基于信噪比墙的协作能量检测算法

认知无线电技术可有效地检测到授权频段的频谱空洞,从而提高频谱效率.能量检测由于不需要授权用户的先验信息而被广泛应用.然而由于接收的噪声存在不确定性,使得在信噪比低于某一闸值时,无论观测时间多长,都无法保证检测结果满足要求的检测性能,这一闸值被称作“信噪比墙”.本文通过信噪比墙这一现象进行分析,同时由于协作感知算法在确定噪声下在提高检测性能方便表现出的优势,提出一种基于信噪比墙的协作能量检测算法,通过仿真结果分析,表明本文算法在检测性能和节能上较已有的协作算法具有优势.     

噪声功率不确定下协同频谱感知最优融合算法

研究了噪声功率波动性对单点和协同频谱感知性能地影响。分析了在此环境下,单点基站的检测概率与采样点个数的关系,并得出当信噪比不小于噪声功率波动系数的两倍时,基站仍可正常检测。在协同网络中,给出了此环境下数据融合方法的最优权重设定。理论分析与实验表明,相比于传统方法,文中所提最优数据融合算法在各种信噪比环境下性能均较优,尤其在各基站信噪比差异较大时,性能更为显著。     

基于能量检测与Sevcik分形维数的协作频谱感知算法

在认知无线网络中,针对单节点频谱感知易受到噪声不确定性的影响和传统的能量检测法在高噪声功率场景中检测性能较差等问题,根据Sevcik分形维数(Sevcik fractal dimension, SFD)对噪声不敏感、能够区分信号与噪声波形的特点,提出一种将自适应门限的能量检测法与SFD相结合的协作频谱感知方法.通过能量检测法对接收信号进行检测判决,然后由SFD对判定为主用户不存在的信号进行复检,并将所有检测结果进行K秩融合,根据融合结果得出最终判决.仿真结果表明,本文提出的频谱感知方法对噪声不敏感,在低信噪比下的检测性能得到显著提高.     

基于FHT似然比检验的CRN协作频谱感知方案

针对认知无线电网络中由于噪声功率不确定性而影响频谱检测性能的问题,提出了一种基于模糊似然比检验的协作频谱检测方法。首先,将每个次用户(SU)中的噪声不确定性均建模为模糊假设检验(FHT);然后,在FHT上利用似然比检验构建带有阈值的模糊能量检测器,该阈值依赖于噪声功率不确定性边界;最后,在融合中心结合SU的局部硬决策并做出最终决策,从而检测主用户是否存在。通过Monte Carlo模拟受试者ROC曲线及检测概率/SNR曲线验证了本文方法的有效性,仿真结果表明,相比其他几种较新的能量检测器,本文方法获得了更好的检测性能。     

基于证据折扣优化DSmT的协同频谱感知器

协同频谱感知器通过充分利用多个认知无线电用户的空间分集增益,对抗单用户深度衰落和阴影效应问题,降低了感知系统对本地感知用户的灵敏度要求,减少由于单用户检测不确定性带来的系统误判。利用D-S方法进行协同频谱感知,通过在本地提取置信指派,再上传至融合中心进行证据推理与判决,占用较窄的控制信道带宽,达到优于传统方法的检测性能,如“或”、“与”和“最优融合”感知方法。但低信噪用户带来的冲突数据会限制D-S方法性能,使其信噪鲁棒性较差。本文首先定义感知用户基本置信指派函数,基于DSmT提出证据折扣优化 DSmT协同频谱感知器。该感知器根据不同认知用户数据的可靠性,对其置信指派函数进行折扣,加强高可靠性数据对融合结果的贡献,降低不可靠数据对融合结果的干扰,有效解决冲突数据下的协同频谱感知信息融合问题。仿真结果表明,证据折扣优化DSmT协同频谱感知器具有良好的检测性能和信噪比鲁棒性。      

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.     

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.     

