自适应扩散算法的误差性能分析

为了分析分布式协作频谱感知认知网络中融合矩阵、步长等参数对自适应扩散算法的影响,对检测量估计误差性能进行了研究。给出了自适应扩散算法检测量的通用迭代公式,分析了检测算法的数据处理流程;推导了检测量估计误差向量的迭代表达式,利用网络瞬时均方偏差性能和各节点的稳态均方偏差性能评价融合矩阵参数对算法的影响。结果表明,不同的融合矩阵选取原则影响算法的检测性能,可以采用检测量误差估计的方法对算法参数进行研究。     

基于压缩感知的分布式协同估计算法

为了降低分布式协同估计算法的计算量并改善其收敛性能，提出了基于压缩感知(CS)和递归最小二乘(RLS)的分布式协同估计算法。该算法在传统RLS分布式协同估计算法的基础上引入压缩感知技术，首先在压缩域中进行递归最小二乘运算，然后利用压缩感知重构算法得到未知参数向量的估计值。提出的算法能够在增量式策略和两种模式的扩散式策略下实现对未知向量的有效估计。理论分析和仿真结果表明，该算法一方面降低了RLS分布式协同估计算法的计算量，另一方面保持较快的收敛速度与良好的均方误差性能。     

基于非参量累积和的合作频谱感知

针对认知无线电网络中频谱感知的检测时延降低问题，提出了基于非参量累积和的合作频谱感知算法。本地认知用户预处理频谱观测数据，获得观测数据相对于信念值的正向漂移和负向漂移。为了缩短检测延迟，认知用户只将数据的正向漂移同步传输至融合中心。融合中心融合正向漂移得到判决信息，采用非参量累积和算法依时间序列顺序累加判决信息，判断主用户是否正在使用授权频段。为了解决不传输负向漂移引起的虚警问题，改进算法提出融合中心可以保留首次判决，经过等待时间间隔后再作出最终判决。相对于传统的软融合算法，改进融合规则的合作频谱感知算法具有较低的检测延迟。     

一种新的分布式协作能量检测算法

针对集中式协作能量检测算法严重依赖中心节点的问题,提出了一种基于一致滤波器 的完全分布式的协作能量检测算法。该算法不需要中心节点,次用户可以通过与其邻居次用 户进行局域的数据交换,实现基于数据级融合的协作频谱感知。仿真结果表明,该算法比现 有的集中式协作能量检测算法优越,能够实现安全的频谱感知。     

认知网络中协作感知吞吐量的优化

为了提高集中式认知网络的吞吐量，提出了基于信任度的吞吐量优化算法。该算法在主用户充分保护的前提下，以认知用户的吞吐量为目标函数，融合中心采用双门限值对本地感知结果进行融合。从理论上证明了吞吐量是全局漏检概率的增函数，当全局漏检概率等于门限值时，吞吐量达到最大值。并利用牛顿迭代法求出单节点概率，然后采用遍历法可得到认知用户吞吐量最大值。仿真结果表明，当信噪比为-14 dB时认知用户融合优化算法相对“AND准则”“OR准则”以及“HALF准则”归一化吞吐量分别提高了0.62、0.3和0.09。     

联合循环平稳特征PCA与RVM的频谱感知

针对无线信道环境中低信噪比情况下主用户信号检测率较低的问题,提出了一种基于循环平稳特征主成分分析(PCA)与相关向量机(RVM)的认知网络频谱感知算法。该算法结合了主成分分析算法与相关向量机分类方法,应用于解决认知网络频谱感知问题。首先对信号循环平稳特征参数进行特征提取,通过主成分分析进行降维提取信号主成分,生成训练样本和待测样本,并完成对相关向量机的训练,再采用训练完成的相关向量机算法分别对有无主用户情况下的信号进行分类检测,最后获得主用户信号存在性的感知判断。仿真实验表明,与人工神经网络、支持向量机和最大最小特征值算法相比较,所提算法在低信噪比情况下具有较高的分类检测性能,检测率最大可提高61.6%,有效地实现了对主用户信号的感知。     

