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。     

基于FLOM和LSTM的频谱感知算法

为解决现有频谱感知检测方法在Alpha噪声中性能下降的问题，提出一种基于FLOM(fractional low order moment, FLOM)和LSTM(long short-term memory, LSTM)神经网络的频谱感知算法。利用分数低阶矩在解决非高斯噪声下感知性能退化的强大能力以及长短期记忆神经网络在解决时序特性问题上的强大处理能力，设计一个频谱感知算法。不同于现有的基于能量和协方差矩阵等二阶统计量的频谱感知，利用FLOM对数据进行分数低阶预处理后，LSTM通过提取分数低阶协方差矩阵的特征进行决策。仿真结果表明，该算法比传统的频谱感知算法具有更高的检测概率。在低信噪比下，基于分数低阶矩阵感知的LSTM检测方案的检测概率比其它基于数据驱动的检测方法改善了至少15%。     

基于最小描述长度准则的数字信道化接收机频谱检测方法

数字信道化接收机常采用频谱检测方法判断其分析滤波器组中的输出子带信号的存在。为解决现有基于特征值的频谱检测方法由于采用最大和最小特征值的近似值而导致采样点数较少时性能无法满足要求的问题,提出了一种适用于数字信道化接收机的基于最小描述长度(MDL)准则的子带频谱检测方法。基于子带过采样数据构建协方差矩阵,计算矩阵特征值的平均值以减少噪声带来的波动。将矩阵特征值的平均值作为MDL准则的参数估计所有子带的平均特征值中包含信号的个数,以此确定包含信号的子带。仿真实验表明,该方法比现有的频谱检查方法具有更好的检测性能,且克服了需要设置固定门限的缺点,对噪声和信号波动具有较强的适应能力。     

基于二阶循环统计量的盲均衡算法

提出一种新的基于循环二阶统计量的盲均衡算法.通过对信道输出信号进行过采样,建立单输入多输出信道模型.由于过采样等效信道矩阵具有特殊结构,使得仅仅根据零延迟时的协方差矩阵所包含的信息就能实现信道估计,根据不同延迟下的协方差矩阵也可求得不同时延的均衡器矩阵,然后用最小均方误差MMSE准则来优化均衡器得到最佳延迟协方差矩阵.仿真结果表明了该算法的有效性.     

基于绝对值累积的主用户动态到达频谱感知算法

在认知无线电网络的主用户动态到达频谱感知场景中,针对拉普拉斯脉冲噪声干扰导致频谱检测性能下降的问题,提出基于绝对值累积(AVC)的频谱感知算法。假设接收到的主用户信号服从泊松分布,对接收信号进行AVC处理抑制脉冲噪声干扰,并将处理信号累积求和作为判决统计量,得到判决统计量的均值与方差,求出判决门限理论表达式以判断主用户是否动态到达,从而实现频谱感知。理论分析与仿真结果表明,该算法在不同虚警概率、信噪比及累积求和采样点数量下的检测概率均优于改进的能量检测算法。     

基于奇异值分解的宽带频谱感知改进算法

对认知无线电中宽带频谱感知的信号检测问题进行研究,在信道位置和带宽随机分布的条件下,提出一种基于Hankel矩阵奇异值分解的改进算法完成宽带频谱的频率点奇异性检测并获得各子频段的起始频率和带宽,有效实现盲宽带频谱感知,同时利用提出的三种性能评价参数对该算法与多尺度小波变换算法进行了性能对比。通过实际接收微波信号及仿真OFDM信号感知实验验证,该算法有效抑制了噪声不确定性,滤除了伪奇异点,提高了宽带频谱感知性能。     

分布式MIMO系统容量最优的预编码设计

针对分布式多入多出(MIMO)系统各天线功率无法共享的问题,基于分布式MIMO系统各天线功率受限的假设,提出容量准则下的最优预编码矩阵设计方案。采用Lagrange对偶优化的方法,将原优化问题转化为其对偶问题,给出求解预编码矩阵的迭代算法流程,以及在不同天线配置和容量准则下的信号发射策略。仿真结果表明,在发射天线数目多于接收天线数目时或信道矩阵缺秩时,该迭代算法求得的预编码矩阵的容量性能优于已有次优解析解。     

基于鲁棒协方差矩阵估计的盲信道识别方法

为了提高基于二阶协方差矩阵的盲信道识别方法在脉冲噪声环境下的性能,以α稳定分布过程为脉冲噪声模型,利用m-估计的方法得到该脉冲噪声信道下接收信号协方差矩阵的鲁棒估计,再利用噪声子空间的方法实现信道的盲识别.仿真结果表明,该方法在脉冲噪声环境下的性能要明显优于传统的基于二阶统计协方差矩阵的盲信道识别方法的性能.     

