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。     

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。     

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。     

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。     

高阶循环特性下联合频谱感知算法研究

高效的频谱感知算法是认知无线电系统有效通信的前提;现有的能量检测算法复杂度较低,但其性能易受到噪声不确定度的严重影响,为提高频谱感知的速度和性能,采用了联合频谱感知算法;该方法利用双门限的能量检测法进行粗检,将判决结果划为三个区域,并使用高阶循环统计量检测算法对中间混淆区域进行二次判决;然后给出了噪声确定或不确定的情况下,联合频谱感知算法和单一检测算法的检测性能和算法复杂度的仿真分析;结果表明,联合频谱感知算法在增加计算复杂度不多情况下,得到较高的检测性能,优于单一检测算法,是一种快速准确的频谱感知算法。     

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.     

强噪声环境下改进的语音端点检测算法

为了提高强噪声环境下语音端点检测的正确率,克服传统的短时能量和短时过零率双门限语音端点检测算法在低信噪比（SNR）条件下检测性能急剧下降这一缺陷,提出了一种改进的语音端点检测算法。该方法对强噪声环境下的语音信号,首先进行小波阈值去噪,提高信噪比,再采用双门限法进行端点检测。实验结果表明,该算法具有一定的鲁棒性,在强噪声环境下仍能准确地进行语音端点检测,从而该算法的有效性得到验证。     

基于分步融合的双门限协作频谱感知改进算法

针对在噪声不确定通信环境下,传统双门限协作频谱感知算法在同时提高频谱检测性能与降低数据传输量中的不足,提出一种基于分步融合的双门限协作频谱感知改进算法。该算法首先对所有认知用户进行过滤,剔除深度衰落用户对检测性能的不利影响;然后根据噪声不确定度自适应设置双门限值,增强感知系统对噪声不确定环境的适应性;最后在融合中心采取分步融合的策略,合理折中高检测性能与低数据传输量间的矛盾。理论分析与仿真结果表明,与传统双门限频谱感知算法相比,该算法可完全避免感知失败,在保证低数据传输量的同时可有效提升检测性能,当噪声不确定度较大时,提升效果更明显。     

信息论准则的频谱感知技术

频谱感知是认知无线电通信的前提,针对传统单天线能量检测算法易受噪声不确定性影响的问题,结合MIMO的空间处理能力,提出一种基于信息论准则的频谱感知算法。首先通过实时侦听信道,获得观测信号的相关矩阵;然后利用AIC准则检测周围环境中是否有主用户存在。该算法无需预先得知噪声的功率信息、无需设置判决门限。仿真结果表明,相比于能量检测算法,该算法有效提高了系统的检测概率,对噪声不确定性具有鲁棒性。     

Soft decision cooperative spectrum sensing with noise uncertainty reduction

Cognitive radio (CR) is a potential strategy for opportunistic access of idle resources to solve the conflicts between spectrum scarcity and underutilization. Spectrum sensing (SS) constitutes the most critical part in CR systems since the CR needs to detect the presence of primary signals reliably and quickly. Energy detection (ED) based SS is considered as the most preferable SS technique due to its simplicity and applicability. However, it is influenced by the effect of noise uncertainty which highly degrades its sensing performance. Cooperative spectrum sensing (CSS) is also introduced to mitigate some sensing problems such as multipath fading, shadowing, and hidden node problems. In this paper, we propose an enhanced fusion center (FC) rule for soft decision CSS using ED, which highly alleviates the noise uncertainty effect and enhances the sensing performance of cognitive radio networks (CRNs). In the proposed fusion rule, to increase the probability of detection and decrease the probability of false alarm, two dynamic thresholds are utilized by the FC. These thresholds are toggled based on predicting the current activity of the primary user (PU), and their values are dynamically changed based on estimating the noise uncertainty factor of the collected energy measurements from the CRs. To effectively predict (estimate) the current PU activity (the noise uncertainty factor), simple successive averaging processes over the collected energy measurements (the estimated noise variances) are performed by the FC, respectively. Theoretical analysis is performed on the proposed fusion rule for soft decision CSS to evaluate its enhanced false alarm and detection probabilities using different data combining schemes. Performance evaluations are also investigated to confirm the theoretical claims and to prove the effectiveness of the proposed scheme over the conventional ED based soft decision CSS.     

