基于权值自适应优化的协作频谱认知算法

提出一种基于权值自适应优化的协作频谱认知算法。根据各协作认知节点的信噪比分配合适的权值向量,反映对检测统计量的贡献大小。基于最小均方误差原则,权值向量可根据实际的各节点信噪比向量进行自适应优化,从而提高认知网络中存在低信噪比节点时的检测性能。仿真结果表明,与传统协作算法相比,该算法无论在节点高信噪比或低信噪比条件下均有更优的检测性能,且收敛速度较快。     

双门限三级联合频谱感知算法——基于能量检测和高阶循环谱检测

认知无线电中,快速有效的频谱感知是一项关键技术。传统的能量检测算法不能抵抗低信噪比的影响,高阶循环谱检测又有着较高的算法复杂度。将二者进行结合,提出一种双门限三级联合频谱感知算法,有效提高了系统的检测性能并降低了算法复杂度。对传统的能量检测算法进行了仿真,并对检测概率的影响因素进行了分析和仿真;对高阶循环谱检测算法进行了理论分析,并对三级联合感知算法的性能进行了详细分析。最终得出结论,三级联合感知算法不但大大提高了认知用户的检测性能,而且并没有增加过多的运算量,因此是一种高效、快速的频谱感知算法。     

基于Agent的协作频谱感知算法

为了提高认知无线电频谱感知技术的性能, 提出一种新的基于Agent的协作频谱感知算法。该算法在本地检测中使用多门限能量检测,同时将认知节点估计的信噪比的值发送到Agent控制中心,在控制中心根据每一个认知节点发送的信噪比的值和该节点与发射机的距离进行权衡,选取可靠性和有效性较高的认知节点参与判决融合。仿真结果表明,该算法能够很好地提高认知无线电网络的协作频谱感知能力,同时在一定程度上减少了原有协作感知算法中参与感知节点的数目。     

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。     

基于截断型序贯检测的协作频谱感知算法

为了改善低信噪比情况下认知用户的频谱感知性能,提出了一种基于截断型序贯检测的协作频谱感知算法。协作认知用户首先对接收到的信号序列进行分段处理,然后统计各自段内采样点能量值大于预设门限值的个数,并将其作为本地检测统计量上传至融合中心,从而有效地减少了控制信道的传输开销。利用棣莫弗 拉普拉斯定理和中心极限定理的近似结论得出段内检测统计量服从高斯分布,大大简化了后续似然比函数的理论推导和计算过程。仿真结果表明,在认知用户平均信噪比〖AKγ-〗=－15dB且目标检测性能相同的条件下,相比现有的能量检测算法,所提算法在H0和H1两种情况下分别减少了55.86%和37.51%的平均样本数。     

基于截断型序贯检测的协作频谱感知算法

本文针对低信噪比情况下认知用户的频谱感知需求,提出了一种基于截断型序贯检测的协作频谱感知算法。协作认知用户对接收到的信号序列进行分段处理,统计各自段内采样点能量值大于预设门限值的个数并将其作为本地检测统计量上传至融合中心,有效的减少了控制信道的开销。棣莫弗—拉普拉斯定理和中心极限定理的引入,又使得段内检测统计量近似为高斯分布,从而大大简化了后续似然比函数的理论推导和计算过程。性能分析及仿真结果表明,在目标检测性能相同的条件下,相比现有的能量检测算法,所提算法大大降低了所需的频谱感知时间。     

基于智能电网的频谱感知算法研究

宽带微功率（Broadband Micro-Power, BMP）无线通信系统是为满足智能配用电系统的通信需求，在非授权频谱资源上研究开发的电力无线专网系统。认知无线电（Cognitive Radio, CR）的频谱感知技术的引入，虽缓解了目前智能电网频谱资源紧张的问题，但系统在低信噪比下单用户的感知准确性仍需提高。针对上述问题，提出一种基于变步长的最小均方（Variable Step Size Least Mean Square, VSS-LMS）频谱感知算法。该算法在对原始发送信号幅度进行迭代估计时，增加两个参数作为调节器，可以灵活地调整步长，并对误差信号进行平滑处理，从而解决收敛速度与稳态误差的矛盾，实现高效的频谱感知。仿真实验表明，该算法不仅具有较好的收敛性，且在低信噪比下仍有较好的检测性能。与能量检测算法和LMS频谱感知算法相比，该算法使系统的频谱检测性能得到提升。     

