认知无线电网络多用户智能协作频谱感知算法

认知无线电网络中,单用户频谱感知容易受到阴影效应、多径衰落及隐蔽终端等不利因素的影响,造成感知结果的误判.为了提高系统的检测性能,并减少感知花销,提出了多用户智能协作频谱感知算法.各个认知用户根据估计信噪比自适应选择不同的感知策略,当估计信噪比高于选择阈值时采用双门限能量感知,低于选择阈值时则采用循环平稳特征检测,并在同一个感知周期内只进行一种较优的感知策略,从而在不明显增加计算复杂度的情况下,克服了能量感知在低信噪比条件下鲁棒性差的缺点,实现了智能检测.仿真结果表明,智能协作频谱感知有效提高了系统检测概率,缩短了平均感知时间,有较好的鲁棒性.     

基于小波去噪的联合频谱感知优化算法

传统的能量检测算法由于受到噪声不确定性的影响,在信噪比较低时检测精度差,理论上较优的循环平稳特征频谱感知算法的计算复杂度偏高。因此,在传统能量检测算法基础上结合小波阈值去噪和差分能量检测模型,提出一种优化的双门限联合检测算法。使用能量检测法来判断双门限区间之外的区域,双门限阈值内的不确定性区域使用小波阈值去噪重构后做差分能量检测,并根据信道实时状态动态地调整双阈值。当信道质量较差时,增大双门限之间的距离,否则缩短双门限之间的距离,从而提高频谱检测效率。通过仿真对比得知,该算法有效地提高了噪声不确定性影响下频谱感知的准确性,并且降低了感知算法的计算复杂度。     

双门限三级联合频谱感知算法——基于能量检测和高阶循环谱检测

认知无线电中,快速有效的频谱感知是一项关键技术。传统的能量检测算法不能抵抗低信噪比的影响,高阶循环谱检测又有着较高的算法复杂度。将二者进行结合,提出一种双门限三级联合频谱感知算法,有效提高了系统的检测性能并降低了算法复杂度。对传统的能量检测算法进行了仿真,并对检测概率的影响因素进行了分析和仿真;对高阶循环谱检测算法进行了理论分析,并对三级联合感知算法的性能进行了详细分析。最终得出结论,三级联合感知算法不但大大提高了认知用户的检测性能,而且并没有增加过多的运算量,因此是一种高效、快速的频谱感知算法。     

基于循环平稳检测的WCSN频谱感知算法

在无线认知传感器网络中,感知节点采用能量检测法在低信噪比下检测概率较低,而传统循环平稳检测法复杂度过高。为此,采用一种基于频域简化的单循环平稳检测算法,推导算法虚警概率的闭合表达式,建立检测概率与实际信噪比之间的关系式。理论研究与仿真分析表明,该算法复杂度低于循环平稳检测法,与能量检测法持平,可以满足无线认知传感器网络中对频谱感知的性能要求。     

基于改进型能量检测的加权协作频谱感知算法

针对单节点能量检测法存在的“隐藏终端”和检测准确性低以及协作频谱感知算法大多采用等权重进行数据融合,未考虑不同节点所处的通信环境对检测性能的影响等问题,提出一种基于改进型能量检测的自适应加权协作频谱感知算法。该算法通过对单节点能量检测方法的改进,在单节点检测错误概率最小的条件下,导出了信噪比与判决门限的关系式,利用二分法求得不同信噪比下的动态门限值,得到相应的虚警概率和检测概率,以虚警概率和检测概率的函数作为加权因子进行数据融合。仿真结果表明,所提算法使协作感知系统在低信噪比条件下也能获得可靠的检测性能。     

结合循环平稳特征和自适应双门限检测的频谱感知算法

针对单门限能量检测算法存在虚警率高、循环平稳特征检测算法计算复杂等问题,为了降低无线信道平均捕获时间和信号检测算法复杂度,提出一种联合循环平稳特征的自适应双门限能量检测算法.该算法根据无线信道占用状态自适应调整双门限值搜索频谱信息,将无线麦克风信号接收后直接送入第1个积分电路,在双门限区域之外采用无线信号能量检测;当第1个比较器中能量累积输出低于检测下门限时,表明未检测到无线信号;当积分电路输出超过检测下门限时则启动第2个积分电路,当第2个比较器中能量累积超过检测上门限时启动第3个比较器,超过同步门限判断虚警状态;在双门限区域之间采用循环平稳特征检测快速、准确地捕获无线麦克风信号,并合理设置保护频带,让非授权用户充分利用保护频带之外的频谱资源.仿真结果表明,文中算法有效地提高了无线认知网络的无线信号检测概率和频谱感知精度.     