Fundamental Limitations on Pilot-based Spectrum Sensing at Very Low SNR

Spectrum sensing is one of the most challenging issues of Cognitive Radio communications. The possibility of extremely low signal-to-noise ratio (SNR) of the received signal poses a fundamental challenge to spectrum sensing. In this paper, pilot-based spectrum sensing for OFDM signals is investigated. It is shown that the existing pilot-based OFDM spectrum sensing algorithms suffer from the frequency offset between the transmitter and sensing devices, as well as the noise uncertainty in the sensing threshold design. We consequently propose a robust pilot-based spectrum sensing algorithm for low SNR OFDM signals using a sliding frequency correlator. The proposed algorithm processes additional bandwidth to eliminate the impact of frequency offset. In addition, considering the unknown noise statistics and its time-varying nature, a ratio threshold which is not sensitive to the noise power level is derived for spectrum sensing. Our theoretical analysis and simulation results show that this algorithm can achieve exceptionally good sensing performance at very low SNR, while being insensitive to time and frequency offsets and requiring no information of the noise statistics.     

Reducing the effects of the noise uncertainty in energy detectors for cognitive radio networks

Because of its ease of implementation and minimum requirements about the primary signals' information, energy detection is broadly considered for signal detection in spectrum sensing algorithms. However, the noise uncertainty phenomenon, caused by the random variations in the noise power, degrades the performance of an energy detector, particularly when the signal‐to‐noise ratio (SNR) is low. In this work, we propose to reduce the negative effects of the noise uncertainty in the performance of an energy detector by dynamically adapting its detection threshold to the noise conditions experienced at each sensing epoch. The noise power is estimated from the received signal samples using an algorithm based on a high‐pass filters bank and median filtering. With our proposal, it is possible to maintain a constant and low false alarm rate in the presence of noise uncertainty, without increasing the probability of misdetection, even in the low SNR regime, and without increasing the number of samples considered for spectrum sensing. Copyright © 2014 John Wiley & Sons, Ltd.     

利用功率谱极值和几何平均的频谱感知算法

为了提高基于功率谱的频谱感知算法抗噪声不确定性、抗频偏及低信噪比下检测性能,本文利用功率谱的部分样本平均估计最大值,以降低信号频偏对频谱感知性能影响;利用功率谱的最大值与最小值之差与功率谱几何平均之比作为判决统计量,以尽可能消除噪声影响及保留主用户信号;推导得到了检测门限表达式,表明该算法对噪声不确定性不敏感。加性高斯白噪声信道和瑞利衰落信道下的仿真结果表明:该算法频谱感知性能优于已有的基于功率谱的频谱感知算法,降低了未知载波频偏和噪声不确定性对频谱感知算法性能的影响,该算法能够有效检测实际信号。      

利用LMS的频谱感知算法

针对低信噪比下的频谱感知问题,提出一种基于最小均方算法(LMS)的不受噪声不确定度影响的频谱感知算法。本文利用LMS算法对原始发送信号的幅度进行实时估计,并以其估计值作为检验统计量,判断主用户是否存在,实现频谱感知。理论和仿真结果均表明,此方法对微弱信号的检测能力较强,且性能明显优于能量检测算法,通过对噪声方差的实时估计,可以有效克服噪声不确定度的影响。      

Robust spectrum sensing under noise uncertainty for spectrum sharing

Spectrum sensing plays an important role in spectrum sharing. Energy detection is generally used because it does not require a priori knowledge of primary user, (PU) signals; however, it is sensitive to noise uncertainty. An order statistics (OS) detector provides inherent protection against nonhomogeneous background signals. However, no analysis has been conducted yet to apply OS detection to spectrum sensing in a wireless channel to solve noise uncertainty. In this paper, we propose a robust spectrum sensing scheme based on generalized order statistics (GOS) and analyze the exact false alarm and detection probabilities under noise uncertainty. From the equation of the exact false alarm probability, the threshold value is calculated to maintain a constant false alarm rate. The detection probability is obtained from the calculated threshold under noise uncertainty. As a fusion rule for cooperative spectrum sensing, we adopt an OR rule, that is, a 1‐out‐of‐N rule, and we call the proposed scheme GOS‐OR. The analytical results show that the GOS‐OR scheme can achieve optimum performance and maintain the desired false alarm rates if the coefficients of the GOS‐OR detector can be correctly selected.     

