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。      

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.     

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.     

基于功率谱熵的频谱感知算法研究

针对低信噪比条件下认知无线电频谱感知问题,提出了一种基于功率谱熵的频谱检测算法。在分析主用户信号空闲与占用两种不同条件下观测信号功率谱熵差异的基础上,将其作为检验统计量,并确定了相应的判决门限,以实现对主用户信号频谱是否空闲的判决。计算机仿真结果表明,本算法无需信号的先验信息,可在较低信噪比条件下实现对常用调制信号的频谱感知,与盒维数频谱感知方法相比,检测性能约有8 dB的改进。     

基于功率谱分段对消频谱感知算法研究及性能分析

在实用的认知无线电系统中,频谱感知技术必须具备在噪声电平高动态变化和无线信道严重衰落电磁背景下,进行实时盲频谱感知的能力,这为经典的频谱感知算法带来巨大的挑战。该文提出的功率谱分段对消频谱感知算法,依据傅里叶变换的渐进正态性和相互独立性,计算出功率谱的统计特性,利用监测频带内部分谱线强度和与全部谱线强度和的比值作为检验统计量进行信号存在性的判断。该文推导了算法的虚警概率和不同信道模型下正确检测概率的数学表达式,并依据Neyman-Pearson准则得到判决门限的闭式表达式。理论分析和仿真结果均表明：功率谱分段对消频谱感知算法对噪声不确定度具有鲁棒性;固定信噪比,算法的频谱感知性能不受噪声电平改变的影响;应用于高斯白噪声和平坦慢衰落信道中,可在较宽的信噪比范围内获得较优越的频谱感知性能;算法计算复杂度低,可在微秒级时长内完成频谱感知。     

利用SSDF攻击特征的加权分布式频谱感知算法

协作频谱感知可以提高频谱感知的可靠性,但易遭到篡改感知数据(Spectrum Sensing Data Falsification,SSDF)攻击。该文利用SSDF攻击特征,判断邻居节点发送值是否是恶意状态值,并提出一种加权分布式协作频谱感知算法。该算法根据状态值在本地节点网络中的偏离程度,设定其融合权值。仿真结果表明,所提算法在节点收敛率和鲁棒性两方面,比基于梯度的协作频谱感知算法和基于最大差值的协作频谱感知算法都有所提升,检测性能也因此显著提高。      

克服噪声不确定度的拟合优度检验频谱感知算法

针对已有的基于拟合优度(GoF)检验的频谱感知算法易受到噪声不确定度影响的问题,利用矩估计法或特征分解估计法对噪声方差进行实时估计,将采样数据处理为标准正态分布的信号,最后通过GoF检验来感知主用户的存在性.在减小GoF算法复杂度的同时,克服了噪声不确定度对算法性能的影响,仿真结果也表明了所提算法的有效性.     

基于能量检测的频谱感知方法的介绍

简要介绍了认知无线电通信系统中基于能量检测的谱感知方法，分析了能量检测法的原理和性能。探讨了噪声不确定性产生的原因，分析了在该条件下对信噪比门限和对检测性能的影响。仿真实验表明，能量检测法是一种有效的频谱感知方法．     

小样本学习驱动的无线频谱状态感知

无线频谱状态感知是实现无线频谱资源高效利用及各种用频系统和谐共存的先决条件之一。针对复杂无线传播环境下获取的频谱观测往往存在数据稀疏性、数据类别分布不稳定、标记数据严重不足的情况,该文提出基于插值和小样本学习(FSL)分类的无线频谱状态感知方法。首先,对捕获的稀疏频谱观测数据插值,构建频谱状态地图,作为频谱状态分类器的输入数据。其次,针对频谱数据类别分布不稳定、数据量严重不足的问题,基于小样本学习方法,利用嵌入模块和度量模块协同工作,以实现快速精确的频谱状态分类。具体地,利用嵌入模块将频谱数据映射到嵌入空间,提取频谱数据中的隐含特征;在度量模块的设计中,分别提出基于原型和基于样例的两种类别表示方式,通过计算待分类样本与类别之间的相似度判断待分类样本类别。最后,为了确保分类模型克服测试样本数量少导致过拟合问题,设置A-way B-shot任务训练模型。仿真结果表明,与传统机器学习方法相比,本文模型可以在低信噪比条件下进行精准分类;同时,在测试集样本数很少的情况下,或者在测试集中出现在训练集从未见到的新类时,所训练的模型也可以精准快速判别无线频谱的场景类别。     

一种自适应阈值选择的宽带压缩频谱感知重构算法

针对宽带压缩频谱感知算法在未知稀疏度条件下重构频谱效果不理想的问题,提出一种自适应阈值选择的改进型分段正交匹配追踪(Adaptive Threshold Option-Improved Stagewise Orthogonal Matching Pursuit, ATO-IStOMP)算法,该算法根据迭代残差的分布特性自适应地调整原子选择判决门限,使其每次迭代能够高效选择多个原子作为候选集,同时该算法利用残差比阈值对迭代终止条件进行修正,能够实现重构算法的盲停止,增强算法在低信噪比环境下的鲁棒特性。仿真结果表明,ATO-IStOMP算法能够实现对原始信号的盲重构,且在低信噪比环境下的重构性能良好。      

