基于贝叶斯准则的硬判决融合协同频谱感知最优化

将硬判决融合协同频谱感知描述为贝叶斯二元假设检验问题,本文考虑感知信息传输错误的可能性,以最小化半均判决风险(贝叶斯风险)为目标的最优本地判决和最优判决融合可分别归结为LRT(likelihood ratio test)问题,并证明基于能量检测的本地LRT与观测量的门限判决等价.当仅有本地判决结果可用时,融合中心通常假...     

协作频谱感知中快速自适应门限策略

频谱感知是认知无线电的一个重要组成部分。在异构网络中,认知节点的移动会导致接收信号强度和噪声功率发生变化,这使得采用固定门限参数的频谱感知策略无法保证在任何时候均工作于最优感知状态。为了解决这一问题,该文提出一种自适应门限参数的协作频谱感知策略。该策略无需主用户信号、信道以及环境噪声的任何先验信息,参与协作的所有认知节点采用最陡下降法自适应调节门限参数,控制中心采用最优数据融合算法获得最小检测代价。仿真结果显示,当认知节点参数发生变化时,协作节点的门限参数快速收敛于最优值,使系统贝叶斯风险最小。     

认知无线电中基于感知门限的频谱预测研究

频谱感知为未获得频谱授权的次用户提供频谱空穴,并监测主用户以防止对其造成干扰。然而频谱感知会带来时间和能量消耗,采用准确、主动的频谱预测技术可以改善频谱感知过程。文中通过研究感知门限对平均感知时间和频谱利用率的影响,提出了基于感知门限的频谱预测-感知机制,并利用频谱预测结果按照空闲概率从大到小的顺序进行感知。仿真结果表明,文中所提出的机制能够减少感知时间并提高频谱利用率。     

基于双特征值极限分布的合作频谱感知算法

以最大最小特征值之差作为检测统计量,从提高算法判决门限估计精度出发,利用双特征值极限分布,用双特征值估计判决门限,提出了基于双特征值极限分布的频谱感知算法。相比于单特征值门限方法,理论上证明了用双特征值极限分布估计的门限小于或等于用单特征值极限分布估计的门限,提高了算法检测性能。仿真结果表明,该算法不受噪声不确定性影响,不需要主用户信息,并且在低虚警概率、采样次数相对少的情况下,检测性能优于最大最小特征值之差频谱感知算法。     

特征值极限分布的改进合作频谱感知

本文采用随机矩阵理论,分析和研究了多认知用户接收信号采样协方差矩阵的最小特征值的极限分布,针对基于最大最小特征值之差的合作频谱感知算法,提出了新的门限判决方法。此算法能有效克服噪声不确定度的影响,且不需预先知道授权用户信号的先验知识和噪声方差。仿真结果表明,与以前的感知算法相比,本文算法有更低的判决门限,在低信噪比、小采样时,在达到设定虚警概率的前提下,该算法能够获得更好的感知性能。      

基于Friedman检验的非参数协作频谱感知方法

协方差矩阵频谱感知方法在天线相关性低时感知性能较差,该文针对这一问题提出一种基于Friedman检验的非参数协作频谱感知方法。分布式放置的感知节点具有空间分集的特性,因此在同一时刻感知节点上的信号功率不完全相同。利用这一特点,提出通过比较各感知节点的信号功率水平来实现频谱感知。由于采用了非参数化表示,该方法对噪声不确定性稳定,且适用于任意统计分布的噪声。另外,推导了所提方法判决门限的理论表达式,结果显示判决门限与采样点数无关,因此在采样点数变化的情况下无需重新设置判决门限。仿真结果验证了上述理论分析的有效性。     

感知不确定下卫星认知无线网络多频谱接入优化策略

针对卫星认知无线网络频谱感知不确定性较大导致传统频谱接入机制效率降低的问题,该文提出一种基于动态多频谱感知的信道接入优化策略。认知LEO卫星根据频谱检测概率与授权用户干扰门限之间的关系,实时调整不同频谱感知结果下的信道接入概率。在此基础上以系统吞吐量最大化为目标,设计了一种基于频谱检测概率和虚警概率联合优化的判决门限选取策略,并推导了最佳感知频谱数量。仿真结果表明,认知用户能够在不大于授权用户最大干扰门限的前提下,根据授权信道空闲状态动态选择最佳频谱感知策略,且在检测信号信噪比较低时以更加积极的方式接入授权频谱,降低了频谱感知不确定性对信道接入效率的影响,提高了认知系统吞吐量。     

