认知无线电中一种基于秩准则的鲁棒多天线盲频谱感知算法

在多天线感知场景中,噪声不确定的存在使得经典的能量检测算法的感知性能表现出不稳定性。基于多天线接收信号的统计协方差矩阵为秩-1矩阵这一事实,提出一种基于秩准则的频谱感知方法。该方法首先将取样协方差矩阵分解为具有未知秩的理想信号矩阵和噪声扰动矩阵之和,然后采用秩检测准则估计接收信号子空间的最佳维数,最后利用该值判断信道的状态。与经典的能量检测方法相比,新方法对噪声不确定性具有良好的鲁棒性,且属于全盲检测方法。具体而言,新方法在感知判决过程中,无需事先知道噪声方差以及主用户信号和无线信道的统计特征。仿真结果验证了基于秩准则的多天线频谱感知算法的有效性。     

一种基于特征值的多天线认知无线电盲感知算法

当不存在噪声不确定性时,频谱感知算法中能量检测法是较优的,但实际中噪声是无法确切估计的。针对这一问题,提出了一种适合多天线认知无线电系统的盲感知算法。该算法不需要主用户的任何先验知识,利用采样协方差矩阵的最大特征值和矩阵迹之比作为判决统计量来检测主用户信号。根据随机矩阵理论,当给定虚警概率时,可以求出判决门限的渐近式表达式。仿真结果表明,与同类算法相比,所提算法能获得较高的检测概率和较低的虚警概率,同时克服了能量检测法对噪声的敏感性。     

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。     

突发信号存在性自适应盲检测算法

提出了一种突发信号存在性自适应盲检测算法,采用谱方差作为检测函数,通过设置噪声函数集来跟踪背景噪声的变化,实时自适应调整门限值,然后采用长度控制与状态转换的判决机制改善检测函数的抖动对判决结果的影响,提高了突发信号的正确检测概率。仿真结果表明,所提算法与短时能量法和谱熵法相比,具有较好的稳健性,尤其在低信噪比条件下具有更好的检测性能。     

基于能量检测算法的频谱感知方法分析

简要介绍了认知无线电通信系统中基于能量检测算法的频谱感知方法,分析了能量检测算法的原理和性能,研究了噪声的不确定性对检测性能的影响。仿真实验表明,能量检测法是一种有效的频谱感知方法。     

基于相关多天线的频谱感知研究

在认知无线电中,研究了多天线认知节点运用能量检测法进行频谱感知时,天线相关性对能获得的实际性能增益的影响。详细推导了认知节点配备相关多天线下的检测概率和虚警概率,并分析得到多天线相关时虚警概率的上下界。理论推导证明,认知节点接收信号SNR较低时,相关多天线能达到独立多天线近似的实际性能增益。数值仿真结果与理论分析结果一致,证明了理论分析的正确性。     

基于改进型支持向量机的频谱感知算法

针对无线信道环境中,信道多径衰落和噪声不确定性等低信噪比情况下主用户信号检测性能较低的问题,提出一种基于改进型支持向量机(support vector machine,SVM)的主用户信号频谱感知算法.对信号循环平稳特征参数进行特征提取,作为训练样本和待测样本;采用改进的SVM算法分别对有无主用户情况下的信号进行分类检测.仿真结果表明,与能量检测法(ED)和循环平稳特征检测法(CD)相比较,该算法可在低信噪比情况下不受噪声不确定性等因素影响,具有较高的分类检测性能,有效地实现了对主用户信号的感知.     

基于四阶循环多谱的频谱感知算法

目前,大部分基于能量检测和信号循环平稳的频谱感知算法能够在平稳噪声环境中取得优异的检测性能,在非平稳噪声环境中的检测性能则急剧下降。为了更好地消除频谱感知过程中非平稳噪声的影响,利用信号四阶循环多谱抑制非平稳噪声的性质,提出了一种基于四阶循环多谱的频谱感知算法。该算法首先计算四阶循环多谱的切片形式;然后通过简化的四阶循环多谱幅度平方和对协同用户截取的信号进行检测;最后计算其峰值系数,实现对主用户信号存在性的判断。仿真结果表明,在非平稳噪声环境中,所提出的算法比传统的频谱感知算法识别概率更高,性能更好。     

