多天线感知无线电中的协作频谱感知算法

不同于以往单天线感知用户的频谱感知研究,该文提出多天线情形下基于最优功率分配和协作分集的频谱感知算法。根据信道条件利用奇异值分解(SVD)在每根天线上进行功率注水,并考虑多天线情况下两用户网络协作频谱感知授权用户的判决检测过程,利用基于指数衰减的路径损耗模型,分析多天线感知网络的各态历经容量和检测授权用户的概率及时间。理论分析及仿真结果表明,多天线感知用户通过最优功率分配和协作频谱感知不仅使感知网络具有最大的各态历经容量,同时改善系统的检测性能。     

基于Dempster-Shafer证据理论的协同频谱感知算法

认知无线电的首要任务是频谱感知,单个认知用户的频谱感知结果容易受到衰落和多径的影响,本文结合证据理论研究了多个认知用户的协同频谱感知问题.为了在融合中心未知先验信息的条件下实现对授权用户的有效检测,文章基于Dempster-Shafer证据理论,对认知用户的本地感知结果提取证据,然后在融合中心进行融合并判决,提出了一种基于Dempster-Shafer证据理论的协同频谱感知算法.仿真结果表明,该算法能够在融合中心未知先验信息情况下,获得较好的频谱感知性能.     

认知无线电合作频谱感知算法研究

频谱感知是实现认知无线电功能的前提条件,也是认知无线电领域的一个研究热点。近年来人们提出了很多频谱感知的方法,尤其是合作频谱感知算法日益受到人们的关注。综述了合作频谱感知技术的最新研究进展,从简单的线性信息融合算法到复杂的非线性感知算法,以及多天线合作感知等算法,通过仿真比较各种方法的检测性能,并展望未来频谱感知所面临的挑战和发展趋势。     

Optimized Reliable Data Combining Cooperative Spectrum Sensing Method in Cognitive Radio Networks

Spectrum sensing is one of the most important tasks of each cognitive radio network. Cooperation among secondary users, by increasing the sensing accuracy can improve the network throughput, but also increases the energy consumption of cognitive radio network. In this paper, we propose the reliable data combining method for cooperative spectrum sensing, according to which the fusion center by using two threshold values, makes the final decision only if it is confident enough in validity of received local data. Otherwise, an additional sensing will be performed. Throughput maximization problems under interference constraints are formulated for both soft and hard fusion schemes and the optimal sensing time and threshold values are obtained. Simulations show that for all SNRs, higher absolute throughput and also higher throughput per energy consumption are accessible, rather than conventional cooperative sensing. Moreover, for a large range of SNRs the less energy is consumed.     

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。     

Cooperative Spectrum Sensing Techniques in Cognitive Radio

Cognitive radio has become an effective theory to solve the inefficiency of the spectrum usage. One of the main requirements of cognitive radio systems is the ability to reliably detect the spectrum hole. Previous works on the problem of detection for cognitive radio have suggested the necessity of user cooperation to enable the detection at the low signal-to-noise ratios experienced in practical situations. This paper introduces energy sensing and the cooperative sensing techniques: AND model, OR model, counting model, double threshold model, likelihood ratio model, linear cooperation model and DWCS model. It is proved that significant cooperative gain can be achieved by the proposed models in reducing interference and improving spectrum usage.     

认知无线电的合作频谱检测分析

认知用户需要持续快速地检测主用户的出现,对基于认知无线电的合作频谱检测机制进行了分析。在理想的两用户网络中,认知用户采用合作机制可以提高系统的平均侦测时间。在多认知用户网络中,参与合作的用户越多,单个认知用户对主用户的侦测概率越高。对于多用户网络,还考虑了整体的实现。     

认知无线电协作频谱感知技术综述

频谱感知是实现认知无线电功能的前提条件,也是认知无线电领域的一个研究热点.近年来人们提出了很多种频谱感知方法,尤其协作感知技术日益受到关注.综述了协作频谱感知技术的最新研究进展,先描述典型的认知无线电协作频谱感知模型,然后讨论了协作感知中信息融合及性能分析等关键问题,最后指出了协作感知的研究挑战和发展趋势.     

