基于RMT的合作频谱感知新算法及其性能分析*

针对认知无线电中的频谱感知问题,利用随机矩阵理论(random matrix theory,RMT)最新研究成果,提出了一种新的合作频谱感知算法(maximum-minimum eigenvalue detection,MMED)。该算法将采样协方差矩阵最大特征值与最小特征值的比值作为统计判决量,并利用最小特征值概率分布求得判决门限。理论分析与仿真结果表明,与基于最大特征值的频谱感知方法相比,MMED算法不仅具有感知性能更好以及对噪声不敏感等优点,而且在认知用户数较少、样本较小的情况下,也可获得较好的检测     

基于特征值极限分布的双门限DMM频谱感知算法

采用随机矩阵特征结构理论,分析并研究多认知用户采样协方差矩阵的特征极限值分布,提出一种基于最大最小特征值之差(DMM)的双门限频谱感知算法。根据最大与最小特征极限值分布推导检测双门限,对双门限内外部分分别采用软判决与硬判决综合得到最终判决结果。利用特征值噪声估计实现检测门限的自适应,克服噪声不确定性对频谱感知的影响。仿真结果表明,在低信噪比、虚警率和采样频率的情况下,该算法检测性能优于DMM算法与能量检测算法,且稳定性好、鲁棒性强。     

一种基于特征值的多天线认知无线电盲感知算法

当不存在噪声不确定性时,频谱感知算法中能量检测法是较优的,但实际中噪声是无法确切估计的。针对这一问题,提出了一种适合多天线认知无线电系统的盲感知算法。该算法不需要主用户的任何先验知识,利用采样协方差矩阵的最大特征值和矩阵迹之比作为判决统计量来检测主用户信号。根据随机矩阵理论,当给定虚警概率时,可以求出判决门限的渐近式表达式。仿真结果表明,与同类算法相比,所提算法能获得较高的检测概率和较低的虚警概率,同时克服了能量检测法对噪声的敏感性。     

基于可信度的双门限DMM协作频谱感知算法

针对已有的双门限特征值频谱感知算法存在忽略本地感知用户可靠性差异及融合判决方式开销大的缺点,提出了一种基于可信度的双门限DMM协作频谱感知算法(DT-CDMM),用于进一步提升协作感知性能。所提算法在最大最小特征值差(DMM)算法的基础上,建立了基于特征极限分布的双门限DMM算法作为本地感知,采用触发式的软、硬判决相结合的判决机制来减少系统开销,以本地感知性能与可信度加权的方式得到全局判决结果,并对硬判决进行自适应补偿。仿真结果表明, 较已有的双门限特征值算法以及双门限能量检测算法,DT-CDMM算法在噪声不确定的环境下提升了多用户协作检测的概率。     

基于特征值对数分布的频谱感知算法

利用样本协方差矩阵几何平均特征值的对数分布特性,提出了一种新的频谱感知算法。该算法基于样本协方差矩阵最大最小特征值之差与几何平均特征值的比值,通过比较该比值与门限的大小来判断主用户是否占用分配频谱,不需要知道主用户信号和噪声的先验信息,得到了十分简单的判决门限表达闭式。仿真结果表明,在低信噪比、低协作用户数以及低样本点数的条件下,所提算法能获得更优的感知性能;并且所提算法的感知性能较为稳定,受样本中极端值和虚警概率的影响均较小。     

认知无线电中一种基于秩准则的鲁棒多天线盲频谱感知算法

在多天线感知场景中,噪声不确定的存在使得经典的能量检测算法的感知性能表现出不稳定性。基于多天线接收信号的统计协方差矩阵为秩-1矩阵这一事实,提出一种基于秩准则的频谱感知方法。该方法首先将取样协方差矩阵分解为具有未知秩的理想信号矩阵和噪声扰动矩阵之和,然后采用秩检测准则估计接收信号子空间的最佳维数,最后利用该值判断信道的状态。与经典的能量检测方法相比,新方法对噪声不确定性具有良好的鲁棒性,且属于全盲检测方法。具体而言,新方法在感知判决过程中,无需事先知道噪声方差以及主用户信号和无线信道的统计特征。仿真结果验证了基于秩准则的多天线频谱感知算法的有效性。     