基于拉普拉斯先验算法的多维度频谱感知

全双工认知无线电LAT（Listen-and-Talk）模型能够在次用户传输数据的同时进行频谱感知,这要求感知用户能在次用户自干扰的影响下检测当前是否存在主用户。利用全局功率谱模型的方法实现了对当前用户的使用频段、发射功率和位置坐标的多维度感知,以此辨别该用户的身份。在求解数学模型时,选取了拉普拉斯近似函数用作未知参数的先验概率密度函数,与现有方法相比,提升了算法收敛速度,并获得了准确性更高的结果。     

认知无线电差分协作压缩频谱估计算法

在分布式认知无线网络场景下,针对传统协作压缩频谱估计收敛速度慢、计算复杂 度高的问题,提出了一种差分协作压缩频谱估计算法用于宽带频谱感知。算法通过利用不同 认知用户感知的宽带信号所满足的相同频谱支撑集特征,实现了在邻居节点感知先验信息条 件下,本地认知用户基于压缩测量向量差值的宽带频谱迭代估计。仿真分析结果表明,所提 算法在频谱估计精度、检测性能与计算复杂度方面均获得了明显改善。     

利用压缩测量值的非重构宽带频谱感知

为了解决在认知无线电(CR)宽带系统中快速精确分析数据并实现频谱感知的技术难题,对非重构压缩频谱检测进行了研究。提出了一种利用压缩测量值的非重构宽带频谱感知算法,推导分析了虚警概率和检测概率的封闭表达式。该算法利用离散余弦变换（DCT）矩阵的能量压缩特性观测得到主用户能量压缩信息,并利用新型压缩检测器对压缩信息进行判决。仿真表明,所提算法降低了计算复杂度,提供了比传统的能量检测器和压缩检测器更好的工作特性。     

非理想频谱检测对主用户干扰的性能分析

实际中认知中继网络的频谱检测不可能完全正确检测频谱状态,次级用户传输会对主用户传输产生干扰。在分布式协作频谱检测和集中式协作频谱检测情况下,研究了认知中继网络中非理想频谱检测对主用户干扰性能的影响。在瑞利信道下推导了非理想频谱检测条件下主用户干扰概率的数学表达式。最后,仿真结果证明了理论分析的合理性,并表明非理想频谱检测会对主用户产生较大干扰,而中继节点数目的增加可以明显降低干扰概率。     

装甲车综合电子信息系统设想

通过对装甲平台升级换代需求分析和国外采用的技术路线的回顾,提出坦克综合电子信息系统采用以1553B数据总线为核心的分布式开放体系结构的设想.1553B数据总线是综合电子信息系统的神经网络,它将车内探测/识别系统、执行系统、通信系统、防护系统、检测诊断系统和监控系统有机地联成一个整体,实现信息数据的高速交换和处理.通过对坦克综合电子信息系统组成和工作原理的分析,提出了需要解决的一系列问题.     

基于改进粒子滤波的GPS接收机自主完好性监测算法

针对基本粒子滤波重采样过程中粒子权值退化和多样性丧失的问题,将遗传算法引入基于神经网络的权值调整粒子滤波算法中,结合了遗传算法全局寻优的收敛性与神经网络局部寻优的快速性优点。将提出的算法与对数似然比方法结合用于GPS接收机自主完好性监测,通过建立一致性检验统计量实现对故障卫星的检测与隔离。通过采集实测数据进行验证,结果表明：该算法可以成功检测和隔离故障卫星,其性能优于基于基本粒子滤波的接收机自主完好性监测,验证了该算法应用于GPS接收机自主完好性监测的可行性和有效性。     

