基于双特征值极限分布的合作频谱感知算法

以最大最小特征值之差作为检测统计量,从提高算法判决门限估计精度出发,利用双特征值极限分布,用双特征值估计判决门限,提出了基于双特征值极限分布的频谱感知算法。相比于单特征值门限方法,理论上证明了用双特征值极限分布估计的门限小于或等于用单特征值极限分布估计的门限,提高了算法检测性能。仿真结果表明,该算法不受噪声不确定性影响,不需要主用户信息,并且在低虚警概率、采样次数相对少的情况下,检测性能优于最大最小特征值之差频谱感知算法。     

特征值极限分布的改进合作频谱感知

本文采用随机矩阵理论,分析和研究了多认知用户接收信号采样协方差矩阵的最小特征值的极限分布,针对基于最大最小特征值之差的合作频谱感知算法,提出了新的门限判决方法。此算法能有效克服噪声不确定度的影响,且不需预先知道授权用户信号的先验知识和噪声方差。仿真结果表明,与以前的感知算法相比,本文算法有更低的判决门限,在低信噪比、小采样时,在达到设定虚警概率的前提下,该算法能够获得更好的感知性能。      

基于特征值极限分布的合作频谱感知算法

采用最新的随机矩阵理论,对多个认知用户接收信号采样协方差矩阵的最小特征值的极限分布进行了分析,提出了一种改进的最大最小特征值合作感知和门限判决方法。该算法不需预知授权用户信号的先验知识,且能有效克服噪声不确定度的影响。与现有算法相比,在给定虚警概率时,仿真结果显示该算法判决门限更低、检测概率更高;而且在认知用户和采样数较少时,也能获得很好的检测性能。     

基于随机矩阵非渐近谱理论的协作频谱感知算法研究

将随机矩阵的非渐近谱理论应用到协作频谱感知中,对接收信号样本协方差矩阵的最大特征值和最小特征值进行分析,该文提出一种精确的最大最小特征值差(Exact Maximum Minimum Eigenvalue Difference, EMMED)的协作感知算法。对于任意给定的协作用户个数K和采样点数N,首先推导了最大最小特征值之差的精确概率密度函数(Probability Density Function, PDF)和累积分布函数(Cumulative Distribution Function, CDF),然后利用该分布函数设计了所提算法的判决阈值。理论分析表明,EMMED算法的判决阈值较已有的渐进最大最小特征值差(Asymptotic Maximum Minimum Eigenvalue Difference, AMMED)检测更为精确,算法无需主用户信号特征并且能够对抗噪声不确定度影响。仿真结果表明,存在噪声不确定度的感知环境下,EMMED算法较已有的精确最大特征值(Exact Maximum Eigenvalue, EME)和EMMER等频谱感知算法具有更好的检测性能。     

利用功率谱最大最小值的频谱感知算法

为了提高频谱感知性能,首先利用功率谱函数特性和瑞利熵概念,从理论上分析了基于功率谱的频谱感知算法原理,提出一种以功率谱的最大最小值之差作为检测统计量的频谱感知新算法;然后推导给出了检测门限和检测概率表达式;最后给出了仿真结果。理论分析和仿真结果表明,在AWGN信道和Rayleigh衰落信道中本文算法都具有良好的检测性能,性能优于已有的利用功率谱的频谱感知算法,该算法不需要主用户信息,不用进行复杂的特征值分解,当虚警概率确定时,检测门限能准确给出。      

基于动态自适应双门限能量检测的序贯协作频谱感知算法

针对在一般高斯白噪声环境中,传统的双门限能量检测频谱感知算法忽略确定两门限之间的感知信息的问题,该文提出一种基于动态自适应双门限能量检测的序贯协作频谱感知算法。新算法以最优化检测概率为目标,采用序贯方式对协作用户进行动态自适应双门限建模,并对处于两门限之间的接收能量值进行软判决。进一步地,新算法能自适应动态调整门限大小和各判决区域协作用户数,以达到最大化检测概率和最优化受试工作特征曲线的目的。理论分析和仿真结果表明,与经典的双门限能量检测算法相比,提出算法具有更优的检测概率。     

一种基于特征值极限分布理论的盲多天线频谱感知算法

当信道空闲时接收信号取样协方差矩阵的特征值在数值上均近似等于噪声方差,而主用户信号的出现则改变了这些特征值的大小。基于这一事实,论文提出一种基于取样协方差矩阵特征值的频谱感知算法。该算法以取样协方差矩阵的最大特征值与其他特征值的和之比作为感知判决量。基于大维随机矩阵理论的特征值极限分布理论,分析了算法的理论虚警性能,在此基础上提出了理论判决门限的计算方法。新算法在感知判决过程中无需事先知道噪声方差、主用户信号和信道增益等先验信息。因而,新算法属于一种全盲多天线频谱感知算法,具有广泛的适用范围。进一步的数值仿真结果验证了新方法的有效性。     

