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。     

LAT模型中基于次用户权值优化的频谱感知

全双工认知无线电LAT(Listen-and-Talk)模型因自干扰消除不完全而使得频谱感知能力下降.为提升频谱感知性能,提出了LAT模型下基于次用户加权的协作式频谱感知方法,分别研究了决策融合和数据融合下次用户最优权值的算法.求解最优权值时利用了凸优化方法,在处理非凸问题时利用了序列规划的方法,得到了较好的优化结果.仿真实验表明,在加权融合机制下的LAT模型得到了趋近于传统LBT(Listen-before-Talk)模型的频谱感知能力.     

应用于TTNT信号的树形信道化数字接收机

在确定频点参数的情况下,采用信道化接收机能够准确高效地实现对跳频信号的接收,其中树形结构接收机既保证信道间具有一定独立性,同时结构灵活。将该结构应用于战术目标瞄准网络技术（TTNT）数据链信号的接收,设计了TTNT信号非均匀分布的16个跳频频点的树形多级结构数字化接收机。分析了该结构的运算量大小,并通过仿真实验验证了该结构的可行性。仿真结果表明,树形多级级联结构相对于多相离散傅里叶变换（DFT）滤波器组结构运算量有所增加,但结构灵活,能够有效地分离出TTNT不同频点的信号,实用性更强。