基于认知无线电的煤矿井下频谱感知技术的研究

对认知无线电的频谱感知技术进行分析,同时结合煤矿巷道环境特点提出煤矿巷道认知无线电感知模型.提出的单节点采用能量检测和循环平稳特征检测联合算法,既弥补了能量检测在低信噪比下检测概率低的缺点,又改善了循环平稳特征检测需要较长时间的问题.     

认知无线电的频谱感知技术研究

认知无线电技术接入灵活,能够大大提高频谱的利用率,被认为是当前解决频带使用拥挤的最佳方案。认知无线电是一种可以感知周围通信环境来改变发射机在特定的参数上实时改变的智能通信系统。它采用动态频谱管理来提高频谱利用率,高可靠性的频谱感知是实现频谱共享的关键技术,对频谱感知技术的匹配滤波器检测、能量检测、静态循环特征检测和合作检测等进行了讨论,并分析了各种方法的特点和性能。     

瑞利信道中自适应双门限频谱感知算法研究

频谱感知是认知无线电中的一项关键技术,能量检测、匹配滤波器检测和周期循环频谱检测是认知无线电中频谱感知技术中传统、经典的算法.基于能量检测的频谱感知算法因实现简单且不需要先验信息而被广泛应用,但低信噪比的情况下检测概率会降低,用户的检测性能不足,从而导致认知用户和主用户之间的冲突碰撞次数增多.针对以上存在的问题,在基于自适应频谱感知的基础上,利用噪声功率估计,提出了一种瑞利信道下的自适应双门限频谱感知算法.仿真结果表明,在低信噪比噪声不确定的情况下,这种算法能够大大提高检测概率,有效降低了认知用户和主用户之间的冲突碰撞次数,从而提高频谱的利用率.     

一种基于能量检测的协作式频谱感知算法

为提高认知无线电系统中频谱检测的可靠性,提出了一种基于能量检测的协作式频谱感知算法。利用授权用户的状态在相邻感知帧之间变化的概率小这一特性,通过将当前感知帧的能量值与相邻值相结合来判断授权用户状态,这样当授权用户使用授权频段时,所提算法能有效减小采样信号能量值骤减时发生误判的概率。另外给出了所提算法检测概率和虚警概率的闭式表达式。理论分析和仿真结果表明,所提算法比传统的协作式频谱检测算法检测性能好。     

认知车载网的频谱感知性能分析

认知车载网中不同的衰落传播信道会影响频谱感知的性能.为了描述不同信道下的频谱感知性能,分析了加性高斯白噪声信道、瑞利衰落信道和Nakagami-m衰落信道条件下的频谱感知单用户能量检测概率和协作能量检测概率,重点是Nakagami-m衰落信道、检测衰落因子、次用户的数量和信噪比这几个参数对协作频谱感知性能的影响.仿真结果表明,通过对不同信道特性的准确了解能够帮助车辆在不同衰落信道环境下提高频谱的检测概率.     

基于能量和循环平稳检测的双门限两层感知算法

针对传统能量检测法容易受到噪声干扰、循环平稳检测法计算复杂度高的问题,提出了一种基于能量检测和循环平稳检测的双门限两层感知算法。利用双门限能量检测法对接收信号进行第一层检测,对于能量统计值落入双门限之间的信号,采用循环平稳检测法进行第二层检测。通过对传统能量检测法、循环平稳检测法和文中双门限两层感知算法的检测性能和复杂度进行仿真对比,结果显示在相同检测概率情况下,文中方法相较前两种方法,信噪比分别提升了2 dB和1 dB,虚警率分别降低了0.18和0.1,验证了双门限两层感知算法的有效性和可靠性。     

频谱感知技术在短波通信中的应用

为了提高短波通信的频谱利用率,需要对短波频谱进行实时准确的频谱感知.针对短波信道特点,对几种频谱感知方法能否适用于短波通信系统进行了分析.结合国内外军用认知无线电的发展,并充分利用能量检测速度快、循环谱特征检测精度高的优点,提出了一种能量和循环谱特征联合检测的方法,并给出了基于感知技术的短波电台的基本架构,为缓解短波信道资源紧张提供了一条途径.     

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。      

基于人工神经网络的认知无线电频谱感知研究

认知无线电是一种新的智能无线通信技术,通过感知周围环境特征,并采用构建理解的方法进行学习。频谱感知技术是认知无线电系统设计的重要组成部分,本文提出了基于人工神经网络（ANN）算法的认知无线电感知技术。由于单用户检测存在检测精度不高的问题,本文通过采用ANN的自主学习能力设计频谱检测分类器,对以往分类器所收集的环境信息进行学习和储存,从而对以后感知新的环境时起到先验信息的作用,能快速准确地判决出主用户的存在与否。通过与能量检测和循环平稳检测对不同调制方式信号进行信号识别仿真实验可以看出,相比原有的单用户频谱检测技术,ANN具有更高的有效性和可靠性。     

一种多天线智能谱感知方法研究

频谱感知和多天线分集合并技术是目前无线通信研究的热点.为了在复杂的信道衰落环境下实施有效的检测,融合多种检测方法是目前频谱感知技术的发展趋势.提出了一种基于匹配滤波器检测、能量检测和循环平稳检测的多天线合并智能频谱感知算法.通过建立高斯信道下二元假设检验模型,得出了总检测概率的封闭表达式.各种条件下的检测概率和检测时间的接收机工作特性(Receiver Operating Characteristic,ROC)实验结果表明所提算法优于单天线的性能,有效地利用了分集技术并减小了信号瞬时波动,保证在衰落信道条件下也能得到较高的检测概率.这对发展新型频谱感知技术,促进认知无线电技术应用具有重要意义.