基于D—S理论的双门限频谱感知算法研究

针对传统双门限频谱感知算法不能充分利用2个门限之间感知用户信息的问题,提出了一种基于D-S理论的双门限频谱感知算法。当感知用户接收到的信号能量介于2个门限之间时,该算法不直接给出判决结果,而是进行本地判决,即采用D-S理论进行数据融合。仿真结果表明,与传统双门限频谱感知算法相比,基于D-S理论的双门限频谱感知算法的检测概率较高,提高了整体的频谱感知性能。     

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。     

一种基于信任度分簇处理协作感知算法

针对恶劣环境下能量感知算法感知性能差的问题, 提出了一种基于信任度分簇处理协作感知算法。在双门限能量检查算法基础上给出一种由采样信号均值、信噪比、采样信号相对误差组成的新信任度系数;并根据新信任度系数对双门限之间认知节点可靠性进行评定、修正后参与传统单门限能量感知得到本地感知结果;同时为不同可靠度认知节点对协作感知判决分配不同贡献,给出由采样信号方差和信噪比方差组成新权重值加权协作判决。实验仿真表明,本文算法感知性能较传统双门限协作感知算法和信任度加权融合算法有一定改善。     

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。     

基于双门限和证据理论的合作频谱感知算法

从提高合作频谱感知结果的可靠性以及减小网络开销和融合中心计算负担的角度出发,提出了一种新的基于双门限和证据理论的合作频谱感知算法。该算法在进行本地感知的时候,认知用户通过双门限能量检测直接得到本地判决结果,将认知用户感知到的能量值在两个门限之间的未能进行本地判决的结果的信任度函数发送给融合中心,这样大大减少了融合中心利用证据理论进行软融合的计算量以及传输感知结果带来的网络开销。理论分析和仿真表明,提出算法的检测概率比其他检测算法的检测概率性能提升30%,其接收机操作性能曲线（ROC）性能比性能较好的D-S证据理论提升3%。     

基于双门限能量检测的认知车联网协作频谱感知

为了解决认知车联网环境下无线频谱资源短缺的问题,提出一种基于双门限能量检测的认知车联网协作频谱感知方法。该方法在单门限值的基础上引入范围内车辆数改进为双门限值,设置双门限中间部分为不判决区域,舍弃了受到噪声严重干扰而落在不判决区域的车辆次用户本地判决结果,达到增加次用户频谱感知成功率的目的,从而提高频谱利用率。仿真实验结果证明,提出的频谱感知方法可以在不同车辆密度、信噪比条件下有效提高频谱检测概率。     

基于多融合准则的双门限协作频谱感知算法

认知无线网络中,现有协作频谱感知技术未考虑根据感知用户的可靠性程度,对其判决结果采用不同的融合策略。针对上述问题,提出了一种新的基于多融合准则的双门限协作频谱感知算法。该算法以双门限协作检测为基础,根据感知用户判决结果的可靠程度不同,采用AND准则和OR准则相结合的判决方法,对参与感知的用户判决结果进行分类融合。理论分析和仿真结果表明,该算法与协作频谱感知算法相比,能够显著改善认知无线网络的频谱感知性能。     

基于小波去噪的联合频谱感知优化算法

传统的能量检测算法由于受到噪声不确定性的影响,在信噪比较低时检测精度差,理论上较优的循环平稳特征频谱感知算法的计算复杂度偏高。因此,在传统能量检测算法基础上结合小波阈值去噪和差分能量检测模型,提出一种优化的双门限联合检测算法。使用能量检测法来判断双门限区间之外的区域,双门限阈值内的不确定性区域使用小波阈值去噪重构后做差分能量检测,并根据信道实时状态动态地调整双阈值。当信道质量较差时,增大双门限之间的距离,否则缩短双门限之间的距离,从而提高频谱检测效率。通过仿真对比得知,该算法有效地提高了噪声不确定性影响下频谱感知的准确性,并且降低了感知算法的计算复杂度。     

基于双门限的新型协作频谱感知算法

针对传统认知无线电双门限能量感知算法在可靠性和带宽受限上存在的不足,提出一种基于两比特硬合并的新型双门限协作频谱感知算法。该算法同时利用了认知用户的单比特局部判决结果和解决感知失败问题的两比特局部判决结果两种信息,并由融合中心结合两种局部判决信息做出最终判决从而确定主用户存在与否。仿真结果表明,与传统双门限算法相比,该算法仅以平均感知比特位略微提高为代价(感知失败概率较低时大约平均提高1%),不仅消除了感知失败问题,而且显著提高了感知性能(虚警概率较低时最大可提高21%)。     

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。     

基于无线环境图信息辅助的多循环频率协作频谱感知方法

针对频谱感知中单循环频率检测不能充分利用信号循环谱信息的缺点,本文提出一种基于无线环境图(radio environment map,REM)信息辅助的多循环频率协作频谱感知方法.本文方法第1步在多个认知用户处分别选取多个相同的循环频率进行循环平稳检测,选取谱相关函数幅度作为检测统计量,根据推导的判决门限公式设定恒虚警...     

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。     

基于门限动态调整的最优协作检测方法

为提高协作频谱感知的检测效率、减少系统的反馈开销,提出一种基于门限动态调整的最优协作检测方法。在单节点检测错误概率最小的情况下,导出能量检测中门限值与信噪比的关系表达式,利用二分法求得不同信噪比下的动态门限值。根据系统恒虚警率和恒检测率计算最优协作用户数,并与动态门限值相结合得到系统检测错误概率。仿真结果表明,该方法协作检测概率较高,检测错误概率较低。     

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。     

基于可信度的加权协作频谱检测算法

协作频谱检测技术可以有效解决认知无线网络本地检测存在的信道衰落、隐藏终端等问题。论文研究了加权协作频谱检测技术,提出一种基于可信度的协作频谱检测算法。每个感知节点基于最大最小值特征值检测完成本地频谱检测,并与融合中心的全局检测结果进行比较估计各自感知节点的频谱检测可信度;融合中心利用切尾平均法计算参与频谱协作检测的可信度门限,并选择可信度大于门限的感知节点参与协作频谱检测。该算法有效降低了认知网络协作检测的复杂性,提高了频谱检测性能,在噪声波动环境下具有良好的鲁棒性。仿真结果表明,算法频谱检测性能要优于其它加权算法1~3 dB,节省系统开销43.75%左右。     

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.