基于特征根比分布的协作频谱感知算法研究

介绍两种基于大维随机矩阵理论(Random Matrix Theory,RMT)的频谱感知方法,综合对比讨论并验证其感知性能。这些方法以采样协方差矩阵的最大最小特征根之比作为判决统计量与相应的判决门限相比较来确定频谱是否空闲。通过与能量检测(Energy Detection,ED)算法仿真对比,它们克服了能量检测中需要预知噪声信息的缺点,并具有不受噪声不确定度影响的优点,有较高检测性能和优越性。     

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。     

一种适用于698~806MHz频段的认知MAC协议

针对广播系统与认知系统共存场景下的认知用户接入问题,提出一种适用于698⁸06MHz频段的认知MAC协议。该协议以分布式的方式对授权信道侦听,认知用户之间以协调的方式共享信道侦听结果,并采用基于竞争的方式接入空闲授权信道。利用蒙特卡洛仿真方法对所提出的协议进行了仿真。仿真结果表明,与传统MAC协议相比,该协议能够有效提高授权频段的频谱利用率,提升系统性能。     

改进的矩形NAM图像表示算法

为了提高图像的表示效率,提出了一种改进的矩形非对称逆布局模式表示模型(NAM)图像编码算法IRNAM。该算法采用双矩形子模式对灰度图像进行表示,结合位平面优化策略,并顺序存储各子模式的数据,使得子模式数目大幅减少。实验结果表明：与矩形NAM算法和其他改进的NAM算法相比, IRNAM算法使表示图像的子模式数明显减少了,从而有效地节省了数据存储空间,是一种高效的图像表示方法。     

无线传感器网络中丢包扩散卡尔曼算法的改进

针对无线传感器网络数据融合时的丢包问题,对传统扩散卡尔曼滤波算法进行改进,并探讨丢包问题的改善方案。丢包情况下,改进算法在传统算法增量更新时,从邻居节点集合中剔除有丢包的节点,在融合更新时,节点重新调整融合权值,以减小丢包对估计值的影响。仿真结果表明,在一定条件下,改进算法的平均误差偏置比传统算法小2～3dB。由于"领导"节点较普通节点对系统的估计值影响更大,所以,可以通过选择能量大的节点作为"领导"节点,或者加强对"领导"节点的维护来改善丢包问题。     

基于实际无线局域网系统的信道估计算法

结合无线局域网(WLAN)系统进行适合实际系统的信道估计方法研究。针对实际系统在要求算法稳健性的同时,还要求算法简单易实现的特点,在最小二乘(Least Square,LS)算法中添加了离散傅里叶逆变换(Inverse Discrete Fourier Transform,IDFT)运算,利用信号在时域能量集中的特点,在时域对信号按门限值进行筛选,滤除大部分噪声,以此提高系统性能。仿真结果显示,改进算法可为实际WLAN系统所采用。     

认知无线电安全研究综述

为深入理解认知无线电安全问题,掌握其研究现状及发展趋势,从传统型和特殊型两个角度,对目前认知无线电网络中存在的拒绝服务攻击、自私行为攻击、路由安全、密钥协商、GPS信息干扰、主用户伪造攻击、频谱感知数据篡改攻击等安全问题进行概述,并对解决安全问题的典型方案进行归纳总结。此外,针对目前相关研究中所存在的问题,明确了一些有待继续研究的方向。     

一种新的静态波长路由算法及其统计修正

基于部分长路由优先的原则,提出了一种新的静态波长路由算法,并利用统计修正的方法进行了数值仿真,仿真结果表明与原有算法相比,新算法能以更高的概率获得更少的波长数,简单、快速,性能更优。     

“数字信号处理”一流课程建设探索与实践

“一流课程”建设是本科教育质量提升的突破口，如何建设一流课程，是亟待研究和践行的重大课题。以国家级首批一流课程“数字信号处理”为例，从更新教学理念、整合教学内容、创新教学方法、完善教学团队及评价机制的教学支撑四个层次给出一流课程建设的具有普适性、可借鉴的方法。从教学实践效果看，提出的方法有效提升了课程的“两性一度”,使学生在课程中受益、在教学中成长。