分布式压缩感知实现宽带频谱感知的方法

频谱感知的第一步就是采集无线信号进行分析,越来越高的采样率成为宽带频谱感知研究中的难点。实际通信中主用户占用频谱具有稀疏特性,符合压缩感知理论的前提条件。因此,本文利用分布式压缩感知实现宽带频谱感知,提出基于差分信号分布式压缩感知（DS_DCS）的加权宽带频谱感知算法。该算法针对宽带频谱采样率高的问题,利用压缩感知技术降低采样率,同时引入差分处理方法降低计算复杂度;又针对单点检测带来的深衰落、隐节点以及抗噪声能力差等问题,采用分布式感知系统进行多节点协同检测并利用信噪比的估计对信号进行加权处理。仿真证明,该算法能有效降低各节点采样率,大幅提高系统检测概率,显著改善系统对噪声的鲁棒性。      

快变信道环境下OFDM频谱感知算法

针对基于慢变信道假设的认知无线电不适合高速移动场景的问题,提出一种基于广义似然比的OFDM频谱感知算法。利用OFDM信号自身相关性得到OFDM检测统计量,通过研究其统计分布特性得到OFDM广义似然比检测统计量,构建快变信道检测模型进行频谱感知。在原算法的基础上,用检测窗口的宽度近似替代检测统计量的方差,得到广义似然比的改进算法。仿真结果表明,两种感知算法在低信噪比、快变信道环境中都具有很高的认知度,而且改进算法对噪声和干扰还具有很好的鲁棒性。     

多径衰落信道下基于循环累积量的调制分类算法

针对多径衰落信道,通过利用各阶循环累积量来对常见单载波信号进行调制分类。首先分析推导了在多径衰落信道下模拟和数字单载波信号一阶、二阶和四阶的循环累积量特征,寻找出不同信号在特定循环累积量下的谱峰特征的区别,最后利用CAFR检测算法通过树形判决完成信号的调制分类。通过理论推导和仿真分析,验证了算法在多径衰落信道下调制分类的可行性和抗噪声性能。算法不需要信号的先验知识,在多径衰落信道下性能鲁棒,适用场合较广。      

基于瑞利多径衰落信道的信号包络频谱感知

为提高信号采样值之间的相关性和降低噪声对感知性能的影响,该文提出基于信号包络自相关矩阵的频谱感知算法。首先对采样信号等间隔时长截取,以相邻间隔的采样值计算信号自相关性,并构造出近似自相关矩阵。其次依据矩阵次对角线元素性质构造了统计量。分别计算了该统计量的检测概率分布函数与虚警概率分布函数,分析了频谱感知算法的检测性能,算法优化了信号相关性的计算,降低了噪声对感知性能的影响。最后通过仿真验证了不同参数对检测概率和虚警概率的影响,并提出了进一步提高检测性能的措施。     

低信噪比条件下基于随机共振的感知方法与性能分析

针对认知网络实际环境中常呈现出噪声高动态变化、低信噪比特征,无法快速准确进行频谱感知的问题,本文将物理学非线性领域中的随机共振理论引入到频谱感知中,提出了一种基于广义随机共振的能量检测算法.该算法引入匹配噪声,通过匹配非线性系统、噪声和信号三者的关系,从而改变能量检测统计量的分布,有效地检测信号的存在性.本文从理论上推导了最佳匹配噪声的表达式,并得到了检测性能、受噪声不确定度的影响、感知时间等方面的重要理论结论.仿真结果验证了理论推导的正确性,表明所提算法能够在信噪比为-20dB等低信噪比条件下较现有能量检测算法提高3dB以上,且具有感知速度快、受噪声不确定度影响小等特点.     

莱斯信道下基于特征值的频谱感知技术

针对衰落环境下频谱利用率的提高,采用了一种基于接收信号自相关矩阵的特征值的检测方法。该方法基于随机矩阵理论,用最大最小特征值作为检验统计量来检测授权用户是否存在,从而改善频谱利用率。将随机产生的BPSK信号和捕获的DTV信号分别作为信号源在莱斯衰落信道下进行信号检测仿真。实验表明与传统能量检测方法的对比,该检测算法在莱斯衰落信道下具有良好的检测性能。     

非高斯背景下基于信号相关性的频谱感知算法

本文研究了一类Laplace非高斯背景噪声下的频谱检测问题,提出一种基于采样信号相关性的多用户协作频谱感知算法.此算法利用接收信号的统计相关性,设计了一种将协作用户统计协方差之和作为检测统计量的频谱检测算法,推导了该检测算法的统计门限、检测概率和虚警概率的闭式表达式.通过蒙特卡罗仿真,分析比较了Laplace非高斯噪声...     

