特征值类频谱感知算法的仿真分析

为了全面了解基于特征值类的合作频谱感知算法的性能,通过Matlab仿真实验对该类算法进行仿真,以探究门限值随虚警概率的变化、采样次数和认知用户数对检测性能的影响,并分析针对不同信噪比的检测概率和实际的虚警概率。仿真结果显示,基于特征值类的算法不需预知主用户信号和噪声方差信息,能够克服噪声不确定度的影响,相较于传统的能量检测,有着更加稳健的检测性能;基于最小特征值极限分布的改进算法在低信噪比、采样次数和认知用户数较少时,判决门限更低、检测概率更高。     

基于MLE的频谱感知统计量算法

提出一种基于认知用户接收与主用户之间的信道特性为参量未知的高斯分布,构造主用户的信息特征参量完全未知下的频谱感知统计量,该统计量主要基于广义似然比检验(GLRT)。对信号的协方差矩阵进行极大似然估计。理论分析和仿真结果表明该统计量计算简单,具有很强的实用性。     

认知无线电系统中存在载波频偏的OFDM频谱感知技术

提出了一种利用输入检测器数据离散傅里叶变换结果的协方差矩阵的频谱感知技术。分析发现如果没有授权用户信号,协方差矩阵为对角阵;反之为非对角阵。在检测过程中,通过将协方差矩阵中非对角线元素的能量与设定的阈值相比较得出检测结果。理论推导了判决度量在是否存在授权用户信号的两种情况下的分布函数以及算法的阈值和检测概率。仿真结果表明,与已有的方法相比,该算法可以更好地对抗载波频偏,同时具有更优的检测概率。     

基于特征根比分布的协作频谱感知算法研究

介绍两种基于大维随机矩阵理论(Random Matrix Theory,RMT)的频谱感知方法,综合对比讨论并验证其感知性能。这些方法以采样协方差矩阵的最大最小特征根之比作为判决统计量与相应的判决门限相比较来确定频谱是否空闲。通过与能量检测(Energy Detection,ED)算法仿真对比,它们克服了能量检测中需要预知噪声信息的缺点,并具有不受噪声不确定度影响的优点,有较高检测性能和优越性。     

基于递归算法的频谱感知方法

针对传统的宽带频谱感知方法需要在各个频率信道平均分配计算量或硬件资源,频谱感知效率不高问题,给出利用递归算法代替快速傅立叶变换算法进行频谱感知的方法。根据信道占用率统计规律,调整频谱感知控制单元的本振频率,自适应选择递归算法滤波器,实现对多个感兴趣频率信道检测。仿真实验及分析表明,利用递归算法进行频谱感知时,只需要计算那些感兴趣的频率信道的功率谱,提高了频谱感知效率。     

一种基于压缩采样的多用户联合宽带频谱感知方法

在理想的认知无线电系统中,认知用户能够同时感知很宽的频带,而受限于前端器件的物理性能,实时全频带检测很难实现.针对这一问题,文章提出一种基于压缩采样的宽带频谱感知方法.首先设计了一种集中式多认知用户分组并行压缩采样架构,使每个认知用户只需要一个低速率AD转换器即可实现宽带频谱感知中的模拟信号高速采样.另外,根据压缩采样理论,该方法充分利用了主用户信号在频域上的稀疏性,基站只需要远少于奈奎斯特采样点数的观测值即可对主用户信号的频域信息进行恢复,并通过恢复出的信息对频谱占用状态进行判定.仿真结果表明,该压缩检测算法相比于传统能量检测具有较高的系统检测概率和较短的检测时间,且只需要10%的存储单元.     

一种基于Goertzel算法的频谱感知方法

频谱感知是认知无线电的首要任务,传统的扫描式宽带频谱感知方法效率不高,因为对于具有高占用率的频率信道不需要经常感知。文章提出一种基于Goertzel算法的频谱感知方法,适于针对宽带频谱内具有高可用性的频率信道进行监控和检测。介绍了该方法的工作原理和实现结构。通过仿真实验可看出,该方法可以有效实现对频带内某些指定频率进行感知。     

基于时域-空域联合的认知无线电频谱感知算法

为提高认知无线电系统中频谱感知的性能和检测概率,提出了一种时域-空域联合的频谱感知算法。该算法利用主用户信号时域与空域的特性,通过空域感知对主用户定位,利用主用户的定位信息时域感知选择认知用户进而提高检测概率。仿真结果表明,该算法的检测性能优于时域或空域感知。     

基于阈值优化的频谱感知算法

协方差绝对值（Covariance Absolute Value,CAV）感知算法使用固定阈值和固定虚警概率的频谱感知策略,无法保证在任何时候都能使频谱感知性能达到最优。提高频谱感知性能包括降低对主用户的干扰概率并提高空闲频谱的利用率,即最大限度地降低漏检概率与虚警概率。为此,本文对协方差绝对值感知算法进行改进,提出了不同信噪比下自适应阈值的优化方法使频谱感知误差（漏检概率与虚警概率的代数和）达到最小。实验结果表明,本文算法有效降低了频谱感知误差,提高了检测概率,特别是在信噪比较低的情况下性能改善较为明显。     