认知无线网络中动态双门限协作频谱感知性能的优化方案

频谱感知作为认知无线电的关键技术,得到广泛深入的研究。其中衡量协作频谱感知性能的主要参数为全局虚警概率和全局漏检概率,它们之和被定义为全局错误概率。本文研究基于双门限能量检测的协作频谱感知性能的优化方案,首先,固定双门限能量检测的检测门限值,对表决融合准则的投票门限进行优化,使得在该能量检测门限值条件下,协作频谱感知的全局错误概率最小;然后在表决融合准则的投票门限取最优值的前提下,对双门限能量检测的检测门限值进行了优化,在不同接收信噪比条件下,最优的检测门限值是动态的,所以要根据信噪比确定最优的检测门限值,使得协作频谱感知的全局错误概率在各信噪比条件下都达到最小值,从而提高了协作频谱感知的性能。仿真结果表明,表决融合准则的投票门限和双门限能量检测的检测门限值取得各自的最优值时,全局错误概率最低,检测性能最好。      

认知无线电中基于阵列天线和协方差矩阵的频谱感知算法

该文提出一种基于阵列天线和协方差矩阵的频谱感知算法,该算法能够在噪声不确定性的条件下进行盲频谱感知。该算法在协方差矩阵的基础上,构建新的检测统计量,推导判决门限,对检测统计量与判决门限进行比较进而做出最终判决;在主用户信号到达方向与认知用户接收天线法线方向不一致的情况下,为使认知用户能完全接收主用户信号,利用了阵列天线技术。仿真结果表明,与Zeng等人(2009)提出的绝对值协方差矩阵频谱感知算法(Covariance Absolute Value Spectrum Sensing, CAVSS)相比,该算法判决门限的计算方法更加准确;在相同条件下,该算法的检测概率高于CAVSS。     

基于协作检测的频谱移动技术

频谱移动的目的是使网络状态变化尽可能快地平滑进行,以确保频谱切换中对通信性能的影响最小。采用基于协作检测的协同频谱感知方法,研究频谱移动的策略,分析频谱池容量对系统性能的影响,设计合适的跨层策略,减小切换延迟,最小化频谱切换对各层的影响。     

基于空间谱的频谱感知算法及性能分析

现有的基于特征值或谱密度的频谱感知算法,多分别使用近似高斯分布和Tracy-Widom分布来分别分析求解检验统计量在信号是否存在时的分布,未能给出统一的解析表达式。该文提出均匀线阵(ULA)条件下基于空间谱密度比的频谱感知算法,并且基于顺序统计量的最新研究成果,给出检验统计量统一的闭合表达式。该算法基于离散空间谱密度最大最小值的比建立检验统计量。仿真结果表明,对于8阵元的ULA,在采样点数为1000、检测概率为0.9时,所提算法比最大最小特征值(MME)比算法有约1.7 dB的性能优势,同时也有效验证了检验统计量理论分布的准确性。     

基于非圆信号的局部最大功效不变检验频谱感知方法

频谱感知是认知无线电网络中关键的一个环节,为了保证主用户不受干扰,要求感知算法必须具有较高的检测效率和检测精度。该文主要研究MIMO场景下的频谱感知问题,利用非圆信号的特性,提出一种基于局部最大功效不变检验(LMPIT)的频谱感知方法。根据渐近分布理论,推导了所述方法的理论检测门限。最后,采用蒙特卡洛仿真方法,分别分析了不同信道环境下该方法的检测性能,并与相关的感知算法进行对比。结果表明:在相同的环境下,文中提出的方法相比其他方法检测性能更高,且所需的采样点数更小,能够实现快速且精确的检测。     

快变信道环境下基于支持向量回归的频谱预测

频谱预测是一种通过分析历史频谱数据获得频谱使用规律,从而预测未来频谱使用状态的技术。为了实现快变信道（本文指信道占用状态快速变化）环境下频谱状态的可靠预测,提出了一种基于支持向量回归的频谱预测算法。比较了在不同训练样本数时,该算法与一个典型的BP神经网络频谱预测算法的性能差异,结果表明所提算法在小样本学习时,预测效果更为理想。并在此基础上,加入正确检测概率和虚警概率,验证了当频谱检测不理想条件下,支持向量回归算法预测的可行性。      

基于信号能量分布拟合优度的长短时记忆网络频谱感知算法研究

传统频谱感知算法性能在低信噪比下不够理想,在高信噪比下较好,算法性能随信噪比降低逐渐变差。本文提出了基于信号能量分布拟合优度的长短时记忆网络频谱感知算法,利用授权用户信号存在时的接收信号为基础,计算接收信号的能量分布,并将通过拟合优度算法得到的距离值作为特征构造特征向量,然后将特征向量输入长短时记忆网络训练得到模型,最后将测试数据输入训练模型进行预测,从而实现频谱感知。仿真结果表明,本文提出的新算法在信噪比为-13 dB,采样点数为28时,检测概率达到96.21%,明显优于传统能量检测算法和传统拟合优度算法。      

Modified Bayesian algorithm‐based compressive sampling for wideband spectrum sensing in cognitive radio network using wavelet transform

