一种新的认知无线电频谱感知算法

频谱感知是认知无线电的关键技术之一,通过检测授权用户信号的有无来发现频谱空穴,以提高频谱利用率。基于接收信号的统计协方差理论,提出一种新的认知无线电频谱感知算法,无需信号的先验信息,且计算复杂度较低。仿真分析了该算法,结果表明其在低信噪比环境下,较传统能量检测法有更好的感知性能。     

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。     

基于图像K-means聚类分析的频谱感知算法

近年来,基于能量检测的协作频谱感知算法被广泛应用于频谱感知领域。由于该方法在计算能量检测的判决门限受噪声影响较大以及受限于认知用户的数量等问题,导致其检测性能受到影响。为了解决这一问题,本文提出一种基于图像K-means聚类分析的频谱感知算法。这种方法利用主用户信号存在与否的两种认知信号状态映射成图像,经过调整图像强度和高斯滤波预处理之后利用提取图像像素分布直方图的方法提取出特征向量,然后利用改进的K均值聚类算法对这些特征向量进行训练得到分类模型。最后利用训练好的分类模型对未知信号进行检测,从而实现频谱感知。仿真结果表明,本文所提出的频谱感知算法,在检测性能上优于传统能量检测以及协作频谱感知算法,尤其在低虚警概率、低信噪比的环境下效果更加突出。      

认知无线电中基于SVD分解的频谱感知新算法

为了解决认知无线电中能量检测法在低信噪比下检测概率低的问题,本文提出了一种基于SVD分解的频谱感知算法。首先利用接收信号构造Hankel矩阵,通过SVD分解,将矩阵分离成信号空间与噪声空间,再将较小的奇异值置零,然后重构矩阵,从而提高接收信号的信噪比（SNR）。其次,将SVD系统输出信号功率对噪声功率进行归一化,把降低噪声功率转化成提高主用户信号功率。最后进行能量检测,以此来提高检测概率。理论分析和计算机仿真表明,在相同条件下,基于SVD分解的频谱感知算法与传统的能量检测法相比,检测概率显著提高;要达到相同的检测概率,对信噪比的要求也显著降低。      

提升小波与能量检测联合优化下的频谱感知方法北大核心CSCD

传统的频谱感知方法易受噪声波动的干扰,而且在低信噪比的无线通信条件下检测精度较差。通过结合提升小波去噪与动态门限能量检测算法,能有效提高传统频谱感知方法的抗噪声性能和检测精度。首先对含噪信号进行奇偶抽样,分解信号,去除噪声部分,再重构为去噪新信号,然后通过能量检测方法来统计信号的能量积累,设置动态门限,最后以动态门限判断用户信号是否存在。提升小波去噪能够有效地去除采样信号中的噪声,减少噪声对能量检测法检测精度的影响,动态门限能根据噪声波动进行调整来适应复杂的噪声环境。仿真结果表明,提升小波去噪结合动态门限能量检测算法相比于传统的频谱感知要有更优的检测精度。此方法不但提高了其对不确定噪声的抵抗性,使之能适应复杂的通信环境,而且提高了频谱感知过程的可靠性。     

一种基于随机共振增强的协方差矩阵频谱感知算法

为了在避免对主用户系统产生有害干扰的同时 提高频谱利用效率,要求认知无线电系统的频谱感知算法能在极低的信噪比下快速检测出主用户信号。由于可以避免能量检测面临的噪声不确定性问题,基于协方差矩阵的检测算法是一种有效的盲频谱感知算法。为了进一步提高极低信噪比下的性能,本文提出了一种基于随机共振的协方差矩阵频谱感知算法。该算法通过在接收信号中加入优化的特定信号,利用随机共振原理,增大有无主用户信号下的检测统计量概率分布函数的分离度,提高频谱感知的性能。仿真结果表明,相对于现有的协方差矩阵频谱感知算法 ,在相同的虚警概率下,所提算法可以显著提高极低信噪比下的检测概率,同时大幅度缩减检测时间。      

利用功率谱极值和几何平均的频谱感知算法

为了提高基于功率谱的频谱感知算法抗噪声不确定性、抗频偏及低信噪比下检测性能,本文利用功率谱的部分样本平均估计最大值,以降低信号频偏对频谱感知性能影响;利用功率谱的最大值与最小值之差与功率谱几何平均之比作为判决统计量,以尽可能消除噪声影响及保留主用户信号;推导得到了检测门限表达式,表明该算法对噪声不确定性不敏感。加性高斯白噪声信道和瑞利衰落信道下的仿真结果表明:该算法频谱感知性能优于已有的基于功率谱的频谱感知算法,降低了未知载波频偏和噪声不确定性对频谱感知算法性能的影响,该算法能够有效检测实际信号。      

