基于分形盒维数的双门限合作频谱感知方法

在信号分形盒维数特征的基础上,提出利用噪声与授权信号分形盒维数的差异对授权用户是否存在进行检测.为了使合作感知性能趋于更优,多用户采用双门限策略进行分步合作.该方法运算复杂度低,对噪声不敏感.仿真结果表明,双门限合作相比单门限分形盒维数检测和能量检测,系统检测率更高,所需频谱感知时长较短,同时减轻了融合控制中心以及传输...     

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。     

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.     

图像分形维数的差分盒方法的改进研究

分形可以提供大量关于自然景象复杂程度的信息,差分盒算法作为一种图像分形维数提取算法被广泛应用.针对差分盒算法计算精度不高和计算量大等问题,基于动态规划和残差分析的思想,提出了改进的差分盒分形维数计算方法.实验结果表明,该算法能够有效地区分不同类型的地貌,能够应用于遥感图像的地物分类.     

认知无线电频谱感知技术研究

认知无线电(CR)作为一种智能通信系统,能够充分了解周围的通信环境,实现频谱的动态利用。频谱感知被用作动态无线电访问的关键技术,并在近些年得到了广泛的研究及应用。文章介绍了三种不同的频谱感知技术:基于发射机的频谱检测、基于接收机的频谱检测和合作检测,并对三种检测技术的性能及优缺点进行了分析。     

汉字的分形性及其计盒维数的统计分析

本文首次把分形理论用于研究汉字，实验显示出汉字具有分形特性－标度不变性，在此基础上，本文对国际一级字库３７５５个汉字的分形维数－计盒维数进行计算统计，得到了其统计分布规律，实验结果表明，计盒维数较好地反映了汉字笔划，结构的繁杂程度和不规则性，这些新的发现表明将分形理论用于汉字信息处理（识别，压缩，笔迹鉴别等）具有巨大的潜力和应用前景。     

基于认知无线电的频谱感知技术经典算法研究

基于认知无线电通信系统的核心技术频谱感知经典算法,详细阐述各个算法模型设计原理及实现机制。最后,对频谱感知技术经典算法的优缺点进行了比较,并对频谱感知技术的未来研究趋势进行了展望。     

汉语普通话语音的分形特性及其盒维数的统计分析

本文应用分形理论来研究汉语普通话语音的分形特性。通过计算和统计分析汉语男女声21种声母和38种韵母语音信号时域波形的分形盒维数,得到了汉语语音信号分形维数在维数空间上的分布规律。实验结果表明,汉语语音信号具有分形标度不变性,分形维数能够反映语音信号时域波形的复杂程度。     

基于快速变极化的认知无线电频谱感知算法

为充分利用授权信号的极化状态矢量信息进行频谱感知,该文提出一种基于K臂赌博机的快速变极化算法,通过将双自由度搜索问题转化为K个1维问题,能够实现满足实时频谱感知要求的授权信号极化状态识别。给出了算法收敛时预期收益的上下确界。最后分析了基于该算法进行极化匹配接收的频谱感知性能。仿真结果表明,算法能够快速收敛,并高精度识别授权信号极化状态,对频谱感知性能提升显著。     

认知无线电中基于阵列天线和协方差矩阵的频谱感知算法

该文提出一种基于阵列天线和协方差矩阵的频谱感知算法,该算法能够在噪声不确定性的条件下进行盲频谱感知。该算法在协方差矩阵的基础上,构建新的检测统计量,推导判决门限,对检测统计量与判决门限进行比较进而做出最终判决;在主用户信号到达方向与认知用户接收天线法线方向不一致的情况下,为使认知用户能完全接收主用户信号,利用了阵列天线技术。仿真结果表明,与Zeng等人(2009)提出的绝对值协方差矩阵频谱感知算法(Covariance Absolute Value Spectrum Sensing, CAVSS)相比,该算法判决门限的计算方法更加准确;在相同条件下,该算法的检测概率高于CAVSS。     

认知无线电中基于信息简约的最大似然协同频谱感知算法

该文针对控制带宽受限条件下认知用户的协同频谱感知问题,提出了基于信息简约的最大似然协同频谱感知算法。算法使用信息简约模块来降低本地感知信息传递需要的网络开销,在基站处使用基于最大似然准则的检测来提高感知性能。理论分析和仿真表明,该算法能够以较少的网络开销有效提高频谱感知性能,特别是在认知用户接收信噪比相差较大的情况下,其性能优势更为明显。     

认知无线电中频谱感知技术

固定频谱分配政策导致频谱使用率低下,为克服这一缺点,人们提出使用认知无线电技术实现动态频谱接入,从而有效利用频谱空穴。频谱感知是认知无线电的关键技术。文中介绍了目前已提出的频谱感知技术:发射机检测(包括匹配滤波器检测、能量检测和周期平稳特征检测)、合作检测、接收机检测及基于干扰温度的检测,仿真分析了各种方法的优缺点及有待解决的问题。为满足多用户环境和实时性要求,仍需探讨新的频谱感知方法,提高检测性能。     

认知无线电中频谱检测技术研究

认知无线电技术是为了解决频谱资源匮乏的问题而提出的一种无线通信技术。首先简述了认知无线电的背景和概念,然后详细研究了认知无线电中的各种检测技术,分析了其优缺点。     

基于非负矩阵分解的频谱感知技术研究

为了提高认知无线电系统中低信噪比条件下的频谱感知性能,提出了基于非负矩阵分解的频谱感知方法。在无需知道被感知信号的先验信息的条件下,将原始信号进行短时傅里叶变换后,利用非负矩阵分解的噪声与信号之间的特征矩阵存在的差异性,将特征矩阵作为检测统计量进行频谱感知。仿真结果表明,基于非负矩阵分解的频谱感知方法在低信噪比条件下,具有较传统的能量检测方法与循环平稳检测方法更优的感知性能。     

Spectrum Sensing Based on Deep Learning Classification for Cognitive Radios

Spectrum sensing is a key technology for cognitive radios.We present spectrum sensing as a classification problem and propose a sensing method based on deep learning classification.We normalize the received signal power to overcome the effects of noise power uncertainty.We train the model with as many types of signals as possible as well as noise data to enable the trained network model to adapt to untrained new signals.We also use transfer learning strategies to improve the performance for real-world signals.Extensive experiments are conducted to evaluate the performance of this method.The simulation results show that the proposed method performs better than two traditional spectrum sensing methods,i.e.,maximum-minimum eigenvalue ratio-based method and frequency domain entropy-based method.In addition,the experimental results of the new untrained signal types show that our method can adapt to the detection of these new signals.Furthermore,the real-world signal detection experiment results show that the detection performance can be further improved by transfer learning.Finally,experiments under colored noise show that our proposed method has superior detection performance under colored noise,while the traditional methods have a significant performance degradation,which further validate the superiority of our method.     

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。