基于循环平稳的多天线渐进最优χ2检测算法

为了提高基于循环平稳感知方法的检测性能,减少深衰落对感知性能的影响,提出了一种基于多天线合并方案的频谱感知算法,即将循环自相关函数和循环谱密度函数进行一种改进的最大增益比合并,并通过渐进最优χ2检测法得出检验统计量。该种算法可以在感知信号和噪声幅值信息未知的情况下对信号的有无进行检测。为了验证提出方法的正确性,以BPSK信号为例对提出的算法进行仿真检验,仿真结果表明多天线感知算法的性能优于单天线感知,减少了深衰落对接收信号的影响。     

基于随机森林和高阶累积量的频谱感知研究

频谱感知技术是认知无线电系统实现高效安全运作的关键技术之一,面对软件无线电多元发展需求,频谱感知技术需要获取更多的空间电磁情况.文中提出了一种基于高阶累积量和随机森林算法的频谱感知方法,通过提取接收信号高阶累积量特征,减少信号传播过程中的多径干扰和噪声干扰,离线训练分类信号,得到可以高效感知接收信号调制类型的随机森林模...     

基于广义二阶循环统计量的通信信号调制识别研究

针对传统的二阶循环统计量在Alpha稳定分布噪声中显著退化的问题,提出了广义二阶循环统计量的概念。在研究了所选通信信号的广义二阶循环统计量的基础上,提取信号广义二阶循环谱中特定频率和循环频率处的幅值作为特征参量,采用最小误差准则作为分类器算法,实现信号调制方式识别。仿真结果表明,在Alpha稳定分布噪声背景下该方法性能优于传统二阶循环统计量的方法,且在高斯噪声背景下也具有良好的性能。     

一种基于随机共振增强的协方差矩阵频谱感知算法

为了在避免对主用户系统产生有害干扰的同时 提高频谱利用效率,要求认知无线电系统的频谱感知算法能在极低的信噪比下快速检测出主用户信号。由于可以避免能量检测面临的噪声不确定性问题,基于协方差矩阵的检测算法是一种有效的盲频谱感知算法。为了进一步提高极低信噪比下的性能,本文提出了一种基于随机共振的协方差矩阵频谱感知算法。该算法通过在接收信号中加入优化的特定信号,利用随机共振原理,增大有无主用户信号下的检测统计量概率分布函数的分离度,提高频谱感知的性能。仿真结果表明,相对于现有的协方差矩阵频谱感知算法 ,在相同的虚警概率下,所提算法可以显著提高极低信噪比下的检测概率,同时大幅度缩减检测时间。      

一种基于PN累积自相关的DTMB频谱感知新算法

针对数字电视地面广播传输标准(DTMB)的频谱感知问题,提出了一种新的基于DTMB信号帧中伪随机(PN)序列累积自相关的频谱感知算法。所提算法的创新性在于通过联合多个不同相关间隔的累积自相关结果作为频谱感知的检验统计量,充分利用了有限频谱感知时间内的信号信息。仿真结果表明,当把感知时间设为50 ms时,为了确保频谱感知检测的虚警概率和漏验概率都低于0.01,针对DTMB信号的3种帧头模式,所提算法所需的信噪比分别为-20.5 dB、-21 dB和-22 dB,优于已有的频谱感知算法。此外,仿真结果还表明载波频偏和多径衰落对所提算法的性能几乎没有影响。     

基于随机矩阵理论的非重构宽带压缩频谱感知方法

该文采用随机矩阵理论(RMT)直接对压缩采样得到的观测数据进行分析,设计出了一种基于广义似然比检验(GLRT)的非重构宽带压缩频谱感知新算法。该算法无需任何先验知识就能对宽带频谱中的每个子带进行盲检测。此外,为了减轻次用户(SU)在数据获取和频谱感知过程中的通信开销,该文提出一种基于传感器节点(SN)辅助感知的合作频谱感知架构。理论分析和仿真结果均表明,与传统基于信号重构的GLRT感知算法以及Roy最大根检测(RLRT)算法相比,该算法不仅具有计算复杂度低、开销小、感知性能稳定等诸多优点;而且只需较少的SN就能获得较好的检测性能。     

