基于PN序列自相关的双门限自适应DTMB频谱感知

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。     

一种基于能量检测的协作式频谱感知算法

为提高认知无线电系统中频谱检测的可靠性,提出了一种基于能量检测的协作式频谱感知算法。利用授权用户的状态在相邻感知帧之间变化的概率小这一特性,通过将当前感知帧的能量值与相邻值相结合来判断授权用户状态,这样当授权用户使用授权频段时,所提算法能有效减小采样信号能量值骤减时发生误判的概率。另外给出了所提算法检测概率和虚警概率的闭式表达式。理论分析和仿真结果表明,所提算法比传统的协作式频谱检测算法检测性能好。     

基于残差神经网络和注意力机制的频谱感知方法

随着通信技术的发展,频谱感知技术已经成为解决频谱资源稀缺的重要解决手段之一。针对传统的频谱感知方法在低信噪比(Signal to Noise Ratio, SNR)下准确率较低的问题,提出一种基于残差神经网络和注意力机制相结合的正交频分复用(Orthogonal Frequency Division Multiplexing, OFDM)频谱感知方法。将频谱感知问题转化为图像二分类任务。通过分析OFDM信号的循环自相关特征,将其灰度处理以生成循环自相关灰度图像。利用改进后的残差神经网络进行训练,提取这些灰度图像的深层特征,使用测试数据验证所得到的频谱感知模型。仿真实验结果表明,在低SNR条件下,所提方法表现出更出色的频谱感知性能,优于传统频谱感知技术。     

基于平均相关和差分相干累积的微弱GPS C/A码信号精密捕获算法

针对弱信号条件下GPS C/A码捕获问题,提出一种基于平均相关和差分相干累积的码捕获算法。首先,引入相干能量最大值与第二大值的比值作为判决变量,仿真了各种捕获算法的虚警概率得到最佳的判决门限;然后,通过设置的判决门限获得不同多普勒频率偏差及信噪比条件下的检测概率;最后,比较了所提差分相干累积算法、相干非相干累积算法以及非相干累积算法的捕获灵敏度。仿真实验表明,在相同接收数据长度的情况下,采用差分相干累积算法比其他2种算法提高捕获灵敏度约2 dB。     

利用卷积神经网络和协方差的协作频谱感知算法

针对基于信号协方差矩阵的频谱感知算法门限难于准确得到及没有充分利用原始信号信息等问题,提出了基于卷积神经网络和协方差矩阵的协作频谱感知算法。首先将接收的I、Q两路正交信号的归一化协方差矩阵组成双通道输入矩阵,然后使用卷积神经网络直接提取协方差矩阵的特征信息,并进行训练得到分类器,最后使用训练好的模型进行频谱感知。仿真结果表明,本文所提出的频谱感知算法优于对比算法,在信噪比为-13 dB、40个次用户协作感知时,本文算法虚警概率低于0.1,检测概率达到0.9以上。      

基于非参量CUSUM的认知超宽带频谱感知算法

提出了一种基于非参量CUSUM的超宽带信号快速检测算法,该算法针对认知超宽带频谱感知中超宽带信号检测问题,根据超宽带信号占空比低的特点,选择短时能量作为非参量CUSUM算法的观测统计量,将块检测思想和序列检测思想进行有机结合,克服了块检测算法的信噪比门限效应,并采用加滑动预处理窗的方式降低噪声对观测统计量的影响。本文通过自适应改变非参量CUSUM算法中Reference Value取值的方法,提出改进算法以进一步缩短检测延迟。仿真证明,占空比为1/10、信噪比为-25dB时, 所提算法可在用户发送50个脉冲的时间内以90%的概率检测出主用户信号的存在,而能量检测算法在8dB时才能达到相同检测概率,且所提算法检测延迟小于能量检测算法。改进算法在-10dB≤SNR≤5dB条件下可明显缩短检测延迟。      

认知无线电中一种改进的AVC频谱感知算法

AVC算法是一种适用于拉普拉斯噪声环境的常用频谱感知算法,但该算法并未充分平滑拉普拉斯噪声中的“尖峰”,导致算法的检测性能不佳.针对此,提出一种改进的AVC频谱感知算法,其原理是对接收信号绝对值做开根号处理,并累加处理结果,作为检验统计量,进而判决是否存在主用户,实现频谱感知.此外,利用中心极限定理推导了所提算法检验统计量在主用户不存在时的概率密度曲线,从而给出理论判决门限.仿真表明,所提算法的检测性能分别优于AVC感知算法和拉普拉斯噪声下的能量检测算法大约1 dB和4 dB.     

一种基于CDMA2000 1x EVDO微弱信号的捕获算法

针对弱信号条件下的CDMA2000 1x EVDO手机上行信号, 提出一种基于短时相关快速傅里叶变换(FFT)运算和差分相干相结合的联合捕获算法。首先采用短时相关和FFT运算精确估计出信号的多普勒频偏值;在此基础上利用差分相干提升信号的相关峰。通过设置自适应判决门限和相干长度获得较好的捕获概率;同时对所提算法和相干累积算法的捕获灵敏度和计算复杂度进行了对比。最后,结合实测数据验证了算法有效性,实验表明本文算法在保证低于相干累积算法复杂度的情况下,提高捕获灵敏度约1.5 dB。     

低信噪比下一种改进的谱相关频谱检测

针对现有基于谱相关频谱检测算法中周期图法谱估计精确度较低的缺点,提出了一种用主用户发送信号与认知用户接收信号的最小方差无失真响应(MVDR)谱的谱相关量作为检测统计量进行频谱检测的改进方法.由于MVDR谱估计算法比周期图法具有更高的分辨率,因此所提频谱检测算法比现有算法具有更好的检测效果.模拟了两种电视信号作为主用户发送信号,仿真结果表明:对于两种电视信号,所提算法的检测性能都优于现有算法,同时通过分析算法的复杂度,证明所提算法能够满足IEEE802.22标准对于检测时间的要求.     