基于随机矩阵特征值比的频谱感知改进算法

针对认知无线电中现有频谱感知方法的不足,利用大维随机矩阵理论分析了随机矩阵的渐近谱特性,研究了接收信号样本协方差矩阵平均特征值的分布特性,提出两种基于随机矩阵特征值比的频谱感知改进算法.改进算法不需要知道主用户信号的先验信息,也不需要知道背景噪声的功率,得到的判决阈值也具有十分简单的闭式表达式.仿真结果表明,在低样本点、低协作用户数、低信噪比和低虚警概率的条件下,改进算法也可以获得很好的感知性能.     

基于Wishart矩阵特征值的频谱感知算法

为了提高频谱感知性能,克服经典算法的缺点,提出了一种新的基于Wishart随机矩阵理论的协作频谱感知算法.根据多个认知用户接收信号样本协方差矩阵特征值的对数分布特性,利用样本协方差矩阵最大特征值与几何平均特征值的比值,得到简单的判决阈值闭式表达式,实现频谱感知判决.该算法不需要知道主用户的任何先验信息,不受噪声不确定性的影响.仿真结果表明,所提算法在协作用户数少、信噪比低、采样点数极少的情况下,仍能获得较高的感知性能.该算法受虚警概率和极端值的影响较小,比同类算法有更好的检测性能.     

集中式双非参量累积和的合作频谱感知技术

针对认知无线电网络频谱感知的检测时延降低问题，提出了一种采用双非参量累积和的合作频谱感知方法。在单主用户认知网络中，本地认知用户执行非参量累积和算法，处理能量观测数据，以缩短检测时延，减少对主用户先验信息的需求，同时为了降低带宽开销，只向融合中心传输1比特的预判决结果。融合中心在噪声干扰下接收融合预判决结果，执行非参量累积和算法，累加判决统计量，对主用户信号是否存在进行最终判决。仿真结果表明，在10%的虚警概率下，相比于传统的非参量合作频谱感知算法，双非参量累积和算法具有较低的检测延迟。      

联合循环平稳特征PCA与RVM的频谱感知

针对无线信道环境中低信噪比情况下主用户信号检测率较低的问题,提出了一种基于循环平稳特征主成分分析(PCA)与相关向量机(RVM)的认知网络频谱感知算法。该算法结合了主成分分析算法与相关向量机分类方法,应用于解决认知网络频谱感知问题。首先对信号循环平稳特征参数进行特征提取,通过主成分分析进行降维提取信号主成分,生成训练样本和待测样本,并完成对相关向量机的训练,再采用训练完成的相关向量机算法分别对有无主用户情况下的信号进行分类检测,最后获得主用户信号存在性的感知判断。仿真实验表明,与人工神经网络、支持向量机和最大最小特征值算法相比较,所提算法在低信噪比情况下具有较高的分类检测性能,检测率最大可提高61.6%,有效地实现了对主用户信号的感知。     

一种基于改进压缩感知的低信噪比ISAR高分辨成像方法

针对低信噪比下基于压缩感知(CS)的ISAR成像方法性能下降甚至失效的问题,该文提出了一种改进CS的成像方法,即用能量门限分离含目标的距离单元和噪声单元,同时在方位向上用相干投影来提高观测数据的信噪比,利用迭代加权的1-范数优化以增强真实散射点能量并且压制噪声。 改进CS算法适用于强噪声的环境下的ISAR成像,并可利用很少脉冲数获得高分辨的目标像。实测数据处理验证了该方法可以有效克服强噪声与杂波。同时,仅用16个回波脉冲就可得到高分辨ISAR图像,验证了该方法在非常有限脉冲条件下的稳健性。     

基于主动学习和否定选择的垃圾邮件分类算法

针对现在网络上泛滥的垃圾邮件问题,本文结合主动学习方法和否定选择算法提出了一种二类文本分类方法：主动否定学习算法.根据用户少量标注建立双向兴趣集,利用否定选择算法的自体异常检测机制改善主动学习中的采样策略,并将双向兴趣集作为检测器,新增样本集作为自体集,对两者进行异常匹配.本文算法与在线垃圾邮件快速识别方法、增强差异性的半监督协同分类算法、垃圾邮件过滤方法、基于人工高免疫的多层垃圾邮件过滤算法和在线主动多领域学习方法在六个常用邮件语料集上进行了分析比较,结果表明本文算法具有较高的准确率、召回率、分类精度,和较低的用户标注负担.使用用户个性喜好转换为双向兴趣特征的方式有助于提高算法的分类能力;利用异常检测匹配选取未知类别特征的方式,有效地降低了用户标注负担.     