基于Wishart矩阵特征值的频谱感知算法

为了提高频谱感知性能,克服经典算法的缺点,提出了一种新的基于Wishart随机矩阵理论的协作频谱感知算法.根据多个认知用户接收信号样本协方差矩阵特征值的对数分布特性,利用样本协方差矩阵最大特征值与几何平均特征值的比值,得到简单的判决阈值闭式表达式,实现频谱感知判决.该算法不需要知道主用户的任何先验信息,不受噪声不确定性的影响.仿真结果表明,所提算法在协作用户数少、信噪比低、采样点数极少的情况下,仍能获得较高的感知性能.该算法受虚警概率和极端值的影响较小,比同类算法有更好的检测性能.     

基于随机矩阵理论的协作频谱感知

认知无线电频谱共享技术在新一代无线通信网络中具有广泛的应用前景,频谱感知是其中最重要的环节。该文提出了一种新的在多认知用户环境中,基于大维随机矩阵理论的协作频谱感知算法。充分利用随机矩阵的渐近谱分布特性及小样本下最大特征值收敛特性来提高感知性能。理论分析和仿真结果均表明,新算法性能明显优于同类算法和典型的能量检测算法。     

最优认知用户配对与协作感知算法研究

针对协作算法频谱感知和时隙消耗方面的不足,提出一种最优用户配对与协作感知算法。采用接收信噪比最优的认知用户为感知用户且以接收信噪比次优的认知用户为其中继的配对准则,获得最佳频谱感知性能。通过优化设置协作门限,选择性地采用非协作或协作模式,获得更低的时隙消耗。同时,推导了在瑞利平坦衰落环境下该算法的频谱检测概率下界与时隙消耗。数值计算结果表明,与原有算法相比,该算法不仅检测概率更高且时隙消耗更低。     

利用MIMO-JD增强TD-SCDMA系统性能

针对TD-SCDMA的特点，构建并提出了一种将MIMO技术应用到TD—SCDMA系统的模型。同时将多用户检测和MIMO的空间处理机技术相结合，提出了一种新的、易于实现的MIMO-JD检测算法，理论分析和仿真结果表明这种算法较现有的RAKE—BLAST算法性能有根大的改善。由于使用了MIMO技术，TD-SCDMA系统的容量大大提高。     

MIMO系统中格点减少检测算法的探讨

相对于传统的单天线系统,M IMO(多输入多输出)技术能够大大提高频谱的利用率,因而被认为是新一代移动通信系统的关键技术。格点减少算法从一个全新的角度解决了多输出信号的检测问题,具有良好的发展前景。文中简要介绍了格点减少算法的数学原理,详细介绍了格点减少算法在M IMO信号检测中的应用,并在分析其性能和计算复杂度的基础上,比较了格点减少算法与其他检测算法的差异。     

MMSE准则下近似最优MIMO分组并行检测算法

在采用多天线高阶QAM的MIMO通信系统中,现有基于信道分组并行检测算法虽然接近最优检测性能但以牺牲计算效率为代价.针对这一问题,本文提出一种MMSE准则下基于信道分组的并行检测算法,不但有效降低计算复杂度,而且仍保证检测性能.该算法采用MMSE准则下格归约算法改进分组后条件较好子信道矩阵特性,并在消除参考信号基础上利用改进的子信道矩阵对剩余信号以非线性方式进行检测.仿真结果表明:对4×4和6×6MIMO系统,该算法检测性能达到最优,对于8×8 MIMO系统,比最优算法所需信噪比提高约1dB.复杂度分析表明:相比现有信道分组检测算法,相同检测性能下该算法在6×6 MIMO系统中复杂度降低90%以上,在8×8 MIMO系统中复杂度降低98%以上.     

FSO MIMO系统中分层空时码检测算法

多输入多输出(MIMO)系统可以有效提高频谱效率和系统容量。基于MIMO系统重点研究了无线光通信垂直分层空时系统(V-BLAST)检测算法。首先分析了最大似然、线性迫零、最小均方误差以及排序干扰抵消等典型的传统检测算法,基于OOK调制和4PPM调制对采用不同检测算法的系统差错性能进行了仿真对比,最后对Turbo码与BLAST技术相结合构成的新系统采用了软输入软输出(SISO)迭代检测译码方案。仿真结果表明,分层空时检测算法中性能最优的是ML,其次是SISO-MAP,ZF算法性能最差;Turbo-BLAST系统可以有效提高无线光通信系统的抗干扰性能。     