联合信任度与信噪比的自适应协作频谱感知算法

为提高认知无线电的频谱感知性能,提出一种联合信任度与信噪比的自适应协作频谱感知算法。该算法通过信噪比估计和信噪比比较获取各认知用户的初始信任度值,自适应地调整信任度、参与度、判决门限等参数以实现算法最优,并采用周期性初始化策略以满足时变信道的要求。仿真结果表明,与传统K秩协作频谱感知算法和自适应合作频谱检测算法相比,该算法不仅提高了协作检测性能和稳定性,而且具有更好的实时性和抗恶意用户性能。     

认知无线电中基于分簇的能量序贯协作检测算法

在认知无线电系统中,频谱感知技术是保证频谱资源分配以及重构网络参数的前提条件。针对复杂信道环境低信噪比下传统频谱感知技术感知性能恶化、感知时间变长和对授权用户位置不固定适应性差的问题,提出基于分簇的并行能量序贯检测的方法。该方法按照地理位置信息划分簇,按照减少传输误差和节省传输功率原则选取簇头,各簇分段并行计算似然比统计量的方法进行序贯检测,任一簇内判决成功即可结束检测。仿真结果表明,在低信噪比情况下,该算法相较现有的多节点分段序贯检测和单节点序贯检测可以有效缩短检测时间。分析分簇数对所提算法系统综合性能的影响,结果表明信噪比越低,选择分簇数越大,越能降低检测时间。     

基于贝叶斯预测密度的弱匹配追踪频谱检测

针对在低信噪比、观测点数较少情况下稀疏度的欠估计问题,提出了一种基于贝叶斯预测密度的弱匹配追踪频谱检测算法.该算法利用贝叶斯预测密度理论推导出罚函数,然后引入弱匹配策略于CoSaMP算法,提高频谱支撑集估计性能,且减弱受稀疏度估计准确度的影响.仿真结果表明,当信噪比高于3 dB时,利用400个观测样本该算法就能获得90％以上的频谱检测概率,宽带频谱感知性能优于已有算法.     

改进自适应双门限协作频谱感知算法

频谱感知是认知无线电领域的关键技术之一,得到了众多学者广泛深入的研究。在低信噪比情况下,传统双门限算法阈值门限固定不变导致检测效果较差,针对该问题,提出一种自适应双门限协作频谱感知算法,通过计算各节点信噪比得到权值,调整判决门限,将当前判决结果与前后时刻充分联系,融合各节点判决信息得到最终判决结果,理论分析和仿真结果表明,相较于传统双门限和加权双门限检测算法,本文提出的算法具有更好的检测效果。     

基于信噪比估计的自适应频谱感知算法

针对传统能量检测不能对低信噪比条件下的信号进行准确感知,容易造成误判的缺点。为了提高在低信噪比条件下的频谱感知性能并缩短感知时间,结合循环特征检测具有较高的检测性能和鲁棒性但计算复杂度高的特点,提出了基于信噪比预估计的自适应频谱感知算法。该算法通过预估计待检信号与信道噪声的信噪比,当高于信噪比选择阈值时,采用改进后的自适应门限能量检测,降低运算复杂度;若低于选择阈值则进行循环特征检测,保证良好的检测精度;并可以根据系统对检测精度和感知速率的要求,自适应调整选择阈值的大小。仿真结果表明,所提算法有效的提高了低信噪比条件下频谱感知的准确性,缩短了平均感知时间。     

基于改进型能量检测的加权协作频谱感知算法

针对单节点能量检测法存在的“隐藏终端”和检测准确性低以及协作频谱感知算法大多采用等权重进行数据融合,未考虑不同节点所处的通信环境对检测性能的影响等问题,提出一种基于改进型能量检测的自适应加权协作频谱感知算法。该算法通过对单节点能量检测方法的改进,在单节点检测错误概率最小的条件下,导出了信噪比与判决门限的关系式,利用二分法求得不同信噪比下的动态门限值,得到相应的虚警概率和检测概率,以虚警概率和检测概率的函数作为加权因子进行数据融合。仿真结果表明,所提算法使协作感知系统在低信噪比条件下也能获得可靠的检测性能。     

