基于信道性能的频谱分配算法

频谱分配是认知无线电的关键技术之一,各授权信道的可用概率与授权用户的到达率以及次用户业务量传送时间有关,并且实际效益还与该信道的衰落因子相关。提出了基于以上信道性能的CSGC频谱分配算法,该算法通过优先分配相对信道利用率高、信道衰落小的信道,达到最大化实际总效益的目的。仿真结果表明,该算法是有效的。     

一种分阶自适应Volterra滤波算法

稳定分布可以更好地描述实际应用中所遇到的具有显著脉冲特性的随机噪声.这种噪声的二阶及二阶以上统计量均不存在,需要用分数低阶统计量描述.针对Volterra级数非线性项将稳定分布的尖峰脉冲特性更加放大,导致输入信号自相关矩阵的特征值扩展更大的问题,本文提出了一种对于二阶Volterra级数的线性项部分和非线性部分分别采用两个不同收敛因子的分阶Volterra滤波器最小平均p范数(DOVLMP)算法,并分析证明了该算法的收敛性能.仿真结果验证了本文方法较传统算法的优越性.     

一种结合信道性能的频谱分配算法

在认知无线电网络中,由于授权信道的时变性,各可用信道的性能相差较大。为避免过多使用忙闲交替频繁的信道,首先用ON—OFF模型建模授权信道的使用情况,并推导了认知用户切换概率,提出了一种用信道状态变化率衡量信道性能的方法。在此基础上提出了一种结合信道性能的频谱分配算法,在网络吞吐量相同或相近情况下优先分配性能较好的信道。仿真分析表明,这种结合信道性能的频谱分配算法在降低切换概率的同时提高了实际总效益。     

一种α稳定分布下的变抽头长度LMP算法

针对无法事先知道滤波器抽头长度,且系统中存在“稳定分布噪声的情况,提出了一种α稳定分布背景下的变抽头长度自适应算法,采用3个并行的滤波器,比较数据段内其平均P阶误差大小,每K点数据段更新一次抽头长度,数据段内滤波器权值采用LMP算法调整。算法仿真表明,算法在不同特征指数的α稳定分布下都具有很强的韧性,能自适应调整到最优抽头长度,达到最优抽头长度的LMP算法的稳态误差。     

Zak变换在Gabor展开理论中的应用

利用离散Zak变换及其性质,本文首次给出了在过采样条件下,频域离散Gabor展开系数与时域离散Gabor展开系数之间的简捷关系,这对Zak变换的应用和完善Gabor展开理论是很有意义的,论文最后给出了计算实例。     

基于支持向量机的实际调制信号识别

提出一种基于支持向量机的实际调制信号自动识别新方法。利用支持向量机把分类特征向量映射到一个高维空间，并在高维空间中构造最优分类超平面以实现信号分类。计算机仿真结果表明，该方法对实际采集的信号具有很好的分类性能。     

一种基于幅度统计矩的MQAM信号分类方法

针对加性高斯白噪声(AWGN)环境下M进制正交幅度调制(MQAM)信号的调制分类,提出了一种基于幅度统计矩的MQAM信号分类法,推导出了用于区分MQAM信号的特征参数表达式。计算机仿真结果与理论分析一致,仿真结果表明,在信噪比不低于5 dB时,该方法的正确识别率可保持在97%以上,证明了该方法的有效性。     

基于Lyapunov稳定性理论的Volterra自适应噪声对消器

介绍了在理稳定分布环境下一种新的非线性Voherra自适应噪声对消器。由于Ⅱ稳定分布噪声有显著的尖峰脉冲特性,Vohem级数的非线性项将其更加放大,严重影响了收敛性能。提出了Voherra自适应噪声对消器利用sigmoid函数对输入α噪声进行非线性预处理,抑制尖峰脉冲的影响,基于Lyapunov稳定性,定义新的Lyapunov函数．给出了二阶Voherra自适应滤波器算法。仿真实验表明,该算法在不同特征指数的稳定分布噪声环境中都表现出了良好的抗噪声性能。     

Alpha稳定分布噪声下的核最小平均P范数算法

在 稳定分布噪声环境下,最小平均P范数算法(LMP)的鲁棒性显著强于最小均方算法(LMS),但是在非线性系统中LMP算法性能严重退化。运用核方法可将输入数据映射到再生核希尔伯特空间(RKHS),再对变换后数据选用合适的线性方法,能有效地处理多种非线性问题。故本文将核方法引入LMP算法,推导得到核最小平均P范数算法(KLMP)。 稳定分布噪声背景下的Mackey-Glass时间序列预测的计算机仿真结果表明：在非线性、非高斯系统中,KLMP算法的性能显著优于LMS、LMP、加权平均LMP和KLMS算法,抗脉冲噪声能力强。     

利用稀疏堆栈自编码器实现调制样式识别算法

针对传统调制样式识别方法性能受预先依靠经验设计的特征参数影响大问题,提出一种基于稀疏堆栈自编码器的数字调制样式识别算法。首先根据网络输入数据形式要求,为了利用信号幅度和相位所包含的调制样式信息,提出一种将复数信号预处理为网络可接受的实数形式的信号预处理方法。在网络训练阶段,先通过逐层训练得到每层稀疏自编码网络的初始化参数,再通过有监督算法对分类层训练,最后利用有监督算法进行整体优化。采用 作为分类层完成数字调制样式识别。7种数字调制样式识别的仿真实验表明了本文算法的有效性,相比于其他算法,本文算法在低信噪比时正确识别率较高,识别性能不受人为因素的影响。