基于采样协方差矩阵的频谱感知算法仿真分析

为了克服噪声不确定度的影响,实现真正意义上的盲检测,该文介绍了3种基于协方差矩阵的感知算法,并通过基于MATLAB的仿真实验,综合对比并验证3种算法的感知性能。仿真结果表明,与基于最大最小特征值之比算法(Maximum-Minimum Eigenvalue,MME)和基于协方差矩阵绝对值算法(Covariance Abosute Value,CAV)相比,基于协方差矩阵Cholesky分解的感知算法(Covariance Cholesky Factorization,CCF)避免了对采样大小和采样维数的渐进假设,从而可以精确地设置判决门限,具有更高的检测性能。     

最小信道检测开销的协作频谱感知算法

在资源受限的无线电认知网络中,协作频谱感知技术的应用提升了系统性能,却同时增加了信道检测开销.选择合适的系统参数可以有效地降低信道检测开销.采用能量检测方法,分别对单用户和多用户频谱感知系统模型进行了分析,提出信道检测开销优化算法并推导出数学表达式,理论上证明了检测开销必然存在一个最小值,同时给出了算法思路和实现步骤.仿真结果也验证了系统参数优化的有效性和最小信道检测开销算法的合理性.     

基于特征值矩阵的循环平稳检测算法

分析循环平稳检测算法,发现循环自相关函数向量在循环统计量计算过程中,信号之间的相关信息未得到充分利用,信息有一定的损失.提出基于特征值矩阵的统计量计算方法,用自相向量的协方差矩阵的特征值矩阵替代协方差矩阵.该方法使循环自相关函数中的信息得到充分利用,计算复杂度降低.仿真结果表明,该算法的检测性能在较低信噪比下优于经典的循环平稳检测算法的检测性能.     

基于MBSBL-FMLM的宽带协作频谱感知算法

针对认知无线电网络中单节点的宽带压缩频谱感知算法检测准确性低、实时性差的缺点,提出了基于多测量向量块稀疏贝叶斯学习-快速边缘似然函数最大化(MBSBL-FMLM)的宽带协作频谱感知算法。该算法采用分布式压缩感知(DCS)系统进行多节点协作检测,以降低单节点检测带来的多径衰落、阴影衰落等不利影响;另外,融合中心结合多测量向量(MMV)模型和宽带信号的块稀疏结构得出多测量向量块稀疏贝叶斯学习(MBSBL)框架,并利用快速边缘似然函数最大化(FMLM)方法进行快速参数估计。数值分析表明,基于MBSBL-FMLM算法的检测概率、归一化均方误差、检测时耗均优于SOMP算法。     

基于信噪比权值的合作频谱感知技术

根据无线环境中各个认知用户的信噪比不同,提出一种基于信噪比权值的合作频谱感知算法。认知用户根据与主用户之间路径衰落因子的不同,得出各自的信噪比值,再通过递归得到相应的权值。融合中心进行加权融合得出最终判决结果。仿真结果表明,这种算法可以提高对主用户的检测概率,其检测性能也优于传统的硬判决融合准则。     

认知网络中控制信道受限的协作频谱感知

在噪声不确定的条件下,提出一种多频带联合协作感知方法,根据各频段噪声功率的不确定度分别计算出检测门槛上、下限后对本地主用户信号进行多频带联合检测.接收信号能量处于检测门槛上下限之间的频段为本地检测结果不确定的频段,需要进行多点协作频谱感知,认知节点可利用本地检测中确定空闲的频段来传递本节点的感知信息,实现由本节点可用信道分担传统协作感知方法中控制信道通信量的目标.仿真结果表明,对比传统协作感知方法,新提出的协作感知方法能有效减少频谱感知过程中控制信道的通信负载,并且在本地检测结果为不确定的频段能获得更小的误警概率.     

基于分布式压缩感知的宽带协作频谱感知算法

针对认知无线电中传统的宽带压缩频谱感知算法计算复杂度高、检测实时性差的缺点,提出基于分布式压缩感知信道能量观测差值的宽带协作频谱感知算法。该算法无需重构T+1时刻的信号频谱,只需重构T+1时刻与T时刻的信道能量差值,进而得到T+1时刻的信道能量;另外,为减少深衰落、阴影衰落等不利因素的影响,采用多个次用户协作频谱感知。数值分析表明,该算法所需的平均感知时耗为直接重构T+1时刻的信道能量算法的50%左右,且获得了检测概率大于0.95的检测性能。     

抗伪装SSDF恶意攻击的合作频谱感知方法

基于带有伪装能力的恶意节点的更为实际的频谱感知环境,提出了分段式的信任值更新和防御方案.采用慢增长快恢复的信任值更新机制,首先确定节点汇报能量值所在的能量区间,通过动态更新信任值来降低恶意节点信任值,并督促表现不好的诚实节点提高自身的感知效率.利用蒙特卡洛实验方法进行仿真分析,结果表明,所提出的方案可有效防御具有伪装能力的恶意节点的攻击,从而保证整个网络的检测性能和吞吐量.