基于PSO-LSSVM的非重构宽带压缩频谱感知方法

频谱感知是认知无线电的关键技术之一,而宽带环境使采样设备压力大,宽带压缩频谱感知有效地解决了此问题,但压缩重构造成巨大计算复杂度,并且传统检测方法受门限限制,在低信噪比下检测率低。提出将机器学习与非重构压缩感知技术应用到频谱感知当中的方法,原始信号经压缩感知得到测量值,对其进行采样协方差预处理后,通过改进PSO-LSSVM算法对数据进行训练分类,解决门限困扰,并适用于宽带频谱感知。仿真结果表明,此方法在低信噪比下,与传统检测相比有较好的检测结果。     

基于压缩感知的非重构频谱检测方法

本文基于压缩感知理论利用随机矩阵在时空域对CR用户接收到的授权用户信号进行压缩采样得到观测数据,然后直接对观测数据进行数据处理和分析,设计出一种非重构频谱检测方法。仿真结果表明,该方法的可行性,且具有计算复杂度低和检测性能稳定的优点。     

利用压缩测量值的非重构宽带频谱感知

为了解决在认知无线电(CR)宽带系统中快速精确分析数据并实现频谱感知的技术难题,对非重构压缩频谱检测进行了研究。提出了一种利用压缩测量值的非重构宽带频谱感知算法,推导分析了虚警概率和检测概率的封闭表达式。该算法利用离散余弦变换（DCT）矩阵的能量压缩特性观测得到主用户能量压缩信息,并利用新型压缩检测器对压缩信息进行判决。仿真表明,所提算法降低了计算复杂度,提供了比传统的能量检测器和压缩检测器更好的工作特性。     

用于调制宽带转换器压缩频谱感知的重构失败判定方法

调制宽带转换器(Modulated Wideband Converter, MWC)压缩采样应用于频谱感知的一个基本前提是信号在频域上的稀疏性。如果信号不稀疏,将导致MWC重构结果不正确。该文提出了一种MWC压缩采样重构成败的判定方法。该方法利用连续两次重构得到的子带能量之间的相关性进行判决。仿真结果表明,该方法能够较准确地判断重构是否成功,应用于认知无线电频谱感知中能够避免频谱不稀疏时认知用户对主用户造成干扰,达到保护主用户的目的。     

基于加权平均一致算法的宽带压缩频谱感知

在认知无线电(CR)网络中进行频谱共享接入,首要的任务是进行频谱感知,并发现频谱空洞。基于认知无线网络中信号频域的固有稀疏性,本文结合了压缩感知(CS)技术与加权平均一致(weighted average consensus)算法,建立了分布式宽带压缩频谱感知模型。频谱感知分为两个阶段,在感知阶段,各个CR节点对接收到的主用户信号进行压缩采样以减少对宽带信号采样的开销和复杂度,并做出本地频谱估计;在信息融合阶段,各CR节点的本地频谱估计结果以分布式的方式进行信息融合,并得到最终的频谱估计结果,获得分集增益。仿真结果表明,结合压缩感知与加权平均一致算法增强了频谱感知的性能,比在相同的CR网络中使用平均一致算法时有了性能上的提升。      

基于观测矩阵优化的自适应压缩频谱感知

推导了自适应压缩感知中的重构估算误差,研究了如何降低观测矩阵列向量之间的自相关性,分析了观测矩阵优化对压缩感知重构算法的影响。将观测矩阵优化与压缩感知自适应过程相结合,提出了基于观测矩阵优化的自适应压缩频谱感知算法。仿真结果证实,所提算法比传统算法重构时产生的均方误差(MSE)更低,在同一观测次数下检测概率更高,在达到同等接收操作性能(ROC)时所需观测次数更少。     

基于扩散机制的分布式宽带压缩频谱感知算法

针对认知无线电网络共享频谱资源的特征,本文提出一种基于扩散机制的分布式宽带压缩频谱感知方法。该算法包含两个工作阶段。在第一个阶段,每个认知用户对观测信号进行压缩感知和独立重构,产生本地频谱估计;在第二阶段,各个认知用户根据扩散机制协作更新频谱估计信息,实现最优估计。仿真结果表明,该算法与一致性分布式压缩频谱感知方法相比,可以快速增强认知无线电网络频谱感知能力,可应用于动态拓扑结构的认知无线电网络。     

基于部分频谱小波边缘检测的压缩宽带频谱感知

压缩宽带频谱感知是一种采用压缩感知技术去感知相对较宽的频谱的方法.针对压缩宽带频谱感知中信号重构引起的计算资源消耗比较大以及能量检测在低信噪比下感知性能差的问题,提出了基于部分频谱小波边缘检测的压缩宽带频谱感知方法.首先使用基于最大熵准则的部分傅里叶矩阵获得部分频谱,然后根据部分频谱进行小波边缘检测,最后判别.仿真结果...     

