共查询到18条相似文献,搜索用时 71 毫秒
1.
2.
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. 相似文献
3.
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。 相似文献
4.
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。 相似文献
5.
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
6.
7.
8.
汉字的分形性及其计盒维数的统计分析 总被引:4,自引:0,他引:4
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。 相似文献
9.
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。 相似文献
10.
11.
12.
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。 相似文献
13.
14.
15.
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。 相似文献
16.
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。 相似文献
17.
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. 相似文献
18.