认知无线电中一种改进的两步协作感知算法

针对同时使用硬合并和软合并的两步协作频谱感知方法在第二步的软融合时仍需向融合中心发送大量不必要数据的问题,引入了接收信噪比估计,提出了一种改进的两步协作感知算法。改进算法在低信噪比情况下使用传统的两步协作检测提升检测性能,在较高信噪比情况下则采用硬融合策略来减少发往融合中心的信息量。仿真结果表明,改进算法和传统的两步协作检测算法相比,能在几乎不损失检测性能的情况下,显著减少不必要的数据传送。     

基于Gerschgorin理论稀疏度估计的宽带频谱感知算法

针对在低信噪比(SNR)情况下稀疏度欠估计和高信噪比情况下稀疏度过估计的问题,提出了一种基于Gerschgorin理论稀疏度估计的宽带频谱感知算法。首先,该算法利用Gerschgorin理论分离信号圆盘与噪声圆盘得到稀疏度估计值;然后,利用正交匹配追踪(OMP)算法得到频谱支撑集;最后,完成宽带频谱感知。仿真结果表明,所提算法、AIC-OMP算法和MDL-OMP算法频谱感知的检测概率达到95%信噪比分别需要4.6 dB、8.5 dB和9.7 dB;所提算法频谱感知的虚警概率在信噪比大于13 dB时趋近于0,明显低于BPD-OMP和GDRI-OMP算法的虚警概率,因此,所提算法对于压缩感知(CS)的信号稀疏度估计兼顾了低信噪比和高信噪比时的稀疏度估计性能,频谱感知性能优于AIC-OMP算法、MDL-OMP算法、BPD-OMP算法和GDRI-OMP算法。     

基于循环平稳检测的WCSN频谱感知算法

在无线认知传感器网络中,感知节点采用能量检测法在低信噪比下检测概率较低,而传统循环平稳检测法复杂度过高。为此,采用一种基于频域简化的单循环平稳检测算法,推导算法虚警概率的闭合表达式,建立检测概率与实际信噪比之间的关系式。理论研究与仿真分析表明,该算法复杂度低于循环平稳检测法,与能量检测法持平,可以满足无线认知传感器网络中对频谱感知的性能要求。     

基于随机矩阵最大特征值分布的频谱感知算法

现有频谱感知算法在低信噪比时检测性能较低且受虚警概率影响大,针对此问题,提出了一种基于wishart矩阵样本协方差矩阵最大特征值的分布特性的频谱感知算法。该算法利用最大特征值与几何平均特征值的比值,不需要主用户的先验知识,不敏感于噪声,对相关信号和独立同分布信号均具有较高的检测性能。仿真结果表明,所提算法受虚警概率的影响较小,检测性能高,并且在采样点数、协作用户数、信噪比及虚警概率较小的情况下,也能获得较好的检测性能。     

认知无线电网络多用户智能协作频谱感知算法

认知无线电网络中,单用户频谱感知容易受到阴影效应、多径衰落及隐蔽终端等不利因素的影响,造成感知结果的误判.为了提高系统的检测性能,并减少感知花销,提出了多用户智能协作频谱感知算法.各个认知用户根据估计信噪比自适应选择不同的感知策略,当估计信噪比高于选择阈值时采用双门限能量感知,低于选择阈值时则采用循环平稳特征检测,并在同一个感知周期内只进行一种较优的感知策略,从而在不明显增加计算复杂度的情况下,克服了能量感知在低信噪比条件下鲁棒性差的缺点,实现了智能检测.仿真结果表明,智能协作频谱感知有效提高了系统检测概率,缩短了平均感知时间,有较好的鲁棒性.     

一种基于最大最小特征值的频谱感知改进算法

针对大多数频谱感知算法在低信噪比下性能不佳的问题,借鉴最大最小特征值算法(MME)提出一种改进算法。该算法对接收信号做差分预处理,再求其统计协方差的最大最小特征值比;最后用数值分析方法,结合聂曼—皮尔逊准则(N-P准则)求出恒虚警概率门限进行判决。蒙特卡洛(Monte Carlo)仿真实验对该算法与MME以及能量检测法的性能进行了比较,在极低信噪比下该算法的性能优于MME,而无论信噪比如何均优于能量检测法。实验表明,改进算法适用于低信噪比下频谱感知。