基于认知无线电的多频段跳频通信系统

为充分利用认知无线电对环境频谱的感知能力,设计了一种基于 认知无线电的多频段跳频抗干扰通信系统,通过感知单元动态控制跳频序列生成,实现了干 扰频点的避让。具体实现时,采用低频段可靠传输高频段的频谱感知信息,高频段则主要用 于具体业务传输,利用不同频段实现了频谱控制与应用业务的分离。     

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。     

随机共振在认知无线电频谱感知中应用的最新研究进展

频谱感知是认知无线电网络的一项关键技术。低信噪比（SNR）环境下频谱检测的性能会大 幅降低,而随机共振（SR）能 有效提高信号信噪比,所以将其应用到频谱感知中,能增强认知用户对主用户（PU）的检测 性能。〖JP2〗首先介绍了随机共振在认知无线电频谱感知中应用的最新研究进展,包括随 机共振在 本地感知中（如能量检测、协方差矩阵频谱感知、循环平稳特征检测）及协作感知中的应用 ,然后指出了随机共振在认知无线电频谱感知中还有待解决的问题,并提出了下一步的研究 方向。     

认知无线电体系结构分析

分析了认知无线电网络的集中式、AdHoc式和Mesh式体系架构及其节点与链路特性。在 认知无线电终端方面,分析了系统组成,并阐述了其认知引擎中环境感知模块、方案制定与优化模 块、知识库、知识进化器和接口模块的功能定义以及认知循环过程。最后,论述了认知无线电的频谱 感知、频谱分配以及功率控制关键技术。     

基于统计可信度的压缩感知协作频谱检测算法

压缩感知为认知无线电的宽频谱感知提供了一种新的方法和思路。基于压缩感知的原理,提出了一种多认知用户协作场景下基于用户统计可信度的协作频谱检测算法。该算法使用正交匹配协作追踪算法获得认知区域内的频谱占用情况,根据不同认知用户频谱检测的历史准确度综合判定用户感知结果的统计可信度。仿真结果表明,该算法在不同用户数、不同采样值、不同信噪比变化范围下其检测性能均优于传统算术平均方法,有效改善了检测性能。     

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。     

频谱感知技术在短波通信中的应用

为了提高短波通信的频谱利用率,需要对短波频谱进行实时准确的频谱感知.针对短波信道特点,对几种频谱感知方法能否适用于短波通信系统进行了分析.结合国内外军用认知无线电的发展,并充分利用能量检测速度快、循环谱特征检测精度高的优点,提出了一种能量和循环谱特征联合检测的方法,并给出了基于感知技术的短波电台的基本架构,为缓解短波信道资源紧张提供了一条途径.     

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。     

利用自相关矩阵的量化合作频谱感知方法

为了改善认知无线电的频谱感知性能,提出一种基于自相关矩阵的量化合作频谱感 知方法,对各认知用户的本地检测结果采用多个判决门限进行有限位的量化,在融合中心采 用加权投票准则对该量化信息综合处理,得出最终判决。该方法是一种盲感知方法,不需要 知道主用户信号的先验知识和噪声方差信息。具体讨论了一种2 bit量化合作频谱感知 方案 ,并将其与传统的基于能量检测的合作频谱感知方案作比较。理论分析和仿真结果表明,该 方案可以有效提高频谱感知能力。     

基于DOA估计的认知无线网络频谱感知

认知无线电技术中频谱感知性能的优劣直接影响认知通信系统的性能。针对该特点提出了认知无线电网络中基于波达方向（DOA）估计的主用户频谱感知模型,即单主用户多次用户和多主用户多次用户的系统模型,选取基于特征分解的多重信号分类（MUSIC）算法分析两种模型的感知性能,包括虚警概率、漏检概率、最小总错误概率、算法复杂度等,获得了闭值表达式,最后在两种模型下对算法进行了仿真。仿真结果表明：各参数主要影响虚警概率,而漏检概率几乎不受影响,验证了方法的有效性。