CRN中基于自适应阈值和OR-决策规则的频谱感知策略

针对传统认知无线电网络(CRN)的频谱感知策略没有考虑噪声不确定性问题,提出一种基于噪声功率估计自适应阈值和OR-决策规则的频谱感知策略。首先,将各接收器数据构建成一个数据矩阵,并计算矩阵的协方差矩阵。然后,计算协方差矩阵的特征值,并根据特征值的均值来获得噪声的最大似然估计。接着,根据估计的噪声和能量信号的检验统计量来确定决策阈值。最后,各节点根据决策阈值作出局部决策并上传融合中心(FC),FC利用OR-决策规则作出最终决策。实验结果表明,该方案的决策阈值能够随噪声自适应调整,有效提高了检测率,对噪声不确定性具有很好的鲁棒性。     

基于最小特征值分布的频谱感知算法

现有的频谱感知算法中,能量检测容易实现,但检测性能依赖噪声功率。基于随机矩阵理论的频谱感知算法巧妙地规避了噪声不确定性对检测性能带来的影响,但大都采用的是最大特征值的近似分布规律,所得到阈值表达式的精度有待进一步提高。针对上述问题,通过利用随机矩阵理论的最新研究成果,提出一种基于接收信号样本协方差矩阵最小特征值分布的频谱感知算法。最小特征值的分布函数不基于渐近假设,更加符合实际的通信情境。推导所得的阈值表达式是虚警概率的函数,在小样本情况下,对它的有效性和优越性进行了分析与验证。根据单一变量原则,分别在低样本点、低协作用户数、低信噪比和低虚警概率条件下对提出算法与最大最小特征值算法的检测性能进行了仿真比较,检测概率最多可以提高0.2左右。结果表明,该算法能够显著改善系统的检测性能。     

基于最小描述长度准则的数字信道化接收机频谱检测方法

数字信道化接收机常采用频谱检测方法判断其分析滤波器组中的输出子带信号的存在。为解决现有基于特征值的频谱检测方法由于采用最大和最小特征值的近似值而导致采样点数较少时性能无法满足要求的问题,提出了一种适用于数字信道化接收机的基于最小描述长度(MDL)准则的子带频谱检测方法。基于子带过采样数据构建协方差矩阵,计算矩阵特征值的平均值以减少噪声带来的波动。将矩阵特征值的平均值作为MDL准则的参数估计所有子带的平均特征值中包含信号的个数,以此确定包含信号的子带。仿真实验表明,该方法比现有的频谱检查方法具有更好的检测性能,且克服了需要设置固定门限的缺点,对噪声和信号波动具有较强的适应能力。     

认知无线电中基于差分能量的联合检测

在认知无线电系统中,认知用户需要实时准确地判断频谱的使用情况。但当认知用户处在严重的衰落和较强的外界干扰时,实时准确感知频谱的难度很大,联合检测是有效解决这一问题的方法之一。利用噪声不确定性的最大波动范围和主用户出现时的快速变化所产生的统计差值,对能量检测的判决结果进行修正,并利用循环平稳检测高准确度特点对否决区域进行二次判决,将两次判决的结果融合得到最终的判决结果。仿真结果表明,该检测方法的性能与循环平稳检测方法的相当,优于能量协作检测,并且所需计算量远远低于循环平稳检测,在噪声最大波动范围很大时,该方法能有效地提高认知用户对频谱实时准确的检测性能。     

Toeplitz含噪语音端点鲁棒检测

针对在低信噪比条件下语音端点检测问题,提出了一种基于Toeplitz最大特征值的去噪语音端点检测方法。该方法用语带频谱自相关序列构造一个对称Toeplitz矩阵,利用该矩阵最大特征值的信息量对语音信号进行双门限端点检测。新算法经过实验,能够有效地区分语音和噪声,在不同的低噪声环境条件下具有良好的鲁棒性。与新近的信号递归度分析方法比较,准确率较高。该算法计算代价小,实时性好,简洁易实现。     

