改进自适应双门限协作频谱感知算法

频谱感知是认知无线电领域的关键技术之一,得到了众多学者广泛深入的研究。在低信噪比情况下,传统双门限算法阈值门限固定不变导致检测效果较差,针对该问题,提出一种自适应双门限协作频谱感知算法,通过计算各节点信噪比得到权值,调整判决门限,将当前判决结果与前后时刻充分联系,融合各节点判决信息得到最终判决结果,理论分析和仿真结果表明,相较于传统双门限和加权双门限检测算法,本文提出的算法具有更好的检测效果。     

基于噪声不确定性的双门限协作频谱感知算法

传统的双门限协作频谱感知算法忽略了两门限之间认知用户的本地感知信息,而利用这部分信息可以进一步提高认知无线电系统的感知性能。为此,在等增益合并的基础上,提出一种顺序自适应分步合并算法。两门限之间的认知用户根据接收信噪比分步上传本地感知信息,融合中心自适应地调整参与协作的认知用户数,以减小系统的上传数据开销。推导在Rayleigh衰落信道条件下,认知用户上传数据的平均比特数以及全局检测概率的闭式表达式。理论分析和仿真结果表明,该算法能以较小的数据开销获得较优的协作感知性能。     

基于混合加权的双门限能量协作检测算法研究

研究无线电系统能量优化问题,由于路径损耗导致检测到的信号能量值减小,信号干扰增大,门限值减小,从而使双门限能量协作检测算法的检测概率降低。针对此问题提出混合自适应加权双门限检测算法。首先利用两个门限值将认知用户检测到的能量值划分为不同的区域,然后对位于两个门限值之间的认知用户检测能量值引入信噪比权重因子和距离权重因子进行混合加权,依此来自适应调整其双门限权值,以减小能量损耗较大的信号对门限值的影响,最后融合中心采用"或"准则做出最终的检测结果。仿真结果表明混合自适应加权双门限检测算法比传统等权值的双门限能量协作检测算法具有更高的检测概率,使通信系统能量检测准确性大大提高。     

基于双门限能量及循环平稳的两层协作频谱感知

双门限能量检测的优点是计算复杂度低然而也存在着在恶劣的无线电环境下检测性能较低的缺陷,循环平稳特征检测能够应对恶劣的无线电环境但是缺点是计算复杂.为了应对这样的情况,两层感知算法结合了双门限能量检测和循环平稳特征检测.仿真结果表明两层感知能够取两者之长使系统的检测能力得到了提高.加权融合的协作感知比与融合等融合方法有更...     

结合循环平稳特征和自适应双门限检测的频谱感知算法

针对单门限能量检测算法存在虚警率高、循环平稳特征检测算法计算复杂等问题,为了降低无线信道平均捕获时间和信号检测算法复杂度,提出一种联合循环平稳特征的自适应双门限能量检测算法.该算法根据无线信道占用状态自适应调整双门限值搜索频谱信息,将无线麦克风信号接收后直接送入第1个积分电路,在双门限区域之外采用无线信号能量检测;当第1个比较器中能量累积输出低于检测下门限时,表明未检测到无线信号;当积分电路输出超过检测下门限时则启动第2个积分电路,当第2个比较器中能量累积超过检测上门限时启动第3个比较器,超过同步门限判断虚警状态;在双门限区域之间采用循环平稳特征检测快速、准确地捕获无线麦克风信号,并合理设置保护频带,让非授权用户充分利用保护频带之外的频谱资源.仿真结果表明,文中算法有效地提高了无线认知网络的无线信号检测概率和频谱感知精度.     