认知无线电中差值能量检测

在认知无线电系统中,认知用户需要实时准确地判断频谱的使用情况。研究了能量检测算法的检测性能,发现当噪声波动性较大时,能量检测性能会大幅下降,在低信噪比时尤为明显。因此提出利用噪声不确定性的最大波动范围修正能量检测,并在此基础上提出了一种差值联合能量检测,即通过每次能量检测的差值变化大小校正判决结果,得到最终的融合判决结果。仿真表明,这种改进的能量检测方法的性能在保证传统能量检测优点的情况下有效地提高了认知用户对频谱实时准确的检测性能。     

强背景噪声下语音端点检测的算法研究

多带谱熵法对语音频段进行分带处理形成新的分带谱熵函数,在低信噪比时,该方法能够更好地检测出语音,还能体现能量分布情况,应用较为广泛。多窗谱分析方法对同一数据序列用多个正交的数据窗分别求直接谱,是一种低方差、高分辨率的谱分析方法,尤其适合非线性系统中高噪声背景下弱信号、时频演变信号的分析。提出基于多窗谱及多带谱相结合的语音检测方法,仿真结果表明：改进算法较其他算法占有绝对的优势,而且性能稳定。     

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。     

基于自适应检测长度的双门限能量感知算法

针对认知环境中能量感知的噪声不确定性问题,提出了一种基于自适应检测长度的双门限能量感知算法。算法首先根据噪声不确定性大小设置上下判决门限。当检测统计量位于双门限之外时直接判决,否则增加采样数并再次比较,直到得出判决结果或采样数达到上限;为了尽量减小由于采样数增加带来的系统能量开销的增加,给出了系统能量开销与吞吐量折中的最佳采样数上限。从理论上分析了算法的优越性,并进行了仿真验证,结果表明,该算法尽管增加了一定的能量开销,但是可以显著地提高系统检测性能。     

基于频谱方差和谱减法的语音端点检测新算法

针对低信噪比情况下频谱方差法对语音信号进行端点检测时准确率降低的问题,提出了一种结合频谱方差和谱减法的语音端点检测新算法。算法采用改进的谱减法对语音信号进行动态降噪处理,并依据得到的降噪后信号的频谱方差设置双门限值进行端点检测。仿真实验表明,该方法具有抗噪性好、自适应性强等优点,在低信噪比情况下检测的准确率与普通的频谱方差法相比有很大的提高。     

一种基于拟合优度检验的突发信号检测算法

在突发信号处理环境中,传统的检验方法检验统计量计算复杂,不利于实时检测。为此,提出一种基于拟合优度检验的突发信号检测算法。采用Kolmogorov检验代替传统的参数统计检验,通过计算接收到样本的经验分布函数与标准的噪声分布函数,并将其垂直方向上的最大距离(Kolmogorov统计量)与特定虚警率下的门限作对比,实现对突发信号的检测。仿真结果表明,该算法的检测性能较好。     

脉冲噪声环境下的韧性匹配滤波检测方法

针对传统局部最优匹配滤波检测性能在脉冲噪声环境下会明显退化的问题,提出一种韧性匹配滤波检测方法。利用噪声分布概率密度函数求出非线性变换公式,对观测信号作非线性变换和匹配滤波检测。应用于BPSK调制信号的匹配检测滤波信号仿真表明,该算法在抑制脉冲噪声方面对噪声特征指数具有良好韧性,在脉冲噪声环境下比传统局部最优匹配滤波方法具有更好的检测性能。     

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。     

基于随机矩阵最大特征值分布的频谱感知算法

现有频谱感知算法在低信噪比时检测性能较低且受虚警概率影响大,针对此问题,提出了一种基于wishart矩阵样本协方差矩阵最大特征值的分布特性的频谱感知算法。该算法利用最大特征值与几何平均特征值的比值,不需要主用户的先验知识,不敏感于噪声,对相关信号和独立同分布信号均具有较高的检测性能。仿真结果表明,所提算法受虚警概率的影响较小,检测性能高,并且在采样点数、协作用户数、信噪比及虚警概率较小的情况下,也能获得较好的检测性能。     

认知无线电中基于波型与能量的联合检测方法

针对现有的主流检测算法在算法效率、复杂性及可用性方面存在的问题,分析一种新的基于波形的频谱感知方法,并在其基础上,结合能量检测提出一种联合检测方法.数据分析和仿真结果表明,该联合检测方法能够有效地检测到频谱空穴,并克服在低信噪比下检测效果较差的问题,使检测效率、可靠性、稳定性等各方面的性能均优于波形检测和能量检测.     

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。