基于压缩感知信道能量观测的协作频谱感知算法

压缩感知为认知无线电宽带频谱感知提供了一种新思路。基于压缩感知原理,该文提出一种不需要重构宽带频谱本身,而是直接重构各信道能量的协作频谱感知方法。多个次用户使用宽带随机滤波器组获取信道能量的观测值。融合中心同步接收多个用户的能量观测,并利用同步稀疏自适应匹配追踪协作重构算法重构所有次用户的信道能量。仿真结果表明加性高斯白噪声环境下该协作感知方法所需的滤波器数目仅为传统方法的20%左右,瑞利衰落信道下也仅需传统方法的40%,有效降低了系统复杂度并改善感知性能。同时,该文提出的同步稀疏自适应匹配追踪算法对比经典的同步正交匹配追踪算法在重构精度及算法复杂度两方面都有所提升。     

基于随机矩阵理论的协作频谱感知

认知无线电频谱共享技术在新一代无线通信网络中具有广泛的应用前景,频谱感知是其中最重要的环节。该文提出了一种新的在多认知用户环境中,基于大维随机矩阵理论的协作频谱感知算法。充分利用随机矩阵的渐近谱分布特性及小样本下最大特征值收敛特性来提高感知性能。理论分析和仿真结果均表明,新算法性能明显优于同类算法和典型的能量检测算法。     

一种宽带频谱检测的空域频域压缩感知方法

压缩感知(CS)技术使快速宽频检测成为可能,采用CS技术的WSN可为认知无线电用户提供频谱信息。针对WSN检测到的频谱数据,该文建立了一种基于空域和频域2维压缩的空频压缩感知(SFCS)模型,提出了相应的重构算法,并详细分析了SFCS的各种性能。仿真结果证实了在同一检测概率下,SFCS模型下比传统模型所需传输数据更少;在相同总压缩率下,该文算法下的ROC性能优于传统算法的性能。     

基于OMP算法的宽带频谱感知

频谱感知是认知无线电的一项关键技术,其能够检测出未被主用户占用的频谱空穴供次用户接入使用,提高频谱利用率.宽带频谱感知要求对数GHz 的带宽进行检测,过高的采样速率、大的数据量对现有的硬件设备提出了巨大的挑战.本文利用宽带频谱的稀疏性提出一种基于OMP算法的宽带频谱感知方法.该方法利用MWC采样实现对宽带模拟信号直接压缩采样;利用自相关矩阵对称分解特性和主用户信号独立性,得到有限维压缩采样信号模型,利用AIC/MDL准则估计稀疏度作为OMP算法迭代停止的条件,大大减少了算法复杂度;该方法不需要重构接收信号的PSD,直接在时域根据低速率采样信号,检测被占用信道.仿真结果表明,当带内信噪比大于9dB时,频谱检测概率高于90％.     

基于压缩感知的随机噪声成像雷达

近年来提出的压缩感知(CS)理论指出可以从很少的采样点中以很大的概率准确重建原始的未知稀疏信号。该文将压缩感知与随机噪声雷达相结合,提出了基于压缩感知的随机噪声雷达,并给出了该雷达系统的基本原理框图,从理论上证明了基于压缩感知的随机噪声雷达的回波观测矩阵具有很好的等容性质,在目标场景稀疏或可以稀疏表示时,基于压缩感知的随机噪声雷达可以采集远小于常规随机噪声雷达成像所需的回波数据并能实现准确成像,最后通过仿真实验验证了该文的结论。     

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。     

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。     

认知无线电中基于截断序贯检测的频谱感知技术

序贯检测的检测时间是随实际接收信号采样点的变化而不同的随机变量,在平均意义上,序贯检测有较高的检测速度,但是个别情况下可能需要很长的检测时间,为了避免这种现象的发生,同时提高认知无线电中频谱感知的速度,该文提出了一种截断序贯检测算法。首先分析了截断对传统序贯检测性能的影响,给出了虚警概率和漏检概率的上限,然后基于该性能上限得到了截断序贯检测的检测门限,最后给出了截断序贯检测算法的流程。仿真结果表明,该算法在有限的检测时间内,能够满足系统的性能要求,且其平均检测时间小于传统的能量检测。     

基于压缩感知理论的随机噪声雷达目标检测算法研究

随机噪声雷达通常利用时域相关完成脉冲压缩从而进行目标检测。该文根据压缩感知理论提出一种适用于噪声雷达目标检测的新算法,它用低维投影测量和信号重建取代了传统的相关操作和压缩处理,将大量运算转移到后期处理。该算法以噪声雷达所检测的目标空间分布满足稀疏性为前提;利用发射信号形成卷积矩阵,然后通过随机抽取卷积矩阵的行构建测量矩阵;并采用迭代收缩阈值算法实现目标信号重建。该文对算法作了详细的理论推导,形成完整的实现框架。仿真实验验证了算法的有效性,并分析了对处理结果影响较大的因素。该算法能够有效地重建目标,具有良好的运算效率。与时域相关法相比,大幅度减小了目标检测误差,有效抑制了输出旁瓣,并保持了信号的相位特性。