基于特征结构的频谱感知算法

为了全面认识当前的认知无线电频谱感知技术,深入研究基于特征结构的多节点合作频谱感知算法,将近年来发展的随机矩阵理论(RMT)引入到频谱感知领域,使得频谱感知性能得到提高,有可能在实际应用中实现频谱感知。通过阐述基于采样协方差矩阵及特征值类的合作频谱感知方法的基本原理,归纳其主要特点,推导出检测门限的确定方法。通过基于Matlab的仿真实验,对比和验证算法的感知性能。最后展望该方向下一步的研究趋势。     

子空间投影的频谱感知算法研究

为了发现空间中的“频谱空洞”而加以利用以使频谱利用率最大化,频谱感知技术得到了广泛关注。已有基于特征矢量的频谱感知算法因涉及大量特征值分解运算导致算法运算量大,不适应实时检测。本文提出的频谱感知算法利用信号子空间和噪声子空间之间的正交性,将次用户接收信号分别投影到上述子空间,根据投影值的差异实现快速频谱感知。理论分析和仿真结果表明本文提出的算法与已有算法相比有效降低了运算量,检测性能不受噪声不确定度影响、不需要预知主用户先验知识和噪声方差,且低信噪比、小采样情况下有更优越的检测性能。      

基于卡方检验的多天线认知无线网络协作频谱感知算法

研究了基于分集的多天线认知无线网络的频谱感知技术。针对天线独立性会导致已有的基于协方差矩阵的协作频谱感知算法性能急剧下降甚至失效的问题,提出了一种基于卡方拟合优度检验的多天线协作频谱感知算法。该算法将频谱感知问题转化为一个多项分布检验的问题,然后利用卡方拟合优度检验判决频谱是否空闲,从而实现频谱感知。理论分析和仿真表明,该算法的性能不受天线相关性以及噪声不确定度的影响。     

基于特征值极限分布的合作频谱感知算法

采用最新的随机矩阵理论,对多个认知用户接收信号采样协方差矩阵的最小特征值的极限分布进行了分析,提出了一种改进的最大最小特征值合作感知和门限判决方法。该算法不需预知授权用户信号的先验知识,且能有效克服噪声不确定度的影响。与现有算法相比,在给定虚警概率时,仿真结果显示该算法判决门限更低、检测概率更高;而且在认知用户和采样数较少时,也能获得很好的检测性能。     

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.     

利用样本特征的盲频谱感知算法

为克服噪声不确定度及噪声方差的影响,利用样本特征构造了新的检验统计量,推导了频谱空闲、频谱占用时检验统计量的概率密度函数,提出基于F分布的盲频谱感知算法,但其判决门限受采样点数影响;为此,利用Anderson-Darling准则提出基于F分布的拟合度检验算法。在高斯信道下对两种算法进行了仿真,并与能量检测算法、GOF算法仿真结果比较可知,所提两种算法性能优于噪声方差已知的能量检测算法,并克服能量检测算法、GOF算法受噪声不确定度以及噪声方差影响这一缺陷。      

基于拟合优度的频谱感知技术研究

认知无线电技术实现了频谱资源的动态分配,提高了频谱资源的利用率。而准确高效的频谱感知是认知无线电的核心环节,因此研究快速高性能的频谱感知算法已经成为一个亟待解决的问题。近年来,拟合优度检验在频谱感知领域得到了广泛应用,实现了小采样点下的有效频谱感知技术。因此,基于拟合优度的频谱感知技术具有重要的研究意义。综述了GOF在频谱感知中的发展历程,介绍其基本原理、常见的拟合准则及拟合对象;然后在高斯信道下,对该类算法进行仿真对比;最后对GOF类算法的进一步研究进行了展望。     

存在窃听用户下基于SWIPT的协作NOMA网络能效分析

针对基于携能同传(Simultaneous Wireless Information and Power Transfer,SWIPT)的协作非正交多址接入(Non-Orthogonal Multiple Access,NOMA)网络,提出了一种存在窃听用户下远端用户能效最大化的多维资源分配方法.在考虑近端用户安全传输...     

特征值类频谱感知算法的仿真分析

为了全面了解基于特征值类的合作频谱感知算法的性能,通过Matlab仿真实验对该类算法进行仿真,以探究门限值随虚警概率的变化、采样次数和认知用户数对检测性能的影响,并分析针对不同信噪比的检测概率和实际的虚警概率。仿真结果显示,基于特征值类的算法不需预知主用户信号和噪声方差信息,能够克服噪声不确定度的影响,相较于传统的能量检测,有着更加稳健的检测性能;基于最小特征值极限分布的改进算法在低信噪比、采样次数和认知用户数较少时,判决门限更低、检测概率更高。