Analytic network process in risk assessment and decision analysis

In risk assessment and decision analysis, the analytical network process (ANP) is widely used to assess the key factors of risks and analyze the impacts and preferences of decision alternatives. There are lots of comparison matrices for a complicated risk assessment problem, but a decision has to be made rapidly in emergency cases. However, in the ANP, the reciprocal pairwise comparison matrices (RPCM) are more complicated and difficult than AHP. The consistency test and the inconsistent elements identification need to be simplified. In this paper, a maximum eigenvalue threshold is proposed as the consistency index for the ANP in risk assessment and decision analysis. The proposed threshold is mathematically equivalent to the consistency ratio (CR). To reduce the times of consistency test, a block diagonal matrix is introduced for the RPCM to conduct consistency tests simultaneously for all comparison matrices. Besides, the inconsistent elements can be identified and adjusted by an induced bias block diagonal comparison matrix. The effectiveness and the simplicity of the proposed maximum eigenvalue threshold consistency test method and the inconsistency identification and adjustment method are shown by two illustrative examples of emergent situations.     

基于平均内积和相关判决函数的 DSSS信号伪码序列盲估计

针对已有扩频码估计方法计算复杂度高的问题,提出一种基于平均内积和相关判决函数的扩频码估计方法.首先采用窗长为伪码周期的滑动窗函数将信号划分为不重叠数据段,以各分段数据为行向量依次排列构造数据矩阵,并根据不同起始点条件下分段后所对应矩阵平均内积的最大值确定伪码同步起始点;然后在实现伪码同步的基础上,利用相关判决函数估计出伪码序列各码元与第1个码元之间的符号关系,从而实现伪码序列的盲估计;最后通过理论推导说明所提方法的有效性,并在相同的实验条件下分别给出该方法与基于特征分解、三阶相关的常见方法在扩频码估计的性能和计算量上的仿真对比.实验数据表明,在SNR\geqslant3$时,所提出的相关判决函数法可以得到准确的估计,且计算量相比特征分解、三阶相关法也大大降低了.     

无线传感网中分布式信号检测的多维特征值算法优化研究

在大规模无线传感网的分布式信号检测中,针对相关性较高并有一定冗余度的数据集,在保证数据采集可信任的情况下,通过高效算法提高精度是重要的研究方向。 提出一种分散功率算法DPM,用于分布式计算样本协方差矩阵的最大特征值,通过将平均共识和迭代功率法相结合,在相对少量样本和有限次数迭代的条件下,实现了协方差矩阵最大特征值的较快收敛速度和较高精度估计。对比MECD算法和DST算法,仿真结果表明,新算法有效减少了信号样本数和迭代次数,收敛速度较快,可获得更高的检测精度。     

认知无线电中基于特征值检测的频谱感知算法

频谱感知的任务在于利用感知节点(无线传感器或者认知用户)采集的数据判断频谱空洞是否存在。基于最大特征值检测(MED)和最小特征值检测(SED)的方法最近被应用到频谱感知当中。这两种算法在检测实际应用当中普遍存在的相关信号时表现出良好的检测性能。然而,MED和SED算法对应的判决门限求解非常复杂,从而限制了它们在实际的认知无线电频谱感知中的应用。该文利用取样协方差矩阵的所有特征值,提出了一种新的基于特征值检测(ESD)的算法。利用多元统计理论获得了相应的判决门限。ESD算法无需主信号和无线信道信息参与感知过程。与此同时,它保留了与MED和SED相同的计算复杂度。更重要的是ESD算法对应的判决门限可以通过一个简单的闭合表达式进行求解,其计算复杂度低。仿真结果验证了新算法的有效性。     

