基于分形理论的CUWB频谱感知方法

针对超宽带频带内授权信号类型确定的特点,为了弥补盒维数检测不能够有效识别信号类型的缺点,提出通过进一步提取信息维数特征对信号调制样式进行识别,该方法融合了盒维数检测和信息维数检测的优点进行合作判决。仿真表明基于信号分形理论的频谱感知能够取得较好的检测效果,且该方法运算复杂度低,对噪声不敏感,能够有效区别噪声与授权信号,抵御模拟授权用户攻击,检测效果优于循环谱检测和能量检测。     

基于分形盒维数的恒虚警检测方法

利用噪声与授权信号分形盒维数的差异,可以对授权用户是否存在进行检测.但判决门限只是凭借经验进行设定,虚警概率无法进行量化计算.因此提出一种基于分形盒维数的恒虚警门限计算方法.通过实验拟合可知,噪声盒维数的大致服从高斯正态分布,利用恒虚警检测可得到判决门限.仿真结果表明,基于该假设的门限值在检测概率一定的条件下,所得到的虚警概率与设定值相同,提高了感知结果的可信性和算法的可靠性.     

基于分形盒维数的频谱感知技术研究

为了降低频谱感知的计算复杂度,提高感知性能,该文提出基于分形盒维数的频谱感知方法。由于噪声与信号盒维数值存在差异,将分形盒维数作为检验统计量。仿真结果表明,该方法在高斯白噪声环境下,具有良好的检测性能,对噪声不敏感。并且计算复杂度低,易工程实现。     

背景噪声下的端点检测算法的研究

噪声环境下的端点检测在语音信号分析和识别中占有重要地位.文中将分形理论中的分形记盒维数应用到端点检测算法中,采用了基于分形记盒维数与短时能零比相结合的端点检测算法,以分形记盒维数为主要判决条件,并在判决门限的设定上采用了自适应机制.仿真结果表明,基于分形记盒维数和短时能零比相结合的端点检测算法在白噪声和粉红色噪声下具有很好的准确率和鲁棒性.     

基于USRP2920与差分能量检测的双门限频谱感知算法实现

为提高紧缺频谱资源的利用率,针对实际无线通信环境噪声不确定性对感知性能的影响,搭建了基于软件无线电外设(USRP,NI2920)的认知无线通信系统平台,利用差分双门限能量检测算法感知授权用户信号并估计空闲可用频带,为认知用户的动态频谱接入提供判别依据.此外,推导出差分双门限能量检测概率的闭合表达式,并通过实验估计噪声功...     

相关盒维数的分步合作频谱感知方法

提出一种基于分形相关盒维数的分步合作频谱感知方法,通过对信号进行自相关运算,求取其盒维数值,利用恒虚警检测得到判决门限进行判决。在所有认知用户中随机选择参与运算的认知用户,并反馈有益信息。仿真结果表明,该方法在保证检测准确率的同时,降低了认知系统合作频谱感知所带来的额外开销和频谱检测时长,减轻合作控制中心的负荷,整体上提高了认知系统的检测性能。     

基于能量和循环平稳检测的双门限两层感知算法

针对传统能量检测法容易受到噪声干扰、循环平稳检测法计算复杂度高的问题,提出了一种基于能量检测和循环平稳检测的双门限两层感知算法。利用双门限能量检测法对接收信号进行第一层检测,对于能量统计值落入双门限之间的信号,采用循环平稳检测法进行第二层检测。通过对传统能量检测法、循环平稳检测法和文中双门限两层感知算法的检测性能和复杂度进行仿真对比,结果显示在相同检测概率情况下,文中方法相较前两种方法,信噪比分别提升了2 dB和1 dB,虚警率分别降低了0.18和0.1,验证了双门限两层感知算法的有效性和可靠性。     

基于Myriad预处理和分形盒维数的信号检测方法

随着信道环境的日益复杂化,实际应用中遇到了很多非高斯噪声信号,此类过程具有显著的脉冲特性,其统计特性严重偏离高斯分布,传统的通信信号检测方法不再适用.为此,重点研究了在Alpha稳定分布噪声背景下的通信信号检测方法.首先,介绍了Alpha稳定分布的基本理论.其次,分析并验证了在Alpha稳定分布噪声背景下,传统信号检测方法失效的原因.最后,提出了分形盒维数的概念,针对Myriad滤波预处理后的信号,基于分形盒维数实现了通信信号的检测,仿真结果表明,此方法在Alpha稳定分布噪声背景下能够有效地实现信号的检测,具有良好的性能.     