一种基于中继转发的认知无线电合作频谱感知技术

传统的基于中继的合作频谱感知方法只能实现"一对一"的合作,合作效率较低,合作的检测性能稳定性较差。为此,提出了一种新的方法。该方法通过中继用户转发授权用户的信号,实现网络中一个认知用户与多个认知用户之间的合作。然后采用Dempster-Shafer综合判决理论来综合多个判决信息。仿真结果表明,通过该方法能够改善网络中认知用户的检测性能,并且具有更好的可靠性。     

认知无线电中基于信息简约的最大似然协同频谱感知算法

该文针对控制带宽受限条件下认知用户的协同频谱感知问题,提出了基于信息简约的最大似然协同频谱感知算法。算法使用信息简约模块来降低本地感知信息传递需要的网络开销,在基站处使用基于最大似然准则的检测来提高感知性能。理论分析和仿真表明,该算法能够以较少的网络开销有效提高频谱感知性能,特别是在认知用户接收信噪比相差较大的情况下,其性能优势更为明显。     

基于信噪比加权的协作频谱感知方法

认知无线电中协作频谱感知技术能显著提高频谱感知性能,但传统协作频谱感知算法大多采用等权重进行数据融合,未考虑在实际通信环境中感知用户的信噪比差异。针对这种情况,提出了一种基于信噪比加权的协作感知方法,根据信噪比影响因子的不同,给感知用户本地判决结果分配不同的权重,并在此基础上对影响因子定义做了改进,减小了信噪比极值对感知性能的影响。仿真结果表明,在AWGN信道非衰落环境中,基于信噪比加权的协作感知比传统协作感知性能要好,改进后的加权感知方法对感知性能又有进一步的改善。     

基于SNR比较的认知无线电协作频谱检测

协作频谱检测是认知无线电中的一项关键技术,其检测性能取决于感知节点的本地频谱检测结果的可靠性,而目前已有的方案中对此却很少考虑.对此,认为不同的认知节点信噪比(SNR)导致了各节点本地检测结果的可靠性不同,故在此基础上提出了一种基于融合中心进行SNR比较的认知无线电协作频谱检测算法.在该算法中各认知节点将本地的判决结果和估计的SNR同时发送到融合中心,然后在融合中心对SNR进行比较,按照文中设计的规则来选取有较好SNR的认知节点参与判决融合.数值分析和计算机仿真表明,该方法能有效提高检测概率,并减少参与判决融合的节点数量.     

A Robust Cooperative Spectrum Sensing Scheme in Cognitive Radio Systems

Performance of cluster-based cooperative spectrum sensing is more greatly improved than that of the traditional cooperative spectrum sensing.However,the style of clusters is not pointed out on traditional cluster-based method.In view of all the fading in the cooperative spectrum sensing,space diversity,and selective diversity,a robust cooperative spectrum sensing scheme based on clusters is proposed.Simulation results show that the detection performance of this new scheme is more close to that of the ideal cluster-based cooperative spectrum sensing scheme,and the excellent performance with higher reliability is gained relative to the actual cluster-based cooperative spectrum sensing scheme.Finally,the number of users in a cluster of the proposed scheme is discussed.The two users in a cluster are not the optimal solution to the overall implementation of cognitive radio.     

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。     

认知无线电网络的一种协作频谱感知方案

认知无线电技术能够让非授权用户利用已经分配给授权用户的频段.为了不对首要用户的工作造成干扰,认知用户需要对频谱进行不间断的监测来判断首要用户是否存在.因此,频谱的感知是认知无线电技术的关键.协作频谱感知能够充分的利用网络资源,提高网络中的认知用户的检测概率.文中笔者简单地介绍了一种协作频谱感知的方案.仿真结果表明,通过该方法能够提高网络中认知用户的检测概率,提高网络的检测灵敏度.     

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。     

认知无线电网络中基于最大似然准则的协同频谱检测算法研究

提出一种集中式频谱协同检测算法。各认知节点采用能量检测算法,然后使用最大似然准则进行本地判决,且把似然比作为本地判决可靠性的度量;中心节点基于可信度对接收到的认知节点本地检测数据进行数据融合。仿真结果显示,文中提出的认知节点协同频谱检测方案能够减少误检概率。特别是当信道处于深衰落时,少量节点参与协同就能获得较好的检测性能。     

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.     

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.     

一种改进的量子神经网络频谱感知算法

为了克服传统频谱感知的缺点,提升在低信噪比下的频谱检测性能,提出了一种改进的量子神经网络频谱感知算法。通过提取授权用户信号的特征参数,对量子神经网络进行训练,获取授权信号中数据的不确定性并加以存储、记忆,从而实现周围环境"频谱机会"的检测。为了提高量子神经网络的收敛性、稳定性,对算法进行改进,采用三层Josephson函数作为激励函数,缩短激励函数的饱和区,减少训练过程中出现"假饱和"现象;并在原有的学习目标函数中加入约束条件,使网络权值的调整和量子间隔的更新在学习过程中的相互影响降到最低。通过实验仿真得出,改进后的量子神经网络算法与改进前的算法、BP神经网络检测算法相比,不但在网络收敛速度和稳定性上有了明显提升,而且在低信噪比情况下具有更高的检测概率。