联合循环平稳特征PCA与XGBoost的频谱感知

针对低信噪比条件下主用户信号检测概率低的问题,提出一种基于循环平稳特征主成分分析与极限梯度提升算法(eXtreme Gradient Boosting,XGBoost)的主用户信号频谱感知算法。在信号各循环频率不为零值的情况下,提取能量最大的信号循环谱,通过PCA对循环谱特征进行降维处理,生成训练样本和测试样本。利用训练完成的XGBoost算法对待检测的信号进行分类,实现主用户信号是否存在检测。实验结果表明:与支持向量机算法、随机森林算法和传统循环谱算法相比较,该算法在低信噪比和低虚警率情况下具有更优的检测性能。     

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。     

联合信任度与信噪比的自适应协作频谱感知算法

为提高认知无线电的频谱感知性能,提出一种联合信任度与信噪比的自适应协作频谱感知算法。该算法通过信噪比估计和信噪比比较获取各认知用户的初始信任度值,自适应地调整信任度、参与度、判决门限等参数以实现算法最优,并采用周期性初始化策略以满足时变信道的要求。仿真结果表明,与传统K秩协作频谱感知算法和自适应合作频谱检测算法相比,该算法不仅提高了协作检测性能和稳定性,而且具有更好的实时性和抗恶意用户性能。     

基于改进型支持向量机的频谱感知算法

针对无线信道环境中,信道多径衰落和噪声不确定性等低信噪比情况下主用户信号检测性能较低的问题,提出一种基于改进型支持向量机(support vector machine,SVM)的主用户信号频谱感知算法.对信号循环平稳特征参数进行特征提取,作为训练样本和待测样本;采用改进的SVM算法分别对有无主用户情况下的信号进行分类检测.仿真结果表明,与能量检测法(ED)和循环平稳特征检测法(CD)相比较,该算法可在低信噪比情况下不受噪声不确定性等因素影响,具有较高的分类检测性能,有效地实现了对主用户信号的感知.     

强噪声环境下自适应语音端点检测算法

本文在分析基于短时能量的语音端点检测算法局限的基础上,引入短时信噪比SNR估计方法,并设计自适应的判决门限,提出一种自适应语音端点检测算法.通过对平稳高斯白噪声环境下信噪比从-10dB到20dB的带噪语音信号进行的仿真实验表明,所提方法能更为准确地检测到语音的端点.     

改进自适应双门限协作频谱感知算法

频谱感知是认知无线电领域的关键技术之一,得到了众多学者广泛深入的研究。在低信噪比情况下,传统双门限算法阈值门限固定不变导致检测效果较差,针对该问题,提出一种自适应双门限协作频谱感知算法,通过计算各节点信噪比得到权值,调整判决门限,将当前判决结果与前后时刻充分联系,融合各节点判决信息得到最终判决结果,理论分析和仿真结果表明,相较于传统双门限和加权双门限检测算法,本文提出的算法具有更好的检测效果。     

微弱通信信号盲检测技术

在研究背景噪声和目标信号不同特性的基础上提出一种实用的非合作微弱信号盲检测技术。对新的检测技术进行理论分析和算法流程的阐述。并针对复杂电磁环境下多信号检测的性能和低信噪比环境下单信号检测性能进行仿真与分析。表明新的检测方法在高斯白噪声信道下对不同的无线信号都有较好的检测和估计精度,而且具有运算量小、精度高、易于硬件实现的特点。     

复杂噪声中基于MFCC距离的语音端点检测算法

为提高复杂噪声环境下语音信号端点检测的准确率,提出一种基于梅尔频谱倒谱系数(MFCC)距离的多维特征语音信号端点检测算法。通过计算语音信号的MFCC距离,结合短时能量和短时过零率对特征距离进行修正,并更新其阈值,建立自适应噪声模型,实现复杂噪声中语音信号端点的准确检测。实验结果表明,与基于双门限能量和基于倒谱距离的2种经典检测算法相比,在计算效率相同的条件下,该算法的检测准确率更高。     

基于MUSIC算法的宽带频谱感知

利用MUSIC算法进行宽带频谱感知时,主用户信号个数估计是关键问题。为此,提出一种动态门限搜索匹配的信号个数估计算法。利用信号子空间和噪声子空间的正交性动态调整门限,搜索与预设维度最匹配的信号个数作为最终的估计值。仿真结果表明,在低信噪比的情况下,该算法能准确估计信号个数,提高宽带频谱感知性能。