基于扩散策略的分布式协作频谱检测

分布式认知网络中,认知用户通过与相邻用户交换检测量信息,达到全网一致,实现对主用户信号的检测。为了提高网络检测量信息的收敛速度,提出了一种基于扩散策略的分布式协作检测算法。在该算法中,将最大最小特征值检测算法的检测量作为交换的初始信息,构造自适应矩阵和融合矩阵作为加权因子对认知节点状态值进行迭代更新,实现全网认知用户检测量信息一致,各认知用户独自根据融合的检测量信息,进行最终的检测判决,确定主用户是否存在。仿真结果表明,该算法在网络收敛速度和检测性能上较共识策略和非合作检测有不同程度的提升。     

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。     

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。     

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。