利用样本特征的盲频谱感知算法

为克服噪声不确定度及噪声方差的影响,利用样本特征构造了新的检验统计量,推导了频谱空闲、频谱占用时检验统计量的概率密度函数,提出基于F分布的盲频谱感知算法,但其判决门限受采样点数影响;为此,利用Anderson-Darling准则提出基于F分布的拟合度检验算法。在高斯信道下对两种算法进行了仿真,并与能量检测算法、GOF算法仿真结果比较可知,所提两种算法性能优于噪声方差已知的能量检测算法,并克服能量检测算法、GOF算法受噪声不确定度以及噪声方差影响这一缺陷。      

基于二项分布的快速盲频谱感知算法

基于特征函数的盲频谱感知算法(CAD)检测性能较好但运算量大.利用样本特征构造了新的检验统计量,推导了频谱空闲时检验统计量的概率密度函数和判决门限,分析了所提算法的检测性能和计算量,从而提出认知无线电中基于二项分布的快速盲频谱感知算法.理论分析和仿真表明,所提算法与CAD算法检测性能相当,同时运算量明显低于CAD算法.     

认知无线电中基于拟合优度的频谱盲检测算法研究

首先,提出噪声方差未知情况下基于t分布的Anderson-Darling的认知无线电频谱盲检测方法,通过计算接收到信道采样样本均值和方差比的分布函数与f分布函数之间的Anderson-darling距离,实现频谱检测.其次,提了基于特征函数的频谱盲检测算法,通过计算接收到的样本经验特征函数与已知特征函数的距离,判决信道中是否存在信号传输.最后,给出了衰落信道下,所提2种基于拟合优度的频谱盲检测算法的虚警概率和检测概率下界.理论和仿真表明,噪声方差未知情况下,所提2种频谱盲检测算法比传统的噪声方差已知时的能量检测法具有更好的性能.在低信噪比和小样本条件下,性能提高表现的尤其明显.     

认知无线电中基于相关系数的多天线协作盲检测算法

多天线系统由于可以提高频谱感知可靠性而被广泛应用于认知无线电中.提出了一种适用于多天线系统的盲频谱检测方法.首先,计算不同天线间接收信号的相关系数;其次,对相关系数做适当的变换使其服从学生分布;最后取变换之后的相关系数的均值作为检验统计量,并推导了其判决门限.理论分析和仿真表明,与噪声方差已知的能量检测(ED)以及基于最大最小特征值之比的频谱盲检测算法(MME)相比,所提算法具有更好的检测性能.     

基于随机共振和非中心F分布的频谱感知算法

为解决频谱感知算法在低信噪比（SNR）时检测概率较低且检测所需采样点数较多的问题,提出了基于随机共振和非中心F分布（SRNF）的频谱感知算法。通过引入直流随机共振噪声,建立了SRNF的系统模型,推导了服从非中心F分布的检验统计量表达式、虚警概率与检测概率以及判决门限表达式,并采用数值法求解最佳的随机共振噪声参数。仿真结果表明,在低信噪比时,所提基于SRNF算法的检测性能优于能量检测（ED）算法和基于F分布的盲频谱感知（BSF）算法,当虚警概率为5%、信噪比为–12 d B、采样点数为200时,所提算法的检测概率是95%,分别比BSF算法和ED算法高34%和67%;当信噪比为–12 dB、检测概率达到95%时,所提算法所需的采样点数是210,比BSF算法节省了340个采样点。此外,噪声不确定度对所提算法的影响小于ED算法。     

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。      

利用协方差矩阵信息的多天线频谱感知算法

为了降低多天线信号频谱偏移、相位随机性和噪声的不均匀性、不确定性对频谱感知性能的影响,该文利用接收信号协方差矩阵主对角线包含主用户的主要信息,以及协方差矩阵元素的平均方差反映元素波动程度的特点,构造对角线元素绝对值的平方和与其平均方差之比的频谱感知的检验统计量,推导了该统计量服从的概率分布函数,给定虚警概率,得到判决门限。加性高斯白噪声信道和瑞利衰落信道下的仿真结果表明:本文算法性能优于局部方差法,随着接收天线数和采样点数增加,本文算法性能提升大于局部方差法。      

采用相关系数和拟合优度的频谱盲检测

已有的基于拟合优度频谱感知算法具有较好检测性能的前提是假设感知时主用户信号保持不变,这在认知无线电中是很少见的。该文提出一种适用于多天线认知系统的拟合优度盲频谱感知算法。首先,计算不同天线间接收信号的相关系数;其次,对相关系数进行进行适当的非线性变换使其服从学生分布;最后,对变换后的新序列使用侧重右尾检验的Anderson-Darling(RAD)准则进行拟合优度检验。理论分析和仿真表明,所提算法不需要任何先验信息,与基于最大最小特征值之比(MME)、Anderson-Darling(AD)检测算法以及噪声方差已知的能量检测相比,所提算法具有更好的检测性能。      