基于证据理论和信号特征的DTMB信号合作感知算法

本文以我国具有完整自主知识产权的DTMB标准为基础,研究了利用信号特征提取和证据理论的高效频谱感知算法.DTMB信号是统计平稳信号,各感知节点采用基于信号特征的检测算法,给出基于证据理论的合作频谱认知算法的证据提取,并将证据传送给控制中心,由控制中心利用加权D S合成规则进行融合,给出授权节点信号是否存在的结论.仿真结果证明,该融合算法能够实现对DTMB信号的高效认知.     

利用动态散斑的时空统计特性同时测量漫射板移动的速度和方向

本文通过对动态散斑光强自相关函数的分析，利用一阶横模的激光束照射在运动的漫射板上，记录散斑光强起伏的频率（单位时间内跨过光强度均值的平均次数）可以同时测量漫射板移动的速度和方向。     

超高斯光脉冲自相关特性

采用数值分析方法研究了超高斯光脉冲的自相关特性及其受锐度参量、线性啁啾参量、噪声脉冲和随机噪声影响的变化规律,并与原脉冲相应参量作了比较,给出了一个有效的滤除随机噪声方法,并用实验作了验证。当锐度参量增加时,强度自相关曲线宽度变窄,自相关频谱曲线随之展宽。当啁啾参量增大时,光脉冲强度自相关曲线和脉冲时域波均保持不变;光脉冲的频谱曲线展宽,边缘出现振荡结构并随之增强,自相关频谱曲线随之展宽,边缘依旧平滑。存在噪声的情况下,超高斯脉冲自相关特性变化比较复杂。     

低信噪比雷达脉冲检测算法

低信噪比雷达脉冲检测一直是电子侦察领域的难题。本文提出了一种基于信道化和自相关函数的双门限级联滤波算法,采用信道化能够滤除带外噪声,提高信噪比;使用自相关函数,能够进一步提高信噪比;使用双门限脉冲检测,能够保证低信噪比时脉冲检测的完整性。最后对信道化以及自相关带来的问题进行了讨论和后处理。实验结果表明,采用本文提出的脉冲检测算法能够有效降低信号检测的信噪比下限。     

基于分频带自相关函数的混叠语音基频分离提取新算法

混叠语音的基频分离提取问题是听觉场景分析系统的重要一环。以往的分频带自相关函数的混叠语音基频分离提取方法都是基于频带只受混叠信号之一支配的假设,而事实上,频带常常同时受两个信号影响,为此,本文提出了一种混叠语音基频分离提取新算法,算法在寻找可能的频带组时采用了闭环自适应频带选取模块,根据频带组的基频及其周期度确定两个潜在基频,提高了搜索潜在基频的鲁棒性;利用两个潜在基频重新判断频带的归属来分离信号提取基频,提高了提取基频的精度。实验结果证明新算法具有较高的有效基频提取精度。     

语音基音周期精确测量方法研究

文章对短时自相关测语音基音周期的方法进行改进,提出一种精确的基音周期测量方法。根据语音共振峰的特点,滤除高频分量,降低语音短时周期性对基音周期测量的影响。     

TES过程概述

TES(Transform-Expend—Sample)过程是一种自相关的随机变量序列。它具有任意的边缘分布和很宽范围的自相关函数。这里主要对TES过程作了描述。     

基于自相关的语音自适应增强器的设计与实现

为了提高语音信号的清晰度,利用基于自相关的自适应滤波器对语音信号进行增强.在理论上研究了该滤波器的频率响应和语音增强原理.同时设计并实现了使用该算法的自适应语音增强器,介绍了该增强器的硬件结构.经过试验研究,证实该增强器能对白噪声环境中的语音信号进行有效增强,实际使用效果明显.     

基于自相关最大值和过门限率的语音端点检测

语音处理中,在噪声环境尤其是在非平稳噪音环境下进行端点检测是很困难的。在低信噪比的情况下,传统用于端点检测的特征参数不能充分描述语音信号的特征,导致端点检测的效果严重退化。为此,笔者从语音信号的时域或频域出发,提出了一种把短时自相关函数最大值和短时过门限率相结合的方法。实验表明,该方法弥补了自相关函数最大值方法和过零率的不足,提高了语音端点检测的性能。     

民族器乐自相关分析中时窗的选择

对民族器乐作品时域信号进行相关分析时,选择不同的分析时窗对结果会有较大影响。以10首古乐的相关分析为例,试验讨论了获得最佳时窗的方法。在最佳时窗下分析出了每首乐曲的最佳听闻混响时间。     

基于自相关函数最大值的语音端点检测方法

基于短时能量和隐马尔夫模型端点检测方法都有一定的局限性,笔者通过研究浊音的周期性及其自相关函数通过低通滤波器后的特性,提出了基于自相关函数最大值的语音端点检测算法,实验结果表明,即使在较低信噪比情况下采用该算法仍能较准确地检测出语音信号的端点位置。