宽频信号能量检测最优判决门限

针对宽频带信号能量检测的性能主要受到虚警概率和漏检概率的影响,提出从其判决门限的选取入手,对一定频谱环境下的检测算法性能是否可以达到指标要求做出分析,研究了门限设置对虚警概率和漏检概率的影响. 通过数学推导得到了宽频带信号能量检测最小代价门限的闭式解,并给出了其最优判决门限的选取准则,即根据不同的时域观测时长选取不同的判决门限. 仿真结果验证了所提出结论的正确性.     

一种认知无线电联合检测算法的改进

为了改进在不同信噪比情况下多个认知用户联合检测的性能,在已提出的两个用户基于能量检测的联合检测算法基础上,提出了具有分组思想的多用户基于能量检测的联合检测算法。根据接收信号能量对各组用户的判决门限进行调整,提高各组的联合检测概率,以此提高整体的联合检测概率。通过实验仿真,表明本文所提出的多用户联合检测算法,能够提高联合检测性能。     

干扰系统先验信息未知的宽带能量检测

为了使感知无线电在宽带频谱中对干扰系统先验信息未知的信号进行能量检测时获得更好的检测性能,建立了一个基于采样的宽带频谱模型并且推导出了基于最小错判率准则的判决门限闭式解.仿真结果表明,在宽带信号能量检测中采用最小错判率准则比使用传统窄带信号能量检测判决准则能在干扰系统先验信息未知的情况下获得更好的信号检测性能.     

判决相关条件下联合频谱检测的性能分析

为了改善认知无线电中感知用户(未授权)对主用户弱信号的检测性能,采用多个感知用户合作的联合最优门限判决算法.在考虑参与联合检测的各感知用户判决门限具有相关性的条件下,通过理论分析和软件仿真,表明联合检测算法随着参与检测用户数目的增加,能够改善对主用户弱信号的检测性能.在融合中心虚警概率恒定的条件下,与给定各判决门限和系统融合准则的算法相比较,联合最优门限判决算法性能更好.但因各感知用户判决门限具有相关性,系统检测性能比各感知用户判决独立条件下有一定损失.     

认知无线电中时频分离的联合频谱检测方法

认知无线电是解决频谱由于利用率不高而导致资源紧张的问题。文章以现有的能量检测方法和循环平稳检测方法为基础,提出了一种以频谱集合为基础的新型联合检测方法。该方法首先对能量检测进行了噪声修正,其次对频谱以所处时间和判决结果进行分级处理,对不同集合中的频谱资源依据其环境和上一时间段的判决结果采用不同的判决方法进行判决。文章给出了联合检测的方法模型,并与能量检测和循环平稳检测在检测正确率和运算时间上进行了比较,给出了比较函数。通过仿真验证了理论结果,表明联合检测能有效提高认知用户在频谱检测的正确概率并减少运算时间,在频谱数量较多和检测时间较长时,效果更加显著。     

适用于无静默期的双门限频谱检测算法

针对传统的能量检测需要静默期且低信噪比下检测概率不高的问题,提出适用于无静默期的双门限频谱检测算法。利用OFDM信号循环前缀的特征消除认知用户干扰,以构建无静默期的能量检测;设置优化门限与固定门限,通过比较二者大小,提出高信噪比下使用优化门限的能量检测方法以及低信噪比下结合能量检测与循环平稳特征检测的联合频谱检测方法,消除静默期,以提高低信噪比下的检测概率。数值分析表明,与传统能量检测算法相比,该算法在低信噪比下的检测概率提高15%~30%,同时在高信噪比下的虚警概率降低5%。     

一种新的具有恒虚警概率的PN码自适应盲捕获方法

提出了一种具有恒虚警概率的串行搜索伪随机码自适应盲捕获方法，该方法不需要借助于导频信号，利用相关解扩前和相关解扩后的信号功率之比作专判决统计量，根据判决统计量的概率密度函数的特性得到与信号功率和噪声、干扰功率无关的判决门限，从而实现了具有恒虚警概率的自适应捕获，对白色噪声环境下无衰落和瑞利衰落的情况下的检测性能进行了理论分析和仿真，结果表明所得出的方法实现了具有恒虚警概率的自适应盲捕获。     

基于似然比检验的STAP检测器及其性能分析

基于STAP雷达的信号模型,通过对似然比检验量的推导,得到了似然比检验关系,在此基础上构建了STAP检测器,并在高斯噪声输入的假设下,得出了虚警概率和检测概率与检测门限的关系,以及在给定虚警概率条件下的判决门限。仿真结果验证了理论分析的正确性,以及该检测器具有良好的检测性能。     

相同概率情况下的分布式检测融合分析

分布式检测融合可以提高检测网络节点的整体检测性能,然而简单地采用某种判决融合方式并不能保证得到最佳的判决结果,必须结合具体的单个节点的检测概率和虚警概率及节点数量采取相应的融合规则. 通过对各节点在相同的检测概率或虚警概率的情况进行分析,得出分布式检测融合判决规则的性质和适用的条件. 最后通过具体的实例表明利用这些性质选择合适的融合规则能够实现提高检测概率,降低虚警概率的目的.     