基于图论的认知无线网络频谱动态分配

在认知无线电网络中，图论与量子遗传算法相结合的频谱分配策略能够提高频谱利用率，但存在早熟和收敛精度不够等缺点。为了解决该问题而实现算法的优化，对图着色理论的频谱分配模型进行数学建模，并针对该模型提出了改进的量子遗传算法。首先，通过使用小生境技术初始化种群，使种群分布更加广泛、算法的收敛度更高；其次，根据进化代数对量子旋转角进行实时动态调整，对染色体进行阈值变异，防止个体陷入早熟，跳出局部解；然后，对干扰约束条件进行重新设计，有效地避免盲目性，提高了网络的公平性和网络效益。仿真结果表明，所提算法有效地提高了频谱利用率，极大地增强了网络系统的性能。     

基于可信度计算的分布式共识合作感知算法

对于分布式的认知无线网络,由于不存在融合中心节点,次级用户节点之间的合作感知往往 采用信息交互的渠道进行,其中一种基于共识合作的感知机制受到广泛的研究,但这种机制 在鲁棒性方面存在一定的缺陷,当恶意节点存在时,其错误信息将影响局部的感知判决结果 ,为此,提出一种基于感知节点可信度的共识合作感知机制。在该机制中,各节点对邻居节 点的可信度进行计算,并把计算出的可信度值发送给其他节点,通过对各节点可信度的累加 计算,最终计算出各节点的可信度,各节点以此决定是否与其邻居节点合作以及如何合作。 仿真结果证明,在恶意节点存在的情况下,该算法在感知性能和收敛速度上都较未改进算法 有不同程度的提升,减轻了不可靠节点对合作感知结果的影响。     

改进的扩展互信息分离算法

扩展互信息分离算法采用单隐层神经网络近似算法代价函数中的非线性函数,可调节 的参数有限,需要多次迭代才能收敛,从而导致收敛速度较慢。针对这一问题, 采用双隐层神经网络近似非线性函数,以分离结果的互信息最小化作为代价函数,采用梯度 下降方法对代价函数进行优化,增加了可调节参数数量。仿真实验结果表明,改进后的算法 相对原算法收敛速度更快,误差更小。     

复合形遗传算法求解功率优化分配研究

传统遗传算法存在过早收敛及局部搜索能力差的缺点,在求解无线网络协作通信功 率优化分配等NP难问题时难以求得最优解。通过小生境策略解决遗传算法过早收敛问题,引 入复合形法提高局部搜索能力,构造了兼顾广度搜索与深度搜索的高性能混合算法,并对上 述问题进行求解。实验结果表明,所提算法与已有算法相比有一定优势,有效延长了协作网 络寿命,稳定性较好,分配的功率波动范围小。     

复杂通信网络的地理位置聚集性社团发现和可视化

针对以通信网络为代表的一类复杂网络地理位置信息的聚集性与网络结构一定程度上的正相关性，探讨了将地理位置信息带入特定的复杂网络的社团发现和可视化任务中，改进传统的标号传播和力导引算法，提前进行网络的地理位置聚类分析，并对标号传播的和力导引的迭代过程引入基于地理位置的限制性条件，避免无意义的振荡。实验证明，提出的方法既可以加快社团发现和可视化算法的收敛速度，也可以通过地理位置对社团分布的影响提高快速社团发现算法的性能。针对存在地理位置聚集性的复杂网络数据，该方法无论在收敛时间还是社团发现结果（Q值）上都有较大提升。     

基于压缩感知和最小二乘的分布式协作频谱感知

针对认知无线电(CR)集中式频谱感知算法对融合中心要求高，而且对节点失效的容忍性也不高等缺点，提出了一种基于压缩感知的分布式多节点协作算法。认知无线电网络中每个CR节点在接收信号频谱后，首先根据压缩采样理论在本地获取压缩采样测量值，然后利用l1范数约束的最小二乘算法在本节点估计频谱，把在此节点估计的频谱传给下一相邻节点，以此进行迭代优化直到算法收敛。理论分析和仿真结果表明，所提算法不仅计算复杂度低，收敛速度快，而且精确重构性能好，可靠性较高。