基于压缩感知DOA估计的稀疏阵列设计

根据格拉姆(Gram)矩阵优化测量矩阵的方法，给出了一种基于压缩感知波达方向（DOA）估计的均匀线阵的稀疏阵列设计方法。该方法不需要对阵列的输出数据进行压缩采样，直接利用稀疏阵列的输出数据，然后利用稀疏恢复算法求解DOA估计信息。实验仿真证明，相比于原均匀线阵，所提方法在阵元数目较少且信噪比较低的情况下具有更好的DOA估计性能。     

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。     

基于压缩感知的分步合作频谱感知方法

在研究自相关矩阵检测理论的基础上,提出一种采用压缩感知的分步合作频谱感知方 法。通过压缩感知将海量采样数据量减小,提取能够有效代表原信号的采样点;通过随机选 择参与运算的认知用户及其数量进行合作检测,并反馈有益信息,减少了传统合作检测所有 认知用户参与检测带来的运算复杂度。仿真表明该方法提高了频谱检测率,缩短了频谱检测 时长,减轻了控制中心负荷,提高了在宽频段进行频谱检测的可行性。     

认知车载网的频谱感知性能分析

认知车载网中不同的衰落传播信道会影响频谱感知的性能。为了描述不同信道下的频谱感知性能,分析了加性高斯白噪声信道、瑞利衰落信道和Nakagami-m衰落信道条件下的频谱感知单用户能量检测概率和协作能量检测概率,重点是Nakagami-m衰落信道、检测衰落因子、次用户的数量和信噪比这几个参数对协作频谱感知性能的影响。仿真结果表明,通过对不同信道特性的准确了解能够帮助车辆在不同衰落信道环境下提高频谱的检测概率。     

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。     

卫星认知无线通信中频谱感知算法比较

以实现卫星认知无线通信中频谱空穴探测为目的,列举并比较了目前用于频谱感知的 六种算法。根据各个算法的自身特点指出其应用场合,分别分析了它们的优缺点,通过计算 机仿真给出了能量检测、匹配滤波和压缩感知的检测性能,并指出压缩感知对硬件复杂度的 要求最小,适合卫星认知无线通信。     

基于改进D-S证据理论的认知无线电频谱感知算法

在把D S证据理论应用于多节点的频谱感知数据融合时,如果数据冲突较大则融合结 果并不理想。为了解决上述问题,对D S证据理论的证据组合规则进行了改进,给出了一个 在数据冲突大时也适用的数据融合公式,并把这种改进的数据融合算法应用到多节点协作频 谱感知中。MATLAB仿真测试与结果分析表明改进算法提高了频谱感知性能。     

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。     

基于网络编码的衰落信道频谱感知算法

针对传统认知无线电网络中频谱状态转换频繁和频谱检测时延长的问题,提出基于随机线性网络编码的累积和能量检测频谱感知算法。该算法在主用户信道中引入随机线性网络编码,利用网络编码对频谱的整形作用,使频谱状态转换稀疏,频谱结构更规律化,减小频谱检测时延,提高系统吞吐率。此外,针对传统累积和能量检测算法抗衰落性能差的问题,通过比较该算法在五种衰落信道下的检测时延和吞吐率,研究该算法的抗衰落性能。实验结果表明,在一定的虚警概率下,该算法有效降低了检测时延,提高了吞吐率及抗衰落能力,能够更好地适应复杂的衰落信道环境。     

认知网络中一种基于频谱安全态势感知的路由方案

从构建准确的频谱态势图,实现频率资源充分利用的角度出发,针对目前在构建频谱态势图时没有考虑恶意用户(Malicious User,MU)存在的情况,结合克里金(Kriging)插值法估计空域内频谱干扰态势,通过地理位置检测方案识别MU,从而构建更准确、更安全的频谱态势图,并将其用于端到端的路由协议中。仿真结果表明,该方案能构建完整的频谱态势图,平均误差仅为0.106 dBm,能准确识别恶意用户,识别率高于80%;并且通过识别MU,在基于频谱态势图的路由过程中,可以减少路由跳数,增加可用频谱空间。     