Spatial diversity in radars-models and detection performance

Inspired by recent advances in multiple-input multiple-output (MIMO) communications, this proposal introduces the statistical MIMO radar concept. To the authors' knowledge, this is the first time that the statistical MIMO is being proposed for radar. The fundamental difference between statistical MIMO and other radar array systems is that the latter seek to maximize the coherent processing gain, while statistical MIMO radar capitalizes on the diversity of target scattering to improve radar performance. Coherent processing is made possible by highly correlated signals at the receiver array, whereas in statistical MIMO radar, the signals received by the array elements are uncorrelated. Radar targets generally consist of many small elemental scatterers that are fused by the radar waveform and the processing at the receiver, to result in echoes with fluctuating amplitude and phase. It is well known that in conventional radar, slow fluctuations of the target radar cross section (RCS) result in target fades that degrade radar performance. By spacing the antenna elements at the transmitter and at the receiver such that the target angular spread is manifested, the MIMO radar can exploit the spatial diversity of target scatterers opening the way to a variety of new techniques that can improve radar performance. This paper focuses on the application of the target spatial diversity to improve detection performance. The optimal detector in the Neyman-Pearson sense is developed and analyzed for the statistical MIMO radar. It is shown that the optimal detector consists of noncoherent processing of the receiver sensors' outputs and that for cases of practical interest, detection performance is superior to that obtained through coherent processing. An optimal detector invariant to the signal and noise levels is also developed and analyzed. In this case as well, statistical MIMO radar provides great improvements over other types of array radars.     

MIMO雷达多目标检测前跟踪算法研究

 本文基于检测前跟踪技术研究了MIMO雷达系统中多个运动目标的早期预警问题,在推导已知目标数量时的二元广义似然比检验的基础上,提出了一种次优的基于“逐目标消除和极坐标Hough变换（STC-PHT）”的多目标检测前跟踪算法,并推导了该算法的虚警概率和检测概率表达式。与以往的多目标检测前跟踪算法相比,新算法具有较低的计算量,且本质上无需目标数量的先验信息,避免了目标数量未知时需执行多元假设检验的问题。仿真分析表明,新算法能有效地改善MIMO雷达在低信噪比条件下的检测性能。     

一种新型基于格基约减的MIMO检测算法

MIMO技术是LTE的关键技术,MIMO信号检测算法的选用需要在复杂度和检测性能之间取得合理的折中。将格基理论应用于MIMO检测中,能够大幅降低由于天线数增多所带来的检测复杂度过高问题,典型的格约减算法有LLL算法和Seysen算法。以上述格基约减算法为基础,引进排序串行干扰抵消和广度优先球译码K-best算法的思想,提出了一种新型的基于格基约减的MIMO检测算法--KLR_OSIC。与原有基于格基约减的检测算法相比,该算法能够在较低的计算复杂度下显著提高MIMO的检测性能。通过仿真可看出,新算法比原基于格基约减的算法性能更佳,且更接近ML算法。     

基于块空时分组编码DFT-S-OFDM虚拟MIMO传输方案

该文提出了一种基于块空时分组编码的DFT-S-OFDM上行链路虚拟MIMO传输方案,并给出一种低复杂度的虚拟MIMO系统接收机检测算法。仿真研究表明:基于块空时分组编码的DFT-S-OFDM虚拟MIMO传输方案可保持原DFT-S-OFDM系统低峰均比的特性,显著降低虚拟MIMO系统接收机检测门限,提高上行链路虚拟MIMO系统传输可靠性。     

分集通道相关时MIMO雷达的检测算法

多输入多输出(MIMO)雷达利用波形分集或空间分集提高雷达性能,目标回波散射系数是全相关或者独立完全取决于阵列系统配置。然而,在有些情况下,雷达阵列系统配置导致散射系数部分相关,从而使MIMO雷达的检测性能受到影响。针对上述问题,文中研究了基于尼曼-皮尔逊准则下分集通道相关时MIMO雷达检测算法,推导检测概率与虚警概率的近似解析表达式,分析了分集通道相关性对MIMO雷达检测的影响。仿真结果验证了该算法的有效性。     

一种利用MIMO技术改进TD-SCDMA系统的方法

针对TD-SCDMA系统的特点,该文提出了一种基于midamble的TD-SCDMA系统MIMO模型。在此基础上将MMSE检测,Turbo迭代均衡与多天线处理技术相结合,提出了两种新的MIMO检测算法: MMSE-IC检测算法和MMSE-IC-Turbo检测算法。 通过比较这两种算法以及3GPP中提到的RAKE-BLAST算法,从理论和仿真的角度分析了这几种算法在TD-SCDMA系统中的性能。结果表明MMSE-IC-Turbo检测算法性能最好,MMSE-IC检测算法次之。由于使用了MIMO技术, TD-SCDMA系统的容量大大提高。