This paper presents the implementation of a modified version of Bayesian relevance vector machine (RVM)‐based compressive sensing method on cognitive radio network with wavelet transform for spectrum hole detection. Bayesian compressive sensing is used in this work to deal with the complexity and uncertainty of the process. The dependency of the Bayesian compressive sensing on the knowledge of noise levels in the measurement has been relaxed through the proposed Bayesian RVM‐based compressive sensing algorithm. This technique recovers the wideband signals even with fewer measurements maintaining considerably good accuracy and speed. Wavelet transform is used in this paper to enable the detection of primary user (PU) even in the low regulated transmission from unlicensed user. The advantage of this approach lies in the fact that it enables the evaluation of all possible hypotheses simultaneously in the global optimization framework. Simulation study is performed to evaluate the efficacy of the proposed technique over the cognitive radio environment. The performance of the proposed technique is compared with the conventional Bayesian approach on the basis of recovery error, recovery time and covariance to verify its superiority.     

Fast Spectrum Sensing with Coordinate System in Cognitive Radio Networks

Spectrum sensing is an elementary function in cognitive radio designed to monitor the existence of a primary user (PU). To achieve a high rate of detection, most techniques rely on knowledge of prior spectrum patterns, with a trade‐off between high computational complexity and long sensing time. On the other hand, blind techniques ignore pattern matching processes to reduce processing time, but their accuracy degrades greatly at low signal‐to‐noise ratios. To achieve both a high rate of detection and short sensing time, we propose fast spectrum sensing with coordinate system (FSC) — a novel technique that decomposes a spectrum with high complexity into a new coordinate system of salient features and that uses these features in its PU detection process. Not only is the space of a buffer that is used to store information about a PU reduced, but also the sensing process is fast. The performance of FSC is evaluated according to its accuracy and sensing time against six other well‐known conventional techniques through a wireless microphone signal based on the IEEE 802.22 standard. FSC gives the best performance overall.     

基于可靠次用户信息的协作频谱感知算法研究

对认知无线电系统最基本要求之一就是次用户必须有能力以高的精确率来确定主用户是否存在。而以前对认知无线电频谱感知的研究表明:在实际认知网络中次用户之间的相互协作可以提高其频谱检测性能。然而,对于协作频谱感知而言,随着协作次用户数目的增加,势必会增大用于传输本地检测结果到融合中心的专用控制信道带宽,从而增加系统开销。该文在控制信道带宽有限的约束条件下,提出一种通过考虑可靠次用户信息的协作频谱感知算法来进一步改善频谱检测的性能。该算法的基本思想:只有具有可靠的本地检测结果的次用户才发送自己的检测结果到融合中心,否则,该次用户不发送任何信息。同时,对提出的该算法在理论上进行了推导,通过仿真结果表明:在控制信道带宽受限的约束下,相比于传统的或门协作频谱感知算法,提出的算法能够大大改善对主用户的检测性能。     

基于图像K-means聚类分析的频谱感知算法

近年来,基于能量检测的协作频谱感知算法被广泛应用于频谱感知领域。由于该方法在计算能量检测的判决门限受噪声影响较大以及受限于认知用户的数量等问题,导致其检测性能受到影响。为了解决这一问题,本文提出一种基于图像K-means聚类分析的频谱感知算法。这种方法利用主用户信号存在与否的两种认知信号状态映射成图像,经过调整图像强度和高斯滤波预处理之后利用提取图像像素分布直方图的方法提取出特征向量,然后利用改进的K均值聚类算法对这些特征向量进行训练得到分类模型。最后利用训练好的分类模型对未知信号进行检测,从而实现频谱感知。仿真结果表明,本文所提出的频谱感知算法,在检测性能上优于传统能量检测以及协作频谱感知算法,尤其在低虚警概率、低信噪比的环境下效果更加突出。      

基于中继的协作频谱感知

频谱感知技术是认知无线电系统实现的前提和基础。由于无线衰落环境下单节点频谱感知结果可靠性不高,主要讨论协作频谱感知中的中继协作频谱感知技术。针对单个中继节点的协作频谱感知网络,分析了在AF协议下的频谱感知结果。导出了在瑞利衰落环境下中继节点参与协作感知的检测概率上限的闭合表达式,并进行了数值仿真。数值分析结果表明中继节点参与协作能够提高频谱感知性能。     

基于监督学习的协作宽带压缩频谱检测方案

宽带压缩频谱检测存在信号稀疏度未知和次用户检测开销过大的问题.因此,本文提出一种高效的协作宽带压缩频谱检测方案.首先,推导了一种基于学习的稀疏度自适应预测模型.其次,设计了一种宽带频谱筛选算法.最后,提出一种协作宽带压缩频谱检测方案.仿真结果表明,自适应预测模型的拟合效果优于现有预测模型,并且所提检测方案也有效地降低了次用户采样率和频谱重构时延.