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。     

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。     

认知无线网络中基于业务区分的自适应MAC协议

为了提高认知用户的接入效率,同时兼顾其QoS需求,提出了一种应用于认知无线网络的基 于业务区分的自适应MAC协议。对不同业务采取 不同的最优频谱检测时间,实时业务(RT)以最小化接入时延为目的确定最优的 频谱检测时间,而非实时用户(NRT)则以最大化吞吐率为目标确定最佳的频 谱检测时间。根据所确定出的最佳频谱检测时间,结合当前的业务到达速率和调度策略,不 同业务以时隙Aloha的方式接入空闲频谱。理论分析和仿真表明,所提出的自适应MAC协议能 够自适应地为认知用户的不同业务确定最优频谱检测时间,从而有效地提高频谱使用效率, 保证不同业务的QoS需求。     

认知无线网络中基于Stackelberg博弈的功率控制新算法

针对认知无线网络中存在的干扰问题和功率消耗过大问题,提出了一种新的基于斯坦克尔伯格(Stackelberg)博弈的功率控制算法。建立了主次用户双层网络模型,将主用户设置为领导者,次用户设置为追随者,并对次用户产生的总干扰进行定量分析。在次用户多次博弈的过程中,动态地调整主用户单位干扰价格,在保证主用户自身正常通信前提下,尽量使得收益最大化,提高主用户的参与积极性。仿真实验表明,该算法在保证主次用户的服务质量（QoS）前提下,有效地减小了次用户的发射功率,而且能获得更高的系统容量。     

一种基于无线电环境地图的路由优化机制

设计认知无线网络路由算法时,需要兼顾主用户保护与路由性能两个方面。为了提高认知无线网络中次用户之间路由的端到端性能,提出了基于无线电环境地图的路由优化机制,该机制中无线电环境地图能够为次用户提供主用户保护有关的无线电环境数据。首先,无线电环境地图根据次用户的数据请求将各授权频段的可用概率与功率控制相关信息反馈到该次用户;其次,次用户可以计算出与上一跳次用户之间的链路稳定性以及传输时延;最后,目的次用户通过计算每条路由的端到端吞吐量的期望值,然后选取期望值最大的一条路由。仿真结果表明,该路由机制在平均分组投递率、平均端到端吞吐量、平均端到端时延方面均优于对比路由算法。     

采用局部搜索的二维DOA估计

针对酉旋转不变估计信号参数(Unitary-ESPRIT)算法估计精度较低的问题，提出了一种采用局部搜索实现的非相干信源二维波达方向(2-D DOA)估计方法。该方法首先利用实特征矢量近似值估计导向矩阵,然后利用矩阵Kronecker积性质以及阵列旋转不变特性获得自动配对的角度估计值，降低了2-D DOA初始估计复杂度,实现了对Unitary-ESPRIT算法的改进；接着，采用一维局部搜索法对该初始估计结果进行优化，提高了低信噪比下的2-D DOA估计精度。仿真实验结果表明，相较于传统的Unitary-ESPRIT算法，所提方法在DOA估计精度和成功率上具有明显的优势，特别是在低信噪比以及快拍数较少条件下，因此该方法能够在计算复杂度和估计性能之间取的较好的折中。     

认知无线网络中一种非合作博弈功率控制算法

针对现有的功率控制算法中存在的干扰问题和功率消耗过大问题,设计出一种新的效用函数,并根据此效用函数提出了一个基于非合作博弈的新的功率控制算法。首先,在效用函数中分别为信干噪比和功率设定了不同的代价因子,并将信道状态概念引入到代价因子里面,使其能够更加合理地控制用户,避免用户过度增加发射功率,同时减小了用户间的干扰;其次,证明了该算法纳什均衡的存在性和唯一性;最后,给出了所提算法的流程图。 仿真结果表明,与Nash算法相比,在保证非授权用户服务质量（QoS）前提下,该算法功率消耗明显降低,并且具有较好的抗背景噪声性能;与K-G（Koskie-Gajic）算法相比,该算法保证了所有的用户的信干噪比满足上下限阈值要求,并且提高了系统容量。     

认知中继网络中基于频谱感知的自适应功率控制策略

针对采用联合overlay和underlay频谱共享模式的认知中继网络,基于频谱感知结果和干扰信道条件,提出了自适应功率控制策略,从理论上分析了次用户的中断概率。通过Monte-Carlo仿真,与单一overlay或underlay频谱共享模式和固定功率控制方案下次用户的中断性能进行了比较。仿真结果表明,采用自适应功率控制方案,在相同中断概率条件下,次用户对主用户的干扰概率降低了70%~80%;在相同干扰概率条件下,次用户的中断概率降低了1~2个数量级,频谱共享性能得到了有效提高。