特征值极限分布的改进合作频谱感知

本文采用随机矩阵理论,分析和研究了多认知用户接收信号采样协方差矩阵的最小特征值的极限分布,针对基于最大最小特征值之差的合作频谱感知算法,提出了新的门限判决方法。此算法能有效克服噪声不确定度的影响,且不需预先知道授权用户信号的先验知识和噪声方差。仿真结果表明,与以前的感知算法相比,本文算法有更低的判决门限,在低信噪比、小采样时,在达到设定虚警概率的前提下,该算法能够获得更好的感知性能。      

SNR-based weighted cooperative spectrum sensing in cognitive radio networks

Cooperative spectrum sensing (CSS) is an approach to confront fading environment. However, in conventional cooperative spectrum sensing (CCSS), the difference among the secondary users (SUS) is ignored when SUS suffer from different fading. In this article, a signal-to-noise ratio (SNR)-based weighted spectrum sensing scheme is proposed to improve the sensing performance. The sensing performance of the weighted spectrum sensing scheme is then derived. Considering the minor contribution of the SUS with small weighted factor, a selective CSS scheme is proposed, where SUS with low SNR are not selected into cooperative spectrum sensing. The simulation results confirm the analytical results. And the performance of weighted scheme is better than that of conventional schemes. In the case where the SNR of SUS are randomly distributed, the performance of selective scheme is almost the same as the weighted scheme while the number of cooperative SUS is reduced to save the consumption of system resource in cooperation with little additional complexity.     

随机噪声对海洋布里渊激光雷达测量的影响

为了分析激光雷达系统中随机噪声对海水布里渊散射谱以及温度反演精度的影响,依据布里渊散射理论及系统噪声特性,对带噪布里渊散射频谱进行了理论分析,并进行了信噪比从1dB~100dB的仿真实验。结果表明,当信噪比大于16dB时,频移和线宽的平均误差和不确定度能够控制在兆赫兹量级,温度误差和不确定度能够控制在0.2℃以内;采用实际应用中多次测量取平均的方法,10次平均能够保证0.2℃的测量精度对信噪比的要求下降到7dB。这为激光雷达在海水高精度遥感提供了指导。     

基于随机矩阵理论的DET合作频谱感知算法

针对认知无线电系统中的频谱感知问题,该文采用随机矩阵理论(Random Matrix Theory, RMT)对多认知用户(Secondary User, SU)接收信号采样协方差矩阵的最大特征值的分布特性进行了分析和研究,提出了一种新的基于双特征值判决门限(Double Eigenvalue Threshold, DET)的合作频谱感知算法。由该算法感知性能的理论分析可知:DET合作感知算法无需主用户(Primary User, PU)发射机信号的先验知识,也不需要预先知道信道背景噪声功率。仿真结果表明,与传统的频谱感知方法相比,该方法只需较少的认知用户就能获得较高的感知性能,并且对噪声的不确定性具有较强的鲁棒性。     

基于马尔科夫模型的认知无线电动态双门限能量检测策略

该文针对低信噪比条件下频谱感知精度低的问题,提出一种基于马尔科夫模型的动态双门限能量检测算法。该算法根据信道时变特性建立基于马尔科夫的频谱占用模型,利用信道历史状态信息实现模型参数的修正。然后采用先听后说的机制对处于双门限之间的困惑信道状态进行判决,并详细分析了噪声不确定性对频谱感知性能的影响。在此基础上,为了克服噪声不确定性的影响,以频谱检测概率最大为优化目标,对双门限进行实时更新。仿真结果表明,所提频谱感知算法在减小噪声不确定性影响的同时增加了频谱感知精度,降低了认知用户的感知时间。     

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。      

基于信噪比软信息的协同频谱感知算法

针对协同频谱感知方法中假定各基站信噪比近似相同,使信噪比差异较大时检测概率性能无法得以明显提升的问题,本文提出一种在OFDM系统下,结合信噪比信息进行融合判决的协同频谱感知算法。该方法首先利用OFDM系统的循环前缀提出一种适合认知无线电系统的盲信噪比估计方法;然后,利用检测概率在信噪比-5dB~-13dB的区间内近似线性变化的特性,依据估计所得信噪比值对检测概率曲线进行软信息量化,作为各基站判决信息的置信度,从而使权重分配更加合理化,同时,相比于判决融合方法,并不明显提高传输带宽。仿真结果表明,相比与传统方法,此方法能有效利用信噪比信息,在不同信噪比环境下均有较优性能,尤其在各基站信噪比差异较大时,其性能已接近数据判决精度。      

基于能量检测的频谱感知方法的介绍

简要介绍了认知无线电通信系统中基于能量检测的谱感知方法，分析了能量检测法的原理和性能。探讨了噪声不确定性产生的原因，分析了在该条件下对信噪比门限和对检测性能的影响。仿真实验表明，能量检测法是一种有效的频谱感知方法．