低信噪比数字通信信号识别算法研究

基于高阶累积量可以抑制高斯噪声的特性以及分形盒维数对噪声不敏感的特性,对于现代通信中常用的BPSK、QPSK、OQPSK、MSK和GMSK五种信号,建立了信号模型。理论推导了信号的高阶累积量特征,分析了信号的分形盒维数特征,提出了一种有效的识别算法。仿真试验证实了算法的可行性。     

改进的基于分形盒维数的共信道多信号存在性检测算法

针对时频重叠的共信道多信号存在性检测问题,提出了一种改进的基于分形盒维数的算法。算法用瞬时幅度的盒维数作为检测统计量,通过理论推导得出噪声瞬时幅度的盒维数为一定值1.415,共信道多信号瞬时幅度的盒维数近似等于1,并以此得出了检测的理论门限。如果接收信号瞬时幅度的盒维数小于设定的检测门限则说明有信号,否则没有信号。共信道多信号为MASK、MPSK、MQAM和MFSK任意类型混合时,仿真结果表明在加性高斯噪声背景下算法准确有效,信噪比大于-2dB时检测概率达到100%且虚警概率极低。另外,算法对信号调制类型、调制参数、信号源个数具有很好的鲁棒性,计算简单复杂度低、可实时处理。相比于已有研究,本算法门限值的设定更加精确,检测性能有大幅提升。      

基于能量检测与Sevcik分形维数的协作频谱感知算法

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.     

基于循环前缀频域自相关的OFDM信号频谱感知

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.     

基于最小描述长度准则的稀疏多带信号频谱感知算法

该文研究稀疏多带信号的频谱感知问题。首先利用欠采样的数据构造自相关矩阵,并对该矩阵进行特征值分解,然后根据最小描述长度(MDL)准则对特征值进行计算,利用结果区分信号子空间和噪声子空间,最后根据子空间的结果求出信号的频率支集,由此提出了一种针对稀疏多带信号的频谱感知算法。由于传统算法需要预先设置门限来区分信号子空间和噪声子空间,所以不合理的门限值会导致算法失效,该文算法不用预先设置门限,具有更好的适应性。仿真实验结果验证了该文算法的有效性。     

基于三维特征的雷达信号脉内调制识别

针对低信噪比条件下雷达信号识别算法对噪声敏感的问题,提出了一种基于三维特征的雷达信号脉内调制识别算法。该方法通过提取信号的差分近似熵、调和平均分形盒维数和信息维数特征组成三维特征向量,使用遗传算法优化的BP神经网络分类器实现雷达信号的分类识别。仿真结果表明,所提取的三维特征在信噪比为-4~10 dB变化范围内具有较好的类内聚集度和类间分离度,可以实现对不同雷达信号进行识别,证实了该方法的有效性。     

Adaptive Spectrum Sensing Algorithm in Cognitive Ultra-wideband Systems

Energy detection is a simple spectrum sensing technique that compares the energy in the received signal with a threshold to determine whether a primary user signal is present or not. Setting the threshold is very important to the performance of the spectrum sensing. This paper proposes an adaptive spectrum sensing algorithm where an optimal decision threshold of energy detection is derived based on minimizing the weighted sum of probabilities of detection and false alarm. Since the optimal decision threshold is dependent on the noise power and signal power, a simple, practical frequency domain approach is devised to estimate both. The algorithm can be used for the detection of various kinds of signals without any prior knowledge of the signal, channel or noise power, and is able to adapt to noise fluctuation. Simulations for detecting narrow-band and wideband signals (phase shift keying signal, frequency shift keying signal, orthogonal frequency division multiplexing signal) and ultra-wideband (UWB) signals (direct sequence spread spectrum signals) in an IEEE 802.15.3a UWB band are presented. The results show that the proposed algorithm has excellent robustness to noise uncertainty and outperforms the existing spectrum sensing algorithms in the literature.     

基于多尺度功率谱子带梯度的宽带频谱感知算法与性能分析

为了应对复杂环境下非合作通信、电磁频谱监管等宽带接收中存在的先验信息缺失、信道失真严重以及频域呈现不平坦色噪声的挑战,提出一种基于多尺度功率谱子带梯度的宽带频谱感知算法,该算法不要任何的先验信息,对功率谱进行分段计算梯度,再进行自适应双阈值检测,通过多尺度的技巧提高了宽带频谱感知的稳定性。对该算法在不同信道模型下的统计特性、虚警概率、检测概率以及判决门限的表达式进行了理论推导。理论分析和实验仿真表明,算法适用于高斯噪声信道和平坦衰落信道,能够有效克服色噪声,并且能够实现用户频带范围定位,运算复杂度低、实时性强,对噪声不确定度具有稳健性,能够用于低信噪比场合。