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。     

一种新型的基于最大特征值的合作频谱感知算法

针对认知无线电中经典频谱感知方法的缺点,该文利用随机矩阵理论的相关研究成果,提出了一种基于采样协方差矩阵最大特征值与平均能量的合作频谱感知新算法。该算法将次用户接收信号协方差矩阵的最大特征值与接收信号平均能量的比值(Maximum Eigenvalue-Energy Detection, ME-ED)作为统计判决量,以此判决出主用户是否存在,从而实现频谱感知功能。理论分析表明,与经典频谱感知方法相比,ME-ED算法无需知晓主用户信号的任何先验知识及噪声功率。仿真结果显示,与MED算法和ED方法相比,该算法不仅对噪声的不确定性不敏感,而且在噪声存在波动的情况下,其感知性能最优,鲁棒性最强。     

认知无线电中基于阵列天线和协方差矩阵的频谱感知算法

该文提出一种基于阵列天线和协方差矩阵的频谱感知算法,该算法能够在噪声不确定性的条件下进行盲频谱感知。该算法在协方差矩阵的基础上,构建新的检测统计量,推导判决门限,对检测统计量与判决门限进行比较进而做出最终判决;在主用户信号到达方向与认知用户接收天线法线方向不一致的情况下,为使认知用户能完全接收主用户信号,利用了阵列天线技术。仿真结果表明,与Zeng等人(2009)提出的绝对值协方差矩阵频谱感知算法(Covariance Absolute Value Spectrum Sensing, CAVSS)相比,该算法判决门限的计算方法更加准确;在相同条件下,该算法的检测概率高于CAVSS。     

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。     

一种基于随机共振增强的协方差矩阵频谱感知算法

为了在避免对主用户系统产生有害干扰的同时 提高频谱利用效率,要求认知无线电系统的频谱感知算法能在极低的信噪比下快速检测出主用户信号。由于可以避免能量检测面临的噪声不确定性问题,基于协方差矩阵的检测算法是一种有效的盲频谱感知算法。为了进一步提高极低信噪比下的性能,本文提出了一种基于随机共振的协方差矩阵频谱感知算法。该算法通过在接收信号中加入优化的特定信号,利用随机共振原理,增大有无主用户信号下的检测统计量概率分布函数的分离度,提高频谱感知的性能。仿真结果表明,相对于现有的协方差矩阵频谱感知算法 ,在相同的虚警概率下,所提算法可以显著提高极低信噪比下的检测概率,同时大幅度缩减检测时间。      

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。      

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。     

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。      

基于Wishart矩阵特征值的频谱感知算法

为了提高频谱感知性能,克服经典算法的缺点,提出了一种新的基于Wishart随机矩阵理论的协作频谱感知算法.根据多个认知用户接收信号样本协方差矩阵特征值的对数分布特性,利用样本协方差矩阵最大特征值与几何平均特征值的比值,得到简单的判决阈值闭式表达式,实现频谱感知判决.该算法不需要知道主用户的任何先验信息,不受噪声不确定性的影响.仿真结果表明,所提算法在协作用户数少、信噪比低、采样点数极少的情况下,仍能获得较高的感知性能.该算法受虚警概率和极端值的影响较小,比同类算法有更好的检测性能.     

子空间投影的频谱感知算法研究

为了发现空间中的“频谱空洞”而加以利用以使频谱利用率最大化,频谱感知技术得到了广泛关注。已有基于特征矢量的频谱感知算法因涉及大量特征值分解运算导致算法运算量大,不适应实时检测。本文提出的频谱感知算法利用信号子空间和噪声子空间之间的正交性,将次用户接收信号分别投影到上述子空间,根据投影值的差异实现快速频谱感知。理论分析和仿真结果表明本文提出的算法与已有算法相比有效降低了运算量,检测性能不受噪声不确定度影响、不需要预知主用户先验知识和噪声方差,且低信噪比、小采样情况下有更优越的检测性能。      

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。     

采用T2统计量和拟合优度的盲频谱感知算法

针对低信噪比和采样数少时频谱感知性能差的问题,首先利用样本检验矩阵的样本特征构造T2统计量,再结合似然比准则构造新的检验统计量,最后推导了频谱空闲时检验统计量的概率密度函数,提出基于贝塔分布的盲频谱感知算法。但此算法在采样数较少时,检测性能较差,因此结合Anderson Darling准则,提出基于贝塔分布的拟合优度检验算法。在高斯信道和瑞利衰落信道下对所提算法进行仿真,并与已有盲频谱感知算法仿真结果进行对比,所提算法具有更好的检测性能,且不需要主用户信息,不用进行特征分解,不受噪声方差影响。      

Fusion spectrum sensing algorithm based on eigenvalues

Aiming at the problem of inefficient use of spectrum resources,a fusion spectrum sensing algorithm based on eigenvalues was proposed to effectively achieve dynamic spectrum sharing.The test statistics were constructed by employing the maximum eigenvalue,the trace and the geometric mean of all eigenvalues of the sample covariance matrix.The detection probability and false alarm probability of the proposed method were analyzed using the random matrix theory,and the analytical representation of the theoretical threshold was obtained.In addition,the parameter selection of the proposed algorithm was analyzed theoretically.Simulation results show that the proposed algorithm has better detection ability than the existing eigenvalue detection algorithm.     

利用秩和检验的多天线协作频谱感知

高效稳定的频谱感知是认知无线电系统的关键环节.传统的能量检测算法受噪声不确定性影响,而协方差矩阵类算法在天线相关性低时性能较差.针对上述缺陷,利用秩来衡量由信道衰落导致的同一感知时刻不同天线上的信号功率差异,提出通过构建秩和统计量来实现频谱感知的算法.另外,推导了所提算法判决门限的理论表达式,结果显示其不受采样点数影响,因此当采样点数变化时无需重新设置门限.理论分析和仿真表明所提算法不受噪声不确定度的影响,并且在低天线相关性时可以保持良好的性能.     

利用卷积神经网络和协方差的协作频谱感知算法

针对基于信号协方差矩阵的频谱感知算法门限难于准确得到及没有充分利用原始信号信息等问题,提出了基于卷积神经网络和协方差矩阵的协作频谱感知算法。首先将接收的I、Q两路正交信号的归一化协方差矩阵组成双通道输入矩阵,然后使用卷积神经网络直接提取协方差矩阵的特征信息,并进行训练得到分类器,最后使用训练好的模型进行频谱感知。仿真结果表明,本文所提出的频谱感知算法优于对比算法,在信噪比为-13 dB、40个次用户协作感知时,本文算法虚警概率低于0.1,检测概率达到0.9以上。      

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。     

一种正交空时分组码盲识别方法

由于正交空时分组码(OSTBC)编码矩阵具有正交特性,可得正交空时分组码的虚拟信道矩阵的相关矩阵为对角矩阵。根据此原理,文中提出相关矩阵的非主对角元素能量与主对角元素能量之比的特征参数和基于此特征参数的正交空时分组码识别方法;同时利用最小描述长度(MDL)准则估计出信号子空间维数,即每组发射信号所含符号数。仿真结果表明,在不同发射天线数和接收天线数下,所提出的识别方法都具有较好的识别性能;符号数的估计性能与正确识别概率具有相同的变化规律。