Cooperative spectrum sensing against noise uncertainty using Neyman–Pearson lemma on fuzzy hypothesis test

In this paper, we consider the problem of cooperative spectrum sensing in the presence of the noise power uncertainty. We propose a new spectrum sensing method based on the fuzzy hypothesis test (FHT) that utilizes membership functions as hypotheses for the modeling and analyzing such uncertainty. In particular, we apply the Neyman–Pearson lemma on the FHT and propose a threshold-based local detector at each secondary user (SU) in which the threshold depends on the noise power uncertainty. In the proposed scheme, a centralized manner in the cooperative spectrum sensing is deployed in which each SU sends its one bit decision to a fusion center. The fusion center makes a final decision about the absence/presence of a primary user (PU). The performance of the PU's signal detection is evaluated by the probability of signal detection for a specific signal to noise ratio when the probability of false alarm is set to a fixed value. The performance of the proposed algorithm is compared numerically with two classical threshold-based energy detectors. Simulation results show that the proposed algorithm considerably outperforms the methods with a bi-thresholds energy detector and a simple energy detector in the presence of the noise power uncertainty.     

基于最小特征值分布的频谱感知算法

现有的频谱感知算法中,能量检测容易实现,但检测性能依赖噪声功率。基于随机矩阵理论的频谱感知算法巧妙地规避了噪声不确定性对检测性能带来的影响,但大都采用的是最大特征值的近似分布规律,所得到阈值表达式的精度有待进一步提高。针对上述问题,通过利用随机矩阵理论的最新研究成果,提出一种基于接收信号样本协方差矩阵最小特征值分布的频谱感知算法。最小特征值的分布函数不基于渐近假设,更加符合实际的通信情境。推导所得的阈值表达式是虚警概率的函数,在小样本情况下,对它的有效性和优越性进行了分析与验证。根据单一变量原则,分别在低样本点、低协作用户数、低信噪比和低虚警概率条件下对提出算法与最大最小特征值算法的检测性能进行了仿真比较,检测概率最多可以提高0.2左右。结果表明,该算法能够显著改善系统的检测性能。     

大型雷电定位系统中实时自适应联合检测算法

雷电电磁辐射的持续时间具有随机性。采用能量法检测雷电数据块,当信号长度远短于数据块长度时,将会产生噪声淹没信号现象而引起检测概率降低的问题。发现可利用峰度来描述含有短雷电信号的数据块的波形特征,而且能量块检测与特征检测具有互补特性。为了提高检测概率,将能量块检测和特征检测相结合,利用自动筛选思想和删余检测技术实时估计背景噪声,提出了实时自适应联合雷电检测算法。通过对实采的雷电数据进行实验,结果表明,所提出的检测算法能够明显提高检测概率,表明了其有效性和实用性。     

一种改进的多天线信号能量检测方案

能量检测（ED）方法是最常用的信号检测方法之一,其具有实现复杂度低和不需要信号先验信息的优点。当噪声方差已知时,能量检测算法可以获得较好的检测性能。在大多数情况下,噪声的方差是需要预估的,因此噪声方差估计的不确定性会对能量检测算法性能造成较大的影响。为了减小由噪声方差不确定性造成的影响,提出了一种改进的多天线能量检测方案。方案将多天线采集的信号进行简单组合,从而构建出一种与噪声方差无关的判决统计量。理论公式表明,方案的检测概率和虚警概率是与噪声方差无关的。仿真结果显示,当天线的数量大于3时,方案的检测性能优于传统的能量检测性能。     

基于双阈值运动区域分割的AdaBoost行人检测算法

结合单目摄像机静止拍摄的视频序列使用背景差法或AdaBoost算法检测行人时分别存在易受噪声干扰或检测速度慢的问题,提出一种双阈值运动区域分割的AdaBoost快速行人检测算法。首先建立背景帧,利用前景帧与背景帧的差分图像拟合噪声曲线,提取噪声与亮暗运动目标的阈值,消除噪声,分割出运动区域;然后通过AdaBoost学习算法选择少量有效的Haar-like弱矩形特征构造强分类器;最后在运动区域利用强分类器检测是否包含行人。实验结果表明,该方法迅速缩小了检测范围,加快了检测速度,降低了误检率。