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。     

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。     

一种基于特征值极限分布理论的盲多天线频谱感知算法

当信道空闲时接收信号取样协方差矩阵的特征值在数值上均近似等于噪声方差,而主用户信号的出现则改变了这些特征值的大小。基于这一事实,论文提出一种基于取样协方差矩阵特征值的频谱感知算法。该算法以取样协方差矩阵的最大特征值与其他特征值的和之比作为感知判决量。基于大维随机矩阵理论的特征值极限分布理论,分析了算法的理论虚警性能,在此基础上提出了理论判决门限的计算方法。新算法在感知判决过程中无需事先知道噪声方差、主用户信号和信道增益等先验信息。因而,新算法属于一种全盲多天线频谱感知算法,具有广泛的适用范围。进一步的数值仿真结果验证了新方法的有效性。     

基于空间谱的频谱感知算法及性能分析

现有的基于特征值或谱密度的频谱感知算法,多分别使用近似高斯分布和Tracy-Widom分布来分别分析求解检验统计量在信号是否存在时的分布,未能给出统一的解析表达式。该文提出均匀线阵(ULA)条件下基于空间谱密度比的频谱感知算法,并且基于顺序统计量的最新研究成果,给出检验统计量统一的闭合表达式。该算法基于离散空间谱密度最大最小值的比建立检验统计量。仿真结果表明,对于8阵元的ULA,在采样点数为1000、检测概率为0.9时,所提算法比最大最小特征值(MME)比算法有约1.7 dB的性能优势,同时也有效验证了检验统计量理论分布的准确性。     

基于局部方差的MIMO频谱感知算法研究

在认知无线电网络中,高效且准确的频谱感知是必不可少的一个环节。该文主要研究了MIMO场景下的频谱感知问题。考虑到频谱被主用户占用和频谱空闲这两种场景下,认知用户各天线接收到信号之间的相关结构有差异,针对接收信号的采样协方差矩阵,提出了局部方差的概念,并在此基础上设计了基于局部方差的MIMO频谱感知方法。根据渐近分布理论,推导了所述方法的理论检测门限。最后,采用蒙特卡洛仿真方法,分别分析了AWGN信道和Rayleigh信道下该方法的检测性能,并与相关的感知算法进行了对比。结果表明：在相同的环境下,该文所提方法相比其他方法检测性能更高,且所需的采样点数更小,能够实现快速且精确的检测。     

一种主用户随机到达情况下改进的循环平稳特征检测算法

在认知无线电(CR)网络中,针对检测频段突然被主用户(PU)占用导致次用户频谱检测性能较差的情况。该文提出一种基于反馈叠加原理的改进循环平稳特征检测算法,该算法通过将检测周期后半部分采样点的瞬时采样值累加到检测周期前半部分采样点的瞬时采样值上,在不延长检测时间的基础上,提高了整个检测周期的判决统计值,从而提高了系统检测性能。并且从理论上详细分析了该算法的检测概率,虚警概率与吞吐量。仿真结果表明,该算法的检测性能优于传统循环平稳特征检测算法和传统能量检测算法,并且保证了不错的用户数据吞吐量。     

LFM/BPSK混合调制信号盲处理结果可信性评估:一种简化的似然比算法

针对以相关谱最大值作为统计量对线性调频/二相编码（LFM/BPSK,Linear Frequency Modulation/Binary Phase Shift Keying）混合调制信号盲处理结果进行可信性检验时,存在概率密度函数复杂,难以得到似然比检验闭合表达式的问题,提出了一种基于极值分布理论（EVT,Extreme Value Theory）的简化处理算法.利用相关谱最大值的极限分布替代其精确分布,基于纽曼-皮尔逊（NP,Neyman-Pearson）准则得到简化的似然比检验,给出了相应判决式及其判决门限的解析表达式.文中给出了不同假设下相关谱最大值的极限分布形式.计算机仿真结果表明：本算法与已有的恒虚警方法相当,但优于基于分组极值模型及超阈值模型的两种分布拟合检验法,且具有较低的计算复杂度.     

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。

     

基于最优延时和多天线的并行检测算法

循环平稳特征检测是一种在低信噪比时也能准确发现信号的盲检测技术,但其算法计算周期较长.针对此问题提出了一种改进的并行渐进最优卡方检测算法,通过识别循环谱特性和遍历循环自相关确定最优的循环频率和延时,用循环自相关以及渐进协方差矩阵构建检验统计量,并对二维向量和谱分量实部和虚部进行合并及迭代过程并行处理,仿真得到了检测概率和检测时间.同时,根据最大似然比统计量的有偏估计和渐进分布特性导出了检测概率的表达式,结果表明：最优延时的理论与仿真吻合得很好,多天线技术充分利用了空间分集,在干扰较强时仍然[JP2]具有较高的检测概率,且并行处理过程能有效减少检测时间.     

基于采样协方差矩阵的混合核SVM高效频谱感知

近年来随着盲检测算法的提出,越来越多的基于采样协方差矩阵的盲检测算法应用于频谱感知。针对其检测门限是近似值,检测性能会受到影响等问题,提出了基于采样协方差矩阵的混合核函数的支持向量机（support vector machine,SVM）高效频谱感知,通过感知信号采样协方差矩阵的最大最小特征值（maximum minimum eigenvalue,MME）和协方差绝对值（covariance absolute value,CAV）提取的统计量作为SVM的特征向量并训练其生成频谱感知的分类器,无需计算检测门限并且特征提取减少了样本集的大小。利用遗传算法（genetic algorithm,GA）优化混合核函数的SVM的参数。实验结果表明,该方法比MME算法和CAV算法的检测概率有所提高,并且比SVM减少了感知时间,具有良好的实用性。