拟Newton法在高阶矩阵中的应用——求解最大特征值及特征向量

将求解高阶矩阵的最大特征值及其对应的特征向量问题转化为高阶非线性方程组的求解问题。在此基础上,提出了求解矩阵最大特征值及其对应特征向量的拟Newton法,给出求解矩阵最大特征值及其单位化向量重新整理后的Broyden方法公式、BFS方法公式、DFP方法公式及其对应的Broyden算法,BFS算法,DFP算法。以层次分析法中高阶判断矩阵为例验证了该方法的可行性,说明了该方法相对收敛速度快的优势。     

基于马尔科夫决策过程的高能效任务调度算法

在移动群智感知系统中,智能手机承担着许多不同的感知任务,这些任务需要来自不同传感器的数据。从传感器收集数据是非常耗能的,智能手机的电池限制了这些感知设备的可用性。如何在完成群智感知任务时降低设备能量消耗是参与者迫切需要的。针对以上问题,提出基于马尔可夫决策过程(MDP)的高能效任务调度算法。根据设备的电流负载、剩余能量和充电概率,马尔科夫决策过程迭代计算出最佳任务调度序列,并保证能耗最小化和感知精度最大化获得平衡。大量的仿真结果表明,该算法在任务调度过程中具有显著的节能效果,与广泛使用的现有算法相比,平均节省能量75%以上。     

非对称占空比传感网中的广播能效优化算法

针对非对称占空比传感网中最小端到端延迟约束下的广播能效优化问题,首先构造了一个能够刻画广播时空特征的时空状态图,将目标问题建模成转发行为子集覆盖问题,然后分别提出了一种面向总能耗优化的最小代价转发行为子集覆盖算法（MC-SCA）和一种面向能量公平性的代价均衡转发行为子集覆盖算法（CB-SCA）。MC-SCA和CB-SCA都是采用迭代的方式选择最优转发行为子集。MC-SCA在每一轮迭代中贪心地选择转发行为代价与新增覆盖节点数量的比值最小的转发行为,而CB-SCA在每一轮迭代中贪心地选择带来更小节点转发能耗负载且更多新增覆盖节点数量的转发行为。仿真结果表明,MC-SCA与典型的随机父节点选择算法（RPNS-A）相比其广播总能耗平均降低了24.23%,而CB-SCA与RPNS-A、MC-SCA以及最小节点负载优先的贪心算法相比其节点最大广播负载值分别平均降低了48.69%、65.21%和10.64%,因此CB-SCA具有更好的广播能量公平性。     

无线传感器网络中基于动态规划的路由算法

针对无线传感器网络的路由设计问题,基于动态规划的思想建立标准模型,在此基础上,提出最小能耗路由算法与能量均衡路由算法。在每个阶段选择决策时,根据该阶段的剩余能量均值动态调整决策集合,从中选择最小能耗路由。实验结果证明,2种路由算法都能提高网络的稳定周期,在一定程度上节省网络能量。     

基于约束模糊聚类的电力系统扰动信号识别方法

传统电力系统扰动信号识别方法只能解决单一扰动问题,无法对多个扰动信号进行高效率识别,为避免传统方法的弊端,提出了基于约束模糊聚类的扰动信号识别方法。计算拟合信号包络平均值,获取拟合信号和包络平均值之差,将差值作为新的拟合信号,获取最小特征尺度分量,不断进行模态分解,可将信号分解成若干个不同特征尺度函数。经过模态分解的信号满足路由信息协议标准,以新的稀疏向量为基础,对混叠的扰动信号进行特征提取。采用傅里叶变换描述扰动信号基本变化情况,计算电力系统中扰动信号的n阶导数,由此获取传输过程中的变换参数,得到采集点空间位置坐标系,依据该坐标系选择最优窗口标准,使用约束模糊聚类方法,将扰动信号全部聚类到中心位置。通过建立权值系数矩阵,设置迭代次数,并进行误差补偿,获取新的聚类中心,对抗噪声扰动信号进行有效识别。由实验结果可知,该方法最高识别精准度可达到98%,为电力系统正常运行提供支持。