共查询到18条相似文献,搜索用时 593 毫秒
1.
针对认知无线电频谱检测中无线传输环境的复杂性,选用Rician信道模拟信号传输过程中的多径衰落,使用双门限能量检测算法减少噪声不确定性的影响。提出一种Rician信道下基于双门限的能量检测算法,推导了检测概率公式,并定义了误检概率来量化系统检测误差的大小。仿真分析了Rician信道下信噪比和因子K的变化对能量检测性能的影响,并通过仿真表明双门限算法较传统单门限算法,能够有效降低系统进行能量检测的误检概率。 相似文献
2.
对于地面电视的模数转换产生宝贵的广播电视“白频谱冶资源,频谱感知与检测技术是高效有序地利用频谱资源的基础。在数字电视地面多媒体广播( DTMB )传输系统中,针对传统的基于信号特征的感知算法在检测性能、计算复杂度与灵活性上的不足,提出了一种自适应的DTMB频谱感知算法。该算法以双门限感知检测为基础,在双门限之外采用基于伪随机( PN )序列自相关的算法,在双门限之内采用不等间隔PN序列累积自相关的算法,同时自适应地调整双门限的取值,平衡算法复杂度、感知性能与信道环境的需求。仿真结果表明,该算法在不同的信道条件下能自适应且快速地调整参数,有效提高频谱检测性能,降低算法复杂度。 相似文献
3.
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。 相似文献
4.
5.
6.
频谱感知是认知无线电中的一项关键技术,能量检测、匹配滤波器检测和周期循环频谱检测是认知无线电中频谱感知技术中传统、经典的算法.基于能量检测的频谱感知算法因实现简单且不需要先验信息而被广泛应用,但低信噪比的情况下检测概率会降低,用户的检测性能不足,从而导致认知用户和主用户之间的冲突碰撞次数增多.针对以上存在的问题,在基于自适应频谱感知的基础上,利用噪声功率估计,提出了一种瑞利信道下的自适应双门限频谱感知算法.仿真结果表明,在低信噪比噪声不确定的情况下,这种算法能够大大提高检测概率,有效降低了认知用户和主用户之间的冲突碰撞次数,从而提高频谱的利用率. 相似文献
7.
针对在一般高斯白噪声环境中,传统的双门限能量检测频谱感知算法忽略确定两门限之间的感知信息的问题,该文提出一种基于动态自适应双门限能量检测的序贯协作频谱感知算法。新算法以最优化检测概率为目标,采用序贯方式对协作用户进行动态自适应双门限建模,并对处于两门限之间的接收能量值进行软判决。进一步地,新算法能自适应动态调整门限大小和各判决区域协作用户数,以达到最大化检测概率和最优化受试工作特征曲线的目的。理论分析和仿真结果表明,与经典的双门限能量检测算法相比,提出算法具有更优的检测概率。 相似文献
8.
基于循环前缀频域自相关的OFDM信号频谱感知 总被引:1,自引:0,他引:1
针对无线通信频谱资源有限并且利用率非常低的问题,研究了认知无线电系统中基于信号典型特征的频谱感知策略,并进行动态频谱检测.提出了一种基于循环前缀频域自相关的频谱感知算法,利用正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)信号的循环前缀具有循环平稳特性,在信号频域进行自相关运算,设定判决门限,完成对信号频谱的检测,同时具备较好的抑制平稳噪声和干扰的能力.在低信噪比或者噪声不确定度大的应用场景下,能够获得比能量检测方法更优、更稳定的频谱感知效果,增强了噪声鲁棒性.在算法中采用双门限检测,进一步减弱了噪声不确定度对检测性能的影响,提高了频谱感知性能. 相似文献
9.
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%。 相似文献
10.
11.
Spectrum sensing is one of the key functionalities in the implementation of cognitive radio. It is used to sense the unused spectrum in an opportunistic manner. In this paper, we propose an energy detector with adaptive double-threshold for spectrum sensing, to optimize the detection performance at a fixed probability of false alarm $(\text{ P }_\mathrm{f})$ i.e. 0.1, which also overcomes sensing failure problem. In the present work, the detection threshold is made adaptive to the fluctuation of the received signal power in each local detector of cognitive radio (CR) user. Simulation results show that proposed scheme optimizes better detection performance and outperforms both conventional energy detector and cooperative spectrum sensing (CSS) method by 12.8 and 3.3 % at $-$ 8 dB signal to noise ratio (SNR), respectively. While utilizing CSS with proposed adaptive double-threshold scheme, where each CR user use a double threshold detectors for local detection and send detection decisions to fusion center (FC) to give the final decision based on hard decision rule. It is further found that CSS with adaptive double-threshold improves detection performance around 26.8 and 7.6 % as compare to CSS with single threshold and Hierarchical with quantization method at $-$ 10 dB SNR, respectively, under the case when a small number of sensing nodes are used in spectrum sensing. 相似文献
12.