已知噪声不确定性的双门限协作频谱感知

频谱感知是认知无线电的关键技术之一。能量检测广泛应用于频谱感知中,然而噪声不确定性严重影响其检测性能。建立了噪声不确定性模型,提出了双门限协作频谱感知算法,并分析了融合中心接收到感知用户信息数量进行有效感知的概率。仿真结果表明,在一定条件下,所提算法能够达到较好的检测性能。     

双门限和机会协作的频谱感知算法研究

针对传统频谱感知算法性能较差及一文献中Zhu所提出的算法功率消耗大的不足,提出了一种基于双门限和机会协作的频谱感知算法,同时理论推导了在瑞利衰弱信道中基于该算法的频谱感知检测概率,并对传统频谱感知算法,Zhu所提出的算法和基于双门限和机会协作的频谱感知算法进行性能仿真。仿真结果表明,该算法可以有效提高频谱感知检测概率,性能优于传统算法,与Zhu所提出的算法性能基本相同,且能有效节省发射功率。     

协作感知下基于双门限能量检测的融合方案研究*

将双门限能量检测作为本地感知算法,为在感知性能和系统开销之间取得合理折中,给出了三种将决策融合与数据融合相结合的综合融合方案。研究和比较了这三种新型融合方案的感知性能,分析了各自的优缺点及其适用范围,讨论了门限值系数、协作用户数、协作可信度、平均信噪比等参数的变化对感知性能的影响。蒙特卡洛仿真的结果表明,通过选择合适的系统参数,综合融合方案能在保证较低系统开销的前提下,具有明显优于传统硬融合方案的感知性能。     

基于OFDM的双门限协作频谱感知仿真

针对频谱感知中单门限能量检测的不足,研究了双门限能量检测,结合OFDM频谱利用率较高的特点,提出了将双门限能量检测与OFDM系统相结合的方法.以OFDM系统为基础,将系统中的子信道作为待感知用户,根据可用子载波数量确定实际感知用户,在子信道中进行双门限能量检测,数据融合中心采用“or”准则进行判决.仿真结果表明,该方法能够较好地识别出主用户,从而控制OFDM系统的数据传输,随着可用子载波个数的增加,可以得到更好的识别性能.     

动态阈值的双门限协作感知方法

随着通信技术的提高和通信应用的增多,无线频谱资源越来越匮乏.许多分配到资源的主用户利用率很低,认知无线电技术希望没有分配到资源的次用户合理使用主用户频谱来提高频谱的利用率.频谱感知技术关系到认知无线电中次用户对空闲频谱的使用机会,是认知无线电的关键技术之一.就是在已有的感知技术的基础上,提出了新的感知手段.在认知无线电网络中,不同的次用户由于与主用户距离以及自身所处环境的噪声影响不同,它们的信噪比一般是不一样的.这里采用的动态阈值的双门限协作感知方法,是对传统双门限能量感知方法的改进,通过充分考虑次用户之间的差异性来提高感知的性能.首先,根据对检测和虚警概率的要求,过滤掉一部分检测能力不满足条件的次用户.同时,每个次用户的用于能量感知的双门限会根据它们各自信噪比的不同而动态变化.通过与单门限能量感知以及传统双门限能量感知方法进行比较,可以看出本文提出的感知方法一定程度上提高了系统整体感知的性能.     

基于自适应双阈值的足球视频分割算法研究

提出了一种利用双阈值自适应变化逼近视频镜头分割最佳阈值的算法,在双阈值各区间漏检或误检的判别通过相似度差异来完成。实验结果表明,该算法能够得到较为理想的错检率,并能得到比固定阈值算法更低的漏检率。     

基于双阈值的增强型AdaBoost快速算法

在应用AdaBoost算法的人脸检测中,针对训练时间太长及权重调整过适应等问题,提出一种基于特征值等分和双阈值的增强型AdaBoost快速训练算法,给出了双阈值的快速搜索方法。在MIT-CBCL人脸和非人脸训练库上对算法进行了实现。实验结果显示,改进后的双阈值增强型AdaBoost算法简化了训练过程,训练速度提高50倍,收敛速度也更快。使用训练得到的检测器对MIT+CMU人脸测试库进行了测试,结果表明,该方法在检测精度和速度等方面都优于单阈值方法。     

