基于随机共振的双门限协作频谱感知算法

针对现有频谱感知算法在低信噪比（SNR）环境中性能检测不佳的问题以及传统随机共振（SR）检测弱信号的方法在实际应用中存在的局限性,通过设置最优门限,计算出最优的协作用户数量,提出了一种基于随机共振的双门限协作频谱感知算法,并对提出的算法进行了性能分析。DCSSR算法通过将位于双门限不确定区域的统计数据经过随机共振系统,进一步提高频谱感知算法在低信噪比下的检测性能。仿真结果表明,在不同信噪比和虚警概率下,DCSSR算法相较于传统单门限能量协作算法、双门限能量协作算法以及单门限随机共振协作算法,检测性能都得到了提升。在信噪比为-20 dB时,提出的DCSSR算法相较于传统单门限能量检测协作算法,检测概率提高了80%。     

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。      

基于随机共振和信息几何的协作频谱感知方法

为提高频谱感知系统在低信噪比环境下对微弱信号的感知性能,提出了一种基于随机共振技术和信息几何理论的频谱感知方法。首先通过随机共振技术增强输入信号的能量,以提高感知信号的信噪比。然后,基于信息几何理论将信号矩阵的协方差矩阵对应成流形上的点,并计算流形上样本点之间的散度距离作为感知信号的特征数据。最后,采用BP神经网络对信号特征数据进行分类,有效避免了决策阈值的计算,快速实现了频谱决策。仿真实验证明,所提方法在低信噪比条件下具有更好的感知性能,有效提高了复杂环境下的频谱检测概率。     

基于随机矩阵非渐近谱理论的协作频谱感知算法研究

将随机矩阵的非渐近谱理论应用到协作频谱感知中,对接收信号样本协方差矩阵的最大特征值和最小特征值进行分析,该文提出一种精确的最大最小特征值差(Exact Maximum Minimum Eigenvalue Difference, EMMED)的协作感知算法。对于任意给定的协作用户个数K和采样点数N,首先推导了最大最小特征值之差的精确概率密度函数(Probability Density Function, PDF)和累积分布函数(Cumulative Distribution Function, CDF),然后利用该分布函数设计了所提算法的判决阈值。理论分析表明,EMMED算法的判决阈值较已有的渐进最大最小特征值差(Asymptotic Maximum Minimum Eigenvalue Difference, AMMED)检测更为精确,算法无需主用户信号特征并且能够对抗噪声不确定度影响。仿真结果表明,存在噪声不确定度的感知环境下,EMMED算法较已有的精确最大特征值(Exact Maximum Eigenvalue, EME)和EMMER等频谱感知算法具有更好的检测性能。     

随机共振在认知无线电频谱感知中应用的最新研究进展

频谱感知是认知无线电网络的一项关键技术.低信噪比(SNR)环境下频谱检测的性能会大幅降低,而随机共振(SR)能有效提高信号信噪比,所以将其应用到频谱感知中,能增强认知用户对主用户(PU)的检测性能.首先介绍了随机共振在认知无线电频谱感知中应用的最新研究进展,包括随机共振在本地感知中(如能量检测、协方差矩阵频谱感知、循环平稳特征检测)及协作感知中的应用,然后指出了随机共振在认知无线电频谱感知中还有待解决的问题,并提出了下一步的研究方向.     

基于双特征值极限分布的合作频谱感知算法

以最大最小特征值之差作为检测统计量,从提高算法判决门限估计精度出发,利用双特征值极限分布,用双特征值估计判决门限,提出了基于双特征值极限分布的频谱感知算法。相比于单特征值门限方法,理论上证明了用双特征值极限分布估计的门限小于或等于用单特征值极限分布估计的门限,提高了算法检测性能。仿真结果表明,该算法不受噪声不确定性影响,不需要主用户信息,并且在低虚警概率、采样次数相对少的情况下,检测性能优于最大最小特征值之差频谱感知算法。     

基于随机矩阵理论的非重构宽带压缩频谱感知方法

该文采用随机矩阵理论(RMT)直接对压缩采样得到的观测数据进行分析,设计出了一种基于广义似然比检验(GLRT)的非重构宽带压缩频谱感知新算法。该算法无需任何先验知识就能对宽带频谱中的每个子带进行盲检测。此外,为了减轻次用户(SU)在数据获取和频谱感知过程中的通信开销,该文提出一种基于传感器节点(SN)辅助感知的合作频谱感知架构。理论分析和仿真结果均表明,与传统基于信号重构的GLRT感知算法以及Roy最大根检测(RLRT)算法相比,该算法不仅具有计算复杂度低、开销小、感知性能稳定等诸多优点;而且只需较少的SN就能获得较好的检测性能。     

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。     

认知无线电频谱感知估计时延的随机规划优化算法

为了提高认知无线电网络的频谱利用率,该文提出对认知无线网络频谱感知估计时间进行优化。如果频谱感知时间较长,一方面对信道参数的估计更准确,会减小对授权用户的干扰并提高认知用户的吞吐量;另一方面,数据传输时间相应缩短,使系统吞吐量减小,这时存在一个最优的感知时间使得系统吞吐量最大。该文认为子频段的信道状态信息服从指数分布,故提出随机规划的方法,对认知无线网络频谱感知估计时间进行优化运算。计算机仿真结果表明,该算法是切实有效的,具有一定的工程应用价值。     