在认知无线网络中,针对单节点频谱感知易受到噪声不确定性的影响和传统的能量检测法在高噪声功率场景中检测性能较差等问题,根据Sevcik分形维数(Sevcik fractal dimension, SFD)对噪声不敏感、能够区分信号与噪声波形的特点,提出一种将自适应门限的能量检测法与SFD相结合的协作频谱感知方法. 通过能量检测法对接收信号进行检测判决,然后由SFD对判定为主用户不存在的信号进行复检,并将所有检测结果进行K秩融合,根据融合结果得出最终判决. 仿真结果表明,本文提出的频谱感知方法对噪声不敏感,在低信噪比下的检测性能得到显著提高. 相似文献
13.
认知无线电系统中,压缩感知理论已广泛运用于宽带频谱检测。但是,压缩感知中的重构问题造成频谱检测算法计算复杂度高,且在低信噪比下检测效果不佳。本文提出了采用支持向量机的宽带频谱感知算法,该算法利用支持向量机建立频谱检测分类器,代替信号的重构与检测过程。根据系统对实时性的要求,分别设计了多级二元分类器感知算法和单级多元分类器感知算法。前者适用于分级数有限且实时性要求不高的场景,后者可大幅降低系统的算法复杂度,降低感知时间,适用于实时检测系统。仿真结果表明,与基于重构的能量检测算法相比,本文提出的两种算法均可以有效改善系统对噪声的鲁棒性,提高在较小信噪比下的检测性能。 相似文献
14.
传统频谱感知算法性能在低信噪比下不够理想,在高信噪比下较好,算法性能随信噪比降低逐渐变差。本文提出了基于信号能量分布拟合优度的长短时记忆网络频谱感知算法,利用授权用户信号存在时的接收信号为基础,计算接收信号的能量分布,并将通过拟合优度算法得到的距离值作为特征构造特征向量,然后将特征向量输入长短时记忆网络训练得到模型,最后将测试数据输入训练模型进行预测,从而实现频谱感知。仿真结果表明,本文提出的新算法在信噪比为-13 dB,采样点数为28时,检测概率达到96.21%,明显优于传统能量检测算法和传统拟合优度算法。 相似文献
15.
为解决频谱感知算法在低信噪比(SNR)时检测概率较低且检测所需采样点数较多的问题,提出了基于随机共振和非中心F分布(SRNF)的频谱感知算法。通过引入直流随机共振噪声,建立了SRNF的系统模型,推导了服从非中心F分布的检验统计量表达式、虚警概率与检测概率以及判决门限表达式,并采用数值法求解最佳的随机共振噪声参数。仿真结果表明,在低信噪比时,所提基于SRNF算法的检测性能优于能量检测(ED)算法和基于F分布的盲频谱感知(BSF)算法,当虚警概率为5%、信噪比为–12 d B、采样点数为200时,所提算法的检测概率是95%,分别比BSF算法和ED算法高34%和67%;当信噪比为–12 dB、检测概率达到95%时,所提算法所需的采样点数是210,比BSF算法节省了340个采样点。此外,噪声不确定度对所提算法的影响小于ED算法。 相似文献
16.
针对认知网络实际环境中常呈现出噪声高动态变化、低信噪比特征,无法快速准确进行频谱感知的问题,本文将物理学非线性领域中的随机共振理论引入到频谱感知中,提出了一种基于广义随机共振的能量检测算法.该算法引入匹配噪声,通过匹配非线性系统、噪声和信号三者的关系,从而改变能量检测统计量的分布,有效地检测信号的存在性.本文从理论上推导了最佳匹配噪声的表达式,并得到了检测性能、受噪声不确定度的影响、感知时间等方面的重要理论结论.仿真结果验证了理论推导的正确性,表明所提算法能够在信噪比为-20dB等低信噪比条件下较现有能量检测算法提高3dB以上,且具有感知速度快、受噪声不确定度影响小等特点. 相似文献
17.
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。 相似文献