基于粒子群算法认知无线电联合频谱检测研究

发布时间：2017-10-14 17:33

  本文关键词：基于粒子群算法认知无线电联合频谱检测研究

  更多相关文章： 认知无线电 联合频谱感知 能量感知 粒子群算法 分簇 ED-SLRT

【摘要】：频谱感知作为实现认知无线电的基础技术需要快速、正确的发现空闲频谱。联合频谱感知可以解决单用户频谱感知中的隐藏终端、多径衰落等问题,很多学者提出了关于协作频谱感知的算法,但是现有的检测性能还不能达到实际应用的需要。因此为了进一步的提高多用户协作频谱感知的检测准确度以及降低联合频谱感知过程中增加的系统带宽消耗。本文进行了基于粒子群算法的认知无线电协作频谱检测研究。研究了能量感知算法,并仿真分析了单用户频谱感知和几种常用的联合频谱感知算法。研究了基于粒子群算法的分簇协作频谱感知。首先利用粒子群算法为每个认知用户分配权值的算法,在高斯信道进行了仿真,仿真结果表明了基于粒子群的协作频谱感知相比于等增益加权、信噪比加权可以达到更好的检测性能。其次为了减少联合频谱感知的过程中向融合中心发送信息所消耗的带宽,引入了分簇的感知模型,簇内采用基于粒子群算法的协作频谱感知,融合中心根据各簇的判决信息作出最终判决,仿真结果表明该算法在提高感知准确度和减小系统消耗两方面都取得了很好的效果。为了解决能量感知在信噪比较低时检测性能差的问题,将能量感知与SLRT算法有机结合,给出一种能量感知与SLRT结合的联合感知算法,简称E D-SLRT。对于信噪比较好的感知用户采用能量感知方法,对于信噪比较差的用户则采用SLRT算法,在高斯信道下进行了仿真分析,仿真结果表明该算法比能量感知可以获得更好的检测性能。在此基础上,提出基于粒子群的ED-SLRT门限优化算法,该算法以联合频谱感知的错误检测概率作为目标函数,通过使用粒子群算法优化目标函数,使得联合频谱感知的错误检测概率达到最小值,仿真结果表明使用粒子群算法优化门限的错误检测概率要低于所有认知用户采用同一门限的错误检测概率。
【关键词】：认知无线电 联合频谱感知 能量感知 粒子群算法 分簇 ED-SLRT
【学位授予单位】：西南交通大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN925;TP18
【目录】：

• 摘要6-7
• Abstract7-11
• 第1章 绪论11-19
• 1.1 认知无线电的研究背景及研究意义11-12
• 1.2 认知无线电的概念12-14
• 1.3 认知无线技术的国内外研究现状14-15
• 1.4 认知无线电中频谱感知技术的研究现状15-17
• 1.5 本文的主要内容以及结构安排17-19
• 第2章 认知无线电的频谱感知技术19-33
• 2.1 引言19
• 2.2 频谱感知系统模型19-20
• 2.3 单节点频谱感知技术20-24
• 2.3.1 匹配滤波器感知20
• 2.3.2 能量感知20-24
• 2.3.3 循环平稳特征感知24
• 2.4 联合频谱感知24-32
• 2.4.1 联合频谱感知概述25-26
• 2.4.2 硬判决联合频谱感知26-27
• 2.4.3 软判决联合频谱感知算法27-29
• 2.4.4 算法仿真与分析29-32
• 2.5 本章小结32-33
• 第3章 基于粒子群算法的分簇协作频谱感知33-44
• 3.1 引言33
• 3.2 基于粒子群算法的协作频谱感知33-38
• 3.2.1 软判决联合频谱感知模型33-35
• 3.2.2 粒子群算法优化权值35-37
• 3.2.3 基于粒子群算法的协作频谱感知仿真与分析37-38
• 3.3 基于粒子群算法的分簇协作频谱感知38-43
• 3.3.1 基于簇的协作感知系统38-39
• 3.3.2 基于粒子群算法的分簇协作频谱感知39-41
• 3.3.3 基于粒子群算法的分簇协作频谱感知仿真与分析41-43
• 3.4 本章小结43-44
• 第4章 基于SLRT的联合频谱感知算法44-57
• 4.1 引言44
• 4.2 LRT算法的化简及性能分析44-47
• 4.2.1 LRT算法在低SNR下的简化44-46
• 4.2.2 SLRT算法仿真与分析46-47
• 4.3 基于SLRT与能量感知的联合频谱感知47-49
• 4.4 基于粒子群的ED-SLRT门限优化算法49-56
• 4.4.1 SLRT算法49-50
• 4.4.2 能量感知50-51
• 4.4.3 ED-SLRT中门限优化问题51-52
• 4.4.4 ED-SLRT门限优化算法流程图及仿真分析52-56
• 4.5 本章小结56-57
• 结论57-58
• 致谢58-59
• 参考文献59-63
• 攻读硕士学位期间发表的论文63

【参考文献】

中国期刊全文数据库 前4条

1 邓丽粼;张翠芳;周兴建;温坤华;;遗传算法在认知无线电频谱感知中的应用[J];电子技术应用;2010年03期

2 曾娟;张翠芳;王宇舟;;基于双门限的新型协作频谱感知算法[J];计算机应用;2012年02期

3 于美婷;赵林靖;李钊;;基于DS证据理论的协作频谱感知改进方法[J];通信学报;2014年03期

4 张学军;严金童;田峰;孙知信;;基于差分能量检测的双门限协作频谱感知算法[J];仪器仪表学报;2014年06期

中国博士学位论文全文数据库 前1条

1 贺新颖;基于支持向量机的认知无线电若干关键技术研究[D];北京邮电大学;2009年

，

本文编号：1032286