感知不确定下卫星认知无线网络多频谱接入优化策略

针对卫星认知无线网络频谱感知不确定性较大导致传统频谱接入机制效率降低的问题,该文提出一种基于动态多频谱感知的信道接入优化策略。认知LEO卫星根据频谱检测概率与授权用户干扰门限之间的关系,实时调整不同频谱感知结果下的信道接入概率。在此基础上以系统吞吐量最大化为目标,设计了一种基于频谱检测概率和虚警概率联合优化的判决门限选取策略,并推导了最佳感知频谱数量。仿真结果表明,认知用户能够在不大于授权用户最大干扰门限的前提下,根据授权信道空闲状态动态选择最佳频谱感知策略,且在检测信号信噪比较低时以更加积极的方式接入授权频谱,降低了频谱感知不确定性对信道接入效率的影响,提高了认知系统吞吐量。     

基于循环平稳PCA和AdaBoost的频谱感知算法

针对无线信道环境中各低信噪比情况下主用户信号检测率较低的问题,提出一种基于循环平稳特征主成分分析和Ada Boost的主用户信号频谱感知算法。该算法首先对信号采用循环平稳PCA算法进行特征参数提取,获取信号主成分,并生成训练样本和待测样本,再采用Ada Boost算法分别对有无主用户情况下的信号进行分类检测。仿真实验表明,与人工神经网络和最大最小特征值算法相比较,所提算法在各低信噪比情况下,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。     

一种改进型椒盐噪声滤波算法

针对极值中值(EM)滤波算法在去除椒盐噪声时误检率较大的问题,提出了一种改进的椒盐噪声去除算法.算法由漏检率和误检率都较低的噪声检测过程和多窗口噪声滤波过程组成,对受不同强度噪声污染图像的去噪实验表明,该方法在不同噪声率下均优于传统的中值(SM)滤波法及其一些改进方法,当噪声率达到70%时其峰值信噪比(PSNR)提高了16 dB.     

DISCERN: Enhanced Dynamic noISe varianCe based EneRgy sensing for cognitive radio using USRP at Wi‐Fi bands

Spectrum sensing is one of the critical tasks in a cognitive radio system that allows a secondary user to use the spectrum while the primary user does not use it. The energy detection (ED) sensing is one of the most common techniques to identify the unused portions in the spectrum bands. In ED, threshold plays a vital role in signal detection, and noise is one of the significant factors in threshold calculation. However, ED efficiency is degraded by the noise uncertainty phenomenon caused by the random changes in noise level. The adverse effects of noise uncertainty are reduced by changing its detection threshold dynamically to the noise circumstances encountered during each sensing period. In the proposed method, received random samples are arranged in M blocks, applied strong Pearson correlation to separate and estimate the variance from the noise samples. The enhanced dynamic noise variance‐based energy sensing is implemented in GNU radio processing blocks and tested on industrial, scientific, medical (ISM) 2.4 GHz frequency bands by using national instrument universal software radio peripheral (NI USRP‐2932) device. The experimental results of proposed energy detction mechanism are compared with existing sensing techniques.     

Filterbank-based blind code synchronization for DS-CDMA systems in multipath fading channels

We present a filterbank approach to blind code synchronization for asynchronous direct-sequence (DS) code-division multiple-access (CDMA) systems. The key idea of the proposed scheme is to first pass the received signal through a bank of filters, which are designed to enhance signals of interest and suppress interference/noise, and then to derive the code timing from the filtered data. The only required knowledge by the proposed filterbank scheme is the spreading code of the desired user. It can be used in various environments, including frequency-nonselective and frequency-selective, time-invariant, and time-varying fading channels. It can deal with colored channel noise and unmodeled interference, such as inter-cell interference (ICI) and narrowband interference. It has relatively low complexity and can be readily implemented using standard adaptive algorithms. We show that under mild conditions, the proposed scheme yields statistically consistent [in signal-to-noise ratio (SNR)] code timing estimates, irrespective of the strength of the interference and with only a finite number of data samples. We also derive an unconditional Cramer-Rao bound (UCRB), which serves as a lower bound for all unbiased blind code synchronization schemes. Numerical results indicate that the proposed scheme compares favorably with a popular subspace-based method in terms of user capacity, near-far resistance, and robustness to time-varying fading and unmodeled interference.