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。      

基于空间谱的多天线盲频谱感知算法

现有的频谱感知算法主要在时间、频率以及地理空间维度进行检测,对角度维的利用尚不成熟。将多天线技术中的到达角（AOA, angle of arrival）估计算法应用到频谱感知领域,提出了2种基于空间谱的盲频谱感知算法,分别为最大—最小延迟相加谱值比检测和平均—最小延迟相加谱值比检测。利用空域匹配滤波的优势,新算法在低信噪比下得到了较高的检测概率,同时为角度维的频谱接入提供了AOA信息,从而提高了频谱利用率。此外,运用随机矩阵理论,推导了检测阈值和检测概率的理论值。仿真结果表明,在Nakagami-m信道下,提出的算法具有比现有盲感知算法更优的检测性能。     

Cooperative blind spectrum sensing using autocorrelation matrix

To improve the spectrum sensing performance in cognitive radios, a scheme of cooperative blind spectrum sensing based on autocorrelation matrix is proposed. The test statistic is extracted from the autocorrelation matrix of the received signal samples and a bi-threshold hybrid decision scheme is designed for local spectrum sensing. The cognitive radio base station makes a credibility fusion based on the local soft decisions and then takes global fusion combining with the local hard decisions. The proposed method is blind in the sense since it requires no apriori knowledge of the signal and the noise power. Theoretical analysis and computer simulation results show that the proposed method can enhance the spectrum sensing capability.     

基于均值辅助的LSTM网络频谱感知算法

针对传统感知算法在低信噪比时检测性能低和深度学习感知算法网络训练量大、复杂度高等问题,本文提出一种在均值辅助下的长短时记忆网络（Long Short-Term Memory,LSTM）频谱感知算法。具体来讲,首先对接收信号序列做多点均值计算,然后利用所得的均值构造特征向量并作为LSTM网络的输入来训练网络,最后利用训练好的网络对新的接收序列进行感知。仿真结果表明:相比于传统算法,所提算法在检测性能上有较大提升;相对于利用原始接收序列直接训练的深度学习算法,所提算法的复杂度大幅下降。      

一种改进的图域频谱感知算法

针对现有基于完全图检测的频谱感知算法存在的计算复杂度高、低信噪比时性能不佳的问题,提出了一种基于分组极差图的改进算法。该算法将观测信号的功率谱以适当的长度进行分组,而后提取其分组极差序列,将其转换成特定无向简单图,并利用图的Gini系数作为完全图特征以实现对信号的检测。相较于现有的图域感知算法,引入分组处理环节能够有效减少图域变换中的处理样本量,且Gini系数计算无需高维矩阵的特征分解,因而计算复杂度降低。仿真结果表明,信噪比大于等于-4 dB时算法检测概率可达0.96以上,平均单次运行时间约为原有图域频谱感知算法的5.6%,有效提高了检测性能并减少了计算复杂度。     

基于循环谱能量的自适应频谱检测算法

根据信号循环平稳谱的特征,研究在低信噪比环境下的频谱检测问题,提出一种基于循环谱能量的自适应判决门限频谱检测算法。该算法融合能量检测与循环平稳特征检测的机理,以信号的循环谱能量为检测统计量,加权合并虚警率与检测率,准确估计循环谱特征值,构建了具有噪声自适应能力的频谱检测判决门限。仿真结果表明,该算法可以在低信噪比环境下有效地完成频谱检测,克服了噪声波动对频谱检测性能的影响,对不同调制主信号的感知具有稳健性。与最大—最小特征值算法和盲检测算法相比,该算法分别改善了信噪比4dB和8dB。     

面向鲁棒频谱感知的模糊K-means++算法

恶意用户通过向数据融合中心发送伪造的频谱感知数据,解决自身频谱资源短缺问题,但会极大地降低频谱感知系统的检测概率。为了解决此问题,提出了基于模糊K means++的数据融合算法。该算法首先引入模糊处理机制处理样本的数据特征值,以此来增加样本间的差异性;然后将模糊处理后的数据发送到融合中心,融合中心采用离群点挖掘的方法排除恶意用户,并对保留下来的用户进行融合,使样本向量具有鲁棒性;最后运用K means++算法对样本向量进行聚类。该算法利用轮盘法选择聚类中心,可有效抵御恶意用户的攻击,提高系统感知性能;无需知晓信号与噪声的分布等一些先验信息,也避免了繁杂的门限推导。从仿真结果可以看出,该算法对抵御恶意用户攻击具有突出的效果,有效提升了协同频谱感知系统的稳定性和鲁棒性。     

一种电磁传感器网络的群规模约束分群算法

电磁传感器网络是一种以电磁信号为感知目标的传感器网络。本文针对电磁传感网监测性能要求,提出了一种基于分群的电磁传感器网络频域协作工作模式,理论上分析了群规模与信号感知概率以及感知时延的关系,将电磁传感网监测性能要求转化为对分群规模的约束,并设计了群规模约束分群算法(CRCA)。仿真结果表明,在相同的性能要求和网络连通度下,CRCA得到的满足群规模约束的群比例高出已有算法10%,能较好地满足系统性能要求。     

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.     

基于拉普拉斯先验算法的多维度频谱感知

全双工认知无线电LAT（Listen-and-Talk）模型能够在次用户传输数据的同时进行频谱感知,这要求感知用户能在次用户自干扰的影响下检测当前是否存在主用户。利用全局功率谱模型的方法实现了对当前用户的使用频段、发射功率和位置坐标的多维度感知,以此辨别该用户的身份。在求解数学模型时,选取了拉普拉斯近似函数用作未知参数的先验概率密度函数,与现有方法相比,提升了算法收敛速度,并获得了准确性更高的结果。