进算法。该算法将观测信号的功率谱以适当的长度进行分组,而后提取其分组极差序列,将其转换成特定无向简单图,并利用图的Gini系数作为完全图特征以实现对信号的检测。相较于现有的图域感知算法,引入分组处理环节能够有效减少图域变换中的处理样本量,且Gini系数计算无需高维矩阵的特征分解,因而计算复杂度降低。仿真结果表明,信噪比大于等于-4 dB时算法检测概率可达0.96以上,平均单次运行时间约为原有图域频谱感知算法的5.6%,有效提高了检测性能并减少了计算复杂度。     

一种新的认知无线电频谱感知算法

频谱感知是认知无线电的关键技术之一,通过检测授权用户信号的有无来发现频谱空穴,以提高频谱利用率。基于接收信号的统计协方差理论,提出一种新的认知无线电频谱感知算法,无需信号的先验信息,且计算复杂度较低。仿真分析了该算法,结果表明其在低信噪比环境下,较传统能量检测法有更好的感知性能。     

一种分阶段频谱感知算法的研究

能量检测算法简单并有利于伺机快速接入,但是不能很好地区分出不同的用户;循环特征检测算法可区分出不同的用户且有利于规避干扰,但是其算法复杂并且接入十分缓慢。针对上述两种算法的各自优势和不足,提出了一种分阶段联合检测算法,分阶段地利用能量检测和循环特征检测,不但能够保证接入快速并且可以较好地规避干扰。增大了基站的业务量并且进一步提高了频谱利用效率。     

一种适应CMMB信号特征的频谱感知算法

为了解决CMMB等移动多媒体频谱资源浪费的问题。讨论了传统的能量检测算法,提出一种新的基于CMMB信号特征的频谱感知算法。根据CMMB信号的特征,求解该频谱感知算法的虚警概率和门限值。Matlab仿真结果表明,该算法在低信噪比情况下的检测性能优于能量检测算法。     

认知无线电的频谱感知算法研究

频谱感知技术、频谱共享技术、频谱管理技术是当前认知无线电的三大核心技术,而频谱感知技术是实现后续的频谱共享和频谱管理的前提。因此主要对当前认知无线电频谱感知技术的基础理论、算法模型以及频谱感知的具体算法做了详尽的分类,并利用Matlab仿真平台对主要的频谱感知算法进行了仿真,并根据仿真结果,比较了各个算法的性能优劣性,可为认知无线电用户的算法选择提供参考,同时也为认知无线电后续的频谱共享和频谱管理工作奠定一定基础。     

一种新的认知无线电频谱感知方法

认知无线电是一种用于提高无线电通信频谱利用率的新的智能技术。首先简述了认知无线电的背景和概念,然后针对认知无线电频谱感知的能力,对比分析了现有的三种频谱检测方法：匹配滤波器法、能量检查法和循环平稳特征检测法,在对其进行研究的基础上,提出一种将能量检测法和循环平稳特征检测法相结合的双门限检测法,通过仿真验证了该方法的有效性和优越性。     

基于认知无线电的频谱感知技术经典算法研究

基于认知无线电通信系统的核心技术频谱感知经典算法,详细阐述各个算法模型设计原理及实现机制。最后,对频谱感知技术经典算法的优缺点进行了比较,并对频谱感知技术的未来研究趋势进行了展望。     

A Deep Neural Network Model for Hybrid Spectrum Sensing in Cognitive Radio

Wireless Personal Communications - Spectrum sensing (SS) is an essential task of the secondary user (SU) in a cognitive radio system. SS monitors the primary user (PU) activity in order to avoid...     

A Distance Based Reliable Cooperative Spectrum Sensing Algorithm in Cognitive Radio

Spectrum sensing is the most critical task in cognitive radio (CR) which needs to be performed very precisely in order to efficiently utilize the underutilized spectrum and to provide sufficient protection to the primary users (PUs). To improve the sensing performance under fading, shadowing and hidden terminal problems more than one CR users collaboratively perform the spectrum sensing called as cooperative spectrum sensing (CSS). In conventional CSS the decision of each CR is fused at fusion center with equal weights. But due to variable distance of each CR from the PU all decisions are not equally reliable and therefore should be assigned different weights according to their reliability. In this paper we propose a new weighting scheme for CSS under Rayleigh faded channel. In proposed weighting scheme, based on the distance of each CR from the PU reliability of CR nodes is determined and correspondingly appropriate weights are assigned to different users. The CSS algorithm using new weighting scheme gives better performance than conventional CSS algorithm.     

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。     

基于DSCS的宽带频谱感知新算法

频谱感知是认知无线电技术的基础,随着通信技术不断发展,越来越高的采样速率成为一大瓶颈.实际应用中频谱占用通常具有稀疏性,根据这一特点并结合频谱检测要求,本文提出一种基于差分信号压缩感知(Differential SignalCompressed Sensing,DSCS)的宽带频谱感知方法.该方法在能量检测法的基础上引入压缩感知理论(compressed sensing,CS),使系统能以远低于奈奎斯特采样速率的速率无损采样,降低对硬件的要求;为降低计算量、提高算法稳定性,采用检测差分信号代替检测信号本身作为判断频谱占用变更的依据;引入精度作为算法的迭代停止条件,可根据需要灵调整算法准确度、降低计算复杂度.仿真表明,适当精度下DSCS法能大幅降低迭代次数、减少计算量,并获得更好的检测性能.     

一种基于中继的认知无线电网络合作频谱感知方法

文章提出一种新的合作感知方法,实现网络中一个认知用户与多个中继用户的合作。认知用户通过能量检测选择中继用户,根据可信度对中继用户进行筛选,采用＂大多数＂准则对感知结果进行融合。仿真结果表明,与独立检测和传统的合作检测相比较,该方法具有更高的检测性能与频谱利用率。     

基于K-RBF神经网络的认知无线电频谱预测

提出使用K-均值聚类算法的RBF神经网络(K-RBF)来进行频谱预测。该模型根据历史信息预测频谱空穴的位置,从而选出合适的频谱供次用户选择,减少频谱预测过程的盲目性和频谱感知过程中的资源消耗。仿真结果表明,该方法可以获得很好的预测精度,其预测误差只有RBF神经网络的1/3。     

认知无线电中频谱检测的研究进展

频谱检测是认知无线电的关键技术,总结了国内外文献在该领域的最新研究进展,分析物理层检测算法的性能以及检测策略,探讨利用授权用户流量特征提高MAC层检测效率的解决方案,讨论多用户协作检测的数据融和与判决技术.在此基础上分析尚待解决的问题,探讨下一步的研究方向.