基于随机矩阵理论的DET合作频谱感知算法

针对认知无线电系统中的频谱感知问题,该文采用随机矩阵理论(Random Matrix Theory, RMT)对多认知用户(Secondary User, SU)接收信号采样协方差矩阵的最大特征值的分布特性进行了分析和研究,提出了一种新的基于双特征值判决门限(Double Eigenvalue Threshold, DET)的合作频谱感知算法。由该算法感知性能的理论分析可知：DET合作感知算法无需主用户(Primary User, PU)发射机信号的先验知识,也不需要预先知道信道背景噪声功率。仿真结果表明,与传统的频谱感知方法相比,该方法只需较少的认知用户就能获得较高的感知性能,并且对噪声的不确定性具有较强的鲁棒性。     

基于循环谱对称性的频谱感知算法

针对现有基于循环谱的频谱感知算法的不足,利用改进SSCA算法计算接收信号的循环谱,减少算法的计算量;利用循环谱的对称性,选择非零循环频率处的循环谱抵抗干扰和噪声,结合对称性搜索策略进行频谱感知.分析并仿真了循环谱的参数对频谱感知算法的影响,仿真结果证明了所提出算法克服了传统算法的不足,提高了低信噪比下的正确检测性能.     

Spectrum sensing method based on past channel sensing information

According to the characteristic of the signa1 strength in the cognitive sate11ite communications network that was continua11y changing,a nove1 spectrum sensing method based on the past channe1 sensing information was proposed to overcome the we11-known detection performance 1imitations of c1assica1 energy detection.First,by fo11owing the forgetting mechanism,the detection scheme based on the history of past sensing information was presented to make an accurate judgment.Furthermore,in order to weaken the effect of the parameters,an additiona1 process based on the 1ast time sensing was setup.Theoretica1 ana1ysis and resu1ts of extensive simu1ation demonstrate its improvement on performances.     

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.     

基于功率谱密度中段平均的频谱感知算法

根据有、无主用户信号时接收信号功率谱最大、最小值差值不同的特点,提出了一种基于功率谱密度中段平均的频谱感知算法.针对估计的信号功率谱在最小值附近波动多、最小值难以根据单个点准确给出的问题,利用接收信号功率谱中段平均值估计功率谱的最小值,降低最小值的随机性对频谱感知算法性能的影响.理论推导了检测门限和检测概率的表达式,并对算法进行了仿真分析.仿真结果表明,在AWGN信道和Rayleigh衰落信道中,本文算法性能都优于已有的功率谱密度频谱感知算法.该算法无需主用户信息,不用进行复杂的特征值分解.     

Fusion spectrum sensing algorithm based on eigenvalues

Aiming at the problem of inefficient use of spectrum resources,a fusion spectrum sensing algorithm based on eigenvalues was proposed to effectively achieve dynamic spectrum sharing.The test statistics were constructed by employing the maximum eigenvalue,the trace and the geometric mean of all eigenvalues of the sample covariance matrix.The detection probability and false alarm probability of the proposed method were analyzed using the random matrix theory,and the analytical representation of the theoretical threshold was obtained.In addition,the parameter selection of the proposed algorithm was analyzed theoretically.Simulation results show that the proposed algorithm has better detection ability than the existing eigenvalue detection algorithm.     

基于DOA估计的认知无线网络频谱感知

认知无线电技术中频谱感知性能的优劣直接影响认知通信系统的性能。针对该特点提出了认知无线电网络中基于波达方向（ DOA)估计的主用户频谱感知模型,即单主用户多次用户和多主用户多次用户的系统模型,选取基于特征分解的多重信号分类（ MUSIC)算法分析两种模型的感知性能,包括虚警概率、漏检概率、最小总错误概率、算法复杂度等,获得了闭值表达式,最后在两种模型下对算法进行了仿真。仿真结果表明：各参数主要影响虚警概率,而漏检概率几乎不受影响,验证了方法的有效性。     

基于参数导引随机共振的数字水印算法

设计并实现了一个基于参数导引随机共振的DCT域数字图像水印算法。在嵌入方,将伪随机的水印序列上采样后与DCT交流系数相加得到嵌入水印的系数,在检测方,待检测图像的DCT交流系数当作随机共振信号处理器的惟一输入,通过调节随机共振信号处理器的参数实现水印的检测。仿真结果表明,算法在保证水印不可感知的前提下能抵抗包括加噪声污染、直方图均衡等信号处理攻击。     

主动式频谱感知的改进型信道切换算法

针对无线信道频繁切换而导致系统性能下降的问题,在传统算法的基础上,提出了改进型信道切换算法.通过信道空闲时长的预测和比较策略,在对首要用户干扰最小的前提下,对信道进行切换控制,有效降低了信道切换代价,减小了感知开销.仿真验证表明：采用改进型信道切换算法能够有效减少信道切换次数约20%.