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。     

认知无线电中基于特征值检测的频谱感知算法

频谱感知的任务在于利用感知节点(无线传感器或者认知用户)采集的数据判断频谱空洞是否存在。基于最大特征值检测(MED)和最小特征值检测(SED)的方法最近被应用到频谱感知当中。这两种算法在检测实际应用当中普遍存在的相关信号时表现出良好的检测性能。然而,MED和SED算法对应的判决门限求解非常复杂,从而限制了它们在实际的认知无线电频谱感知中的应用。该文利用取样协方差矩阵的所有特征值,提出了一种新的基于特征值检测(ESD)的算法。利用多元统计理论获得了相应的判决门限。ESD算法无需主信号和无线信道信息参与感知过程。与此同时,它保留了与MED和SED相同的计算复杂度。更重要的是ESD算法对应的判决门限可以通过一个简单的闭合表达式进行求解,其计算复杂度低。仿真结果验证了新算法的有效性。     

Proposed Approaches for Cooperative Cognitive Radio

This paper in this topic concentrates on an important part is spectrum sensing (SS). It can detect the idle hole in spectrum by detection methods. This paper uses the sensing technique is called energy detector(ED). The ED depends on only the energy of the signal without other needs such as the modulation of signal or pre-knowledge about the signal and this is considered as advantage. This research proposed new two techniques are the additive wavelet transform (AWT) with Homomorphic Way (HW) and Haar Discrete Wavelet Transform (HDWT) approach. We apply these techniques are applied in wide band wireless signal by using the Cognitive Radio (CR) network. Each technique reduces the noise of signal before enter to the detection method ED. The HW is considered new technique in the wireless communication. This study will have these techniques as hybrid with the ED to increase the throughput for the cognitive user with a sufficient protection to the PU transmission. Also, it improves the probability of detection and reduces the probability of false alarm and the probability of error. The cooperative CR is used in this work which more than the non-cooperative cognitive user to detect the holes. The final decision for detection built on four fusion rules are the logic OR, logic AND, MAJORITY and K-Out-Of-M fusion rule. The two proposed are applied techniques on four fusion rule at constant sensing time. Then; study the four metric detection performances for each fusion rule by using the Additive White Gaussian Noise (AWGN) channel. At the end, comparison between two these proposed techniques with each fusion rule. Simulation results prove that the proposed scenario increases the probability of detection in the range of SNR of the PU from ?20 to ?5 dB using the theses proposed approaches.

     

针对未知稀疏信号的压缩自相关检测算法

针对未知的宽频带稀疏信号检测问题,提出了一种直接基于非重构采样值 的压缩自相关检测算法。首先利用压缩感知技术以远低于奈奎斯特采样速率获取信号,在自 相关矩阵检测信号理论的基础上,利用压缩感知中传感矩阵的严格等距特性,推导出基于统 计分布的信号稀疏系数自相关检测算法,从理论上给出了判决门限的选取和虚警概率之间的 关系,并进行了算法复杂度分析。由于无需重构原始信号,该算法直接利用少量的压缩测量 值进行检测,可以有效地提高检测过程的时效性。仿真表明在较低的信噪比时,该算法对未 知信号仍有良好的检测性能。     

基于谱相关分析的频谱空洞检测方案

设计了一种新的频谱空洞的检测方法,基于谱相关分析的理论,在循环相关匹配滤波器的基础上,采用单通道信号的检测统计量作为统计判据,用Bartlett(巴特利特)窗周期图法进行功率谱估计,并进行了蒙特卡罗仿真.仿真结果表明,在低信噪比的情况下,该检测方案具有良好的检测性能.     

基于高阶统计量的压缩宽带频谱盲检测方法

针对认知无线网络中宽带频谱感知受到高速模数转换器(ADC)器件的技术限制,利用压缩感知理论(CS),采用压缩信号处理技术,直接对压缩观测数据进行分析,推导出宽带频谱检测的高阶判决统计量的概率分布特性,并在此基础上提出了一种基于高阶统计量的压缩宽带频谱盲检测算法(HOS-CWSBD).该算法无需任何有关主用户(PU)信号的先验知识、也无需事先重构出原信号就能实现宽带频谱检测.理论分析和仿真结果均表明,与传统的基于压缩感知理论且需要信号重构的压缩频谱感知算法以及基于Nyquist采样数据的非压缩宽带频谱感知算法相比,该算法具有计算复杂度低、感知性能稳定等优点.     

认知无线电网络中基于SVD算法的无线麦克风信号的检测*

在无线区域网中,作为授权用户的无线麦克风信号的低功率和窄带宽使得这种信号的检测非常困难。提出了基于奇异值分解的无线麦克风信号检测方法。对由接收信号形成的Hankel矩阵作奇异值分解,通过检查奇异值来检测无线麦克风信号的存在并估计该信号的中心频率,进而可以设置保护频带;非授权用户可以使用保护频带之外的频率资源,从而改善频谱效率。仿真结果证明了基于SVD的频谱检测算法具有更好的检测性能和很高的频率估计精度。     

基于盲波束形成的CDMA信号伪码估计

为解决低信噪比(SNR)条件下CDMA信号伪码盲估计问题,提出结合盲波束形成和奇异值分解的盲估计方法。在信号波达方向和信道同步信息未知的情况下,估计各用户的扩频序列,完成多用户检测,并给出高斯噪声下盲多用户检测的完整数学表达式。理论分析和仿真结果表明,该方法通过天线阵列的分集和扩频增益能在低SNR下完成伪码估计,且其多用户检测性能相对传统单天线检测算法有较大提高。