基于行列式之差的频谱盲感知算法

为了提高频谱感知性能,提出一种基于自相关矩阵行列式的频谱感知新方法,通过授权信号与噪声信号行列式的不同构建统计量。该方法无需信号先验信息、噪声功率信息与精确同步,是一种适用性更强的盲感知算法。仿真表明,与能量检测算法相比,该方法能够取得更好的检测率,且具有复杂度低、不受噪声不确定性影响等优点。     

基于功率谱分段对消频谱感知算法研究及性能分析

在实用的认知无线电系统中,频谱感知技术必须具备在噪声电平高动态变化和无线信道严重衰落电磁背景下,进行实时盲频谱感知的能力,这为经典的频谱感知算法带来巨大的挑战。该文提出的功率谱分段对消频谱感知算法,依据傅里叶变换的渐进正态性和相互独立性,计算出功率谱的统计特性,利用监测频带内部分谱线强度和与全部谱线强度和的比值作为检验统计量进行信号存在性的判断。该文推导了算法的虚警概率和不同信道模型下正确检测概率的数学表达式,并依据Neyman-Pearson准则得到判决门限的闭式表达式。理论分析和仿真结果均表明:功率谱分段对消频谱感知算法对噪声不确定度具有鲁棒性;固定信噪比,算法的频谱感知性能不受噪声电平改变的影响;应用于高斯白噪声和平坦慢衰落信道中,可在较宽的信噪比范围内获得较优越的频谱感知性能;算法计算复杂度低,可在微秒级时长内完成频谱感知。     

基于证据理论和信号特征的DTMB信号合作感知算法

本文以我国具有完整自主知识产权的DTMB标准为基础,研究了利用信号特征提取和证据理论的高效频谱感知算法.DTMB信号是统计平稳信号,各感知节点采用基于信号特征的检测算法,给出基于证据理论的合作频谱认知算法的证据提取,并将证据传送给控制中心,由控制中心利用加权D S合成规则进行融合,给出授权节点信号是否存在的结论.仿真结果证明,该融合算法能够实现对DTMB信号的高效认知.     

利用功率谱最大最小值的频谱感知算法

为了提高频谱感知性能,首先利用功率谱函数特性和瑞利熵概念,从理论上分析了基于功率谱的频谱感知算法原理,提出一种以功率谱的最大最小值之差作为检测统计量的频谱感知新算法;然后推导给出了检测门限和检测概率表达式;最后给出了仿真结果。理论分析和仿真结果表明,在AWGN信道和Rayleigh衰落信道中本文算法都具有良好的检测性能,性能优于已有的利用功率谱的频谱感知算法,该算法不需要主用户信息,不用进行复杂的特征值分解,当虚警概率确定时,检测门限能准确给出。      

高斯混合噪声环境中基于分数低阶矩的频谱感知算法研究

传统的频谱感知算法因非高斯噪声的干扰,其检测性能严重退化。为抑制实际通信环境中非高斯噪声的干扰,本文提出了一种基于分数低阶矩的空闲频谱检测方法,该方法不需要主用户信号、通信信道和噪声的先验信息。本文采用高斯混合分布拟合非高斯噪声环境,根据中心极限定理及广义二项式定理推导出信道为无衰落和Nakagami衰落时基于分数低阶矩感知算法的检测概率和虚警概率。理论分析和仿真结果表明,在非高斯噪声环境中,基于分数低阶矩感知算法的检测性能明显优于传统的能量检测算法,且采用多天线技术有助于进一步提高感知性能和频率资源的利用率。      

基于二阶循环累积量的多载波信号频谱检测

针对认知无线电系统中多载波信号OFDM/OQAM进行循环谱特征检测预处理要求严格的问题,提出一种以二阶循环累积量的循环频率为特征,结合循环平稳性检测的频谱感知改进算法.算法无需各种参数估计以及同步等预处理过程,理论推导及仿真结果证明,该算法能够实现低信噪比下主用户信号的有效感知,且相比于能量检测法能达到更好的检测性能.     

基于无线麦克风信号的频谱压缩感知算法

频谱感知是认知无线电网络中的关键技术之一。快速傅里叶采样算法作为压缩感知算法的一种,可用于稀疏信号的频谱感知。文章研究了无线麦克风信号频谱的特殊性,并从频谱感知角度分析了快速傅里叶采样算法的应用。通过对比,对于大信号,快速傅里叶采样算法能在达到频谱感知性能需求的情况下,以较快的时间重构出无线麦克风信号的频谱。