基于香农能量与自适应阈值的心电QRS复合波检测算法

针对现有心电QRS复合波检测算法对于一些信号异常的情况检测效果仍然不理想的问题,提出了一种基于香农能量与自适应阈值相结合的心电QRS复合波检测算法,以解决QRS复合波检测的低准确率问题。首先,从预处理后的信号提取香农能量包络;然后,结合改进的自适应阈值方法对QRS复合波进行检测;最后,根据QRS复合波增强后的信号定位所检测的QRS复合波的位置。使用MIT-BIH心律失常数据库的数据对所提算法进行性能评估,结果表明,所提算法即使在信号中存在高大的P波、T波、不规则心律以及严重的噪声干扰时依然能准确检测QRS复合波的位置,总体数据检测的敏感性、阳性检测度和准确率分别达到了99.88%、99.85%和99.73%,且该算法能够在保证准确率的情况下快速地完成QRS复合波的检测任务。     

基于特征裁剪的双阈值Adaboost人脸检测算法

针对传统Adaboost算法存在训练耗时长的问题,提出一种基于特征裁剪的双阈值Adaboost算法人脸检测算法。一方面,使用双阈值的弱分类器代替传统的单阈值弱分类器,提升单个弱分类器的分类能力;另一方面,特征裁剪的Adaboost算法在每轮训练中仅仅利用错误率较小的特征进行训练。实验表明基于特征裁剪的双阈值Adaboost人脸检测算法通过使用较少的特征和减少训练时的特征数量的方式,提高了算法的训练速度。     

一种基于包速率自适应的报文抽样算法*

针对NetFlow抽样概率需手动配置的缺陷,提出了一种基于包速率自适应的分组抽样算法。通过测量包速率,采用预定义测量误差的方法,根据包速率的变化自适应地调整抽样概率,从而在有限资源情况下达到控制测量误差的目的。基于实际互联网数据进行了实验比较,结果显示：与传统的NetFlow算法相比,该方法易于实现,测量误差可控,具有高效性和准确性,同时具有资源节约性。     

基于NetFlow的特征感知自适应的流采样方法

采样是网络异常检测中数据采集的主要方法。而网络流的持续时间、数据包的大小、异常流量出现的频率等都在不断变化,给准确的采样带来很多负面的影响。为此,提出了特征感知的自适应采样技术,在流量特征不断变化的情况下可以自动调整采样率,并将它和随机采样技术、选择采样技术进行比较,研究了这些采样技术在网络行为分析系统中保留网络特征的能力,实验结果表明此方法在保留网络特征和异常检测质量评估中,明显优于其他方法。     

基于自适应双阈值的SUSAN算法?

传统SUSAN算法在提取图像边缘时,会出现漏检现象,且所提取的边缘较粗。为此,运用计算最大类间方差的方法自适应地选取双阈值,取代传统算法中人工设定的单阈值,采用多方向局部非极大值抑制方法进行改进,提出一种新的SUSAN边缘检测算法,并将其应用于遥感图像的边缘提取。实验结果表明,该算法能够有效提高边缘定位精度,降低漏检率,使边缘更细致光滑。     

基于自适应匹配的QR码取样方法

通常由相机获取的QR码图像都带有一些失真,所以在译码前需要对获取的QR码图像进行识别以得到标准规格的QR码。针对QR码识别中的失真和校正进行了分析研究,解决了某些QR码经过倾斜校正和几何校正后仍存在一些无法避免的失真而无法被传统方法准确取样的问题,提出了一种自适应匹配取样法,根据相邻行（列）像素的匹配度准确获取QR码的模块有效取样区域。实验证明该方法稳定性好,能够快速准确地对QR码进行取样。     

一种新的自适应实时活动音频检测算法

针对音频评价系统中信号同步处理对算法准确度、复杂度、实时性等要求,提出一种简单、有效、实时的活动音频检测方法。该方法基于音频短时能量特征,通过能量均值和均方差分层逐步调整,动态设定判决门限,通过倒置非活动音频段,快速区分活动音频和非活动音频。提出的方法在低信噪比环境下也能实时地检测出活动音频。     

基于自适应背景的实时运动物体检测

为了能够在监控系统中实时的检测出运动物体,提出了一种能够自适应获取并更新背景的运动检测方法。它是利用连续帧差分,当前帧与背景图像差分来获取运动信息,同时选择性的更新背景。实验证明该算法运算量小,鲁棒性好,算法中通过直方图分析来获取合适的阈值,提高了系统的自动化程度。