补0的TD-AltBOC多信号分量联合捕获方法

针对TD-Alt BOC导频路和数据路码片时分复用,四信号分量码相位相同的特点,提出了补0的TD-Alt BOC多信号分量联合捕获方法。该方法通过将本地复制的TD-Alt BOC信号奇数和偶数码片伪随机码分别补0消除相邻码片数据跳变造成的相关峰损失,将4个信号分量的相关值进行多种相干组合,选取最优的相干组合相关值作为最终的统计判决量,解决了传统的单信号分量捕获方法损失信号能量的问题。从理论上分析了TD-Alt BOC信号码片时分复用对传统FFT捕获方法性能的影响,推导了所提出方法的虚警概率和检测概率表达式。理论和仿真结果表明:所提出的方法比传统FFT方法和GPS L2C CM码单信号分量捕获方法提高捕获灵敏度3~6 dB,降低平均捕获时间5%~35%,当载噪比为38 dB-Hz,虚警概率为0.1%时,检测概率可达80%。     

低信噪比下基于双检测长度的频谱感知算法

针对现有认知网络中低信噪比条件下频谱感知性能差、速度慢的问题,提出了一种基于双检测长度的感知算法．该算法先进行一次短数据长度能量检测,当第1次判决主用户不存在时,再进行第2次长数据长度能量检测,并作出最终的感知判决．从理论上推导了平均样本数、检测性能、算法复杂度等重要性质．基于matlab的仿真结果验证了理论推导的正确性,表明所提算法在低信噪比条件下,在感知性能较传统能量检测算法有所提升的同时,具有更少的平均样本数和更低算法复杂度的特点,并有望应用于未来实际认知网络中．     

基于能量和小波变换的双门限联合频谱感知

传统的能量感知算法对噪声比较敏感,在较低的信噪比条件下检测准确性易受到影响,循环特征检测法计算复杂度偏高,为此提出了基于能量检测和小波变换(WT)感知的双门限联合检测算法.该算法对双门限区间以外的区域采用能量检测进行判定,双门限范围内的不确定区域进行小波感知,并根据信道中噪声不确定性自适应调整双门限值,当信道质量较好时,减小两门限之间的距离,否则增大两门限之间的距离,从而控制进行小波感知的概率.仿真结果表明,此算法有效地提高了低信噪比条件下系统的检测性能,降低了算法的复杂度.     

认知无线电中一种双门限能量检测算法

针对传统能量检测法在信噪比较低时,容易出现漏检而使系统的检测性能下降的问题,提出了一种双门限能量检测法,利用双门限对统计量进行判决,若统计量落在双门限以外,直接做出判决,若统计量落在双门限之间,则根据循环特征检测重新计算统计量,再做出进一步判决。对高斯白噪声信道下双门限能量检测法进行了理论分析和仿真研究,仿真结果表明,双门限能量检测算法在低信噪比的情况下,检测性能明显优于传统能量检测法。     

多分辨率损伤检测结果的最大联合概率融合算法

针对大型复杂结构分布式损伤检测系统中的多种损伤检测方法的检测结果融合问题，提出了最大联合概率（MJP）决策融合法.通过分析子损伤检测方法的检测概率与最终损伤检测结果正确概率的关系，根据贝叶斯决策原理得出了形式简单的MJP决策融合准则，并通过分析子损伤检测方法所得损伤状态的从属关系，将MJP决策融合准则推广应用于有无损伤、损伤区域、损伤程度等不同精细程度等级上的多个损伤检测结果融合.算例分析表明MJP决策融合算法适用范围广，可大幅提高最终损伤检测结果的正确概率.由该算法得出的子损伤检测结果正确概率和子损伤检测结果个数等参数对最终检测结果正确概率的影响规律，为分布式结构损伤检测系统的设计提供了依据.     

Sequence detection data fusion with distributed multisensor

o-Inarentyeaxstherehasbeenanincmeinginterestindistributalsemersystem,heauseofthedevloPmentofndlitaIysurveillanesystem,intelligencerohaandau-toInaIhationofpeduchonPmeess.Becauseoftheincrm-ingnedrofsensors,andthecorreationPIDCessingofsensodata,andotherfactorssuchascost,reliability'suwivability,andfinitebandwidth,theqUeshonofdis-tributedseqUencedetectionandthecormSPOwhnginforYna-tionprocessinghasbeenpropounded.Inthedatafusioncenterofthedistributeddetectionsystem,onlythedeteC-tiondata(btw-va…     

基于虚警可控梯度提升树的海面小目标检测

高维特征检测是提升海面小目标探测性能的一种有效途径,其主要难点在于高维空间分类器设计.本文提出一种基于虚警可控梯度提升树(Gradient Boosting Decision Tree, GBDT)的特征检测方法.首先,从一维长时观测向量中,提取时域、频域、时频域等多个特征,构建高维特征向量,从而将检测问题转换为二分类问题.其次,通过仿真含目标回波,解决两类训练样本非均衡的问题.然后,引入GBDT算法,将高维特征向量凝聚为一维概率预测值,并以预测值作为检测统计量,解决二分类器难以控制虚警的问题.最后,采用IPIX实测数据验证,结果表明：本文所提的检测器充分利用了高维特征的全部信息,性能平均提升13%以上.     

一种基于信任度的频谱感知数据融合算法

为了在有恶意节点的情况下提高频谱的检测概率,并用更少的样本数来达到判决门限,提出一种基于正确判断能力的改进加权序贯频谱检测算法。该方法通过节点的正确判断能力对各个节点的似然比加权一个更优的系数,能够识别恶意节点并且利用恶意节点发送的数据。仿真结果表明,新算法能够在较少样本数的情况下获取较高的检测概率。     

基于最小误检概率的最优感知用户数目优化算法

频谱感知是认知无线电系统的关键技术之一,协作频谱感知能够提高频谱感知性能。首先定义了修正后的误检概率,然后以能量检测为基础,推导了在不同判决门限下为使误检概率达到最小的最优感知用户数目,并根据最优感知用户数目进行协作频谱感知。仿真结果表明,与传统的K秩准则相比,文章所提算法能够有效提高感知性能。