基于信号分离和主成分分析的频谱感知研究

发布时间：2020-03-25 17:04

【摘要】：当前,无线设备接入数量日益增加,频谱资源愈发紧张。然而许多已经授权频道的频谱利用率非常低,而且许多时间该频道都是空闲的状态,并没有被授权用户所使用,这就造成了频谱资源的愈发紧张。为了解决频谱资源的利用问题,认知无线电由此被提出。而频谱感知是认知无线电的首要任务,通过找寻并确定空闲频谱将其分配给尚未授权的用户使用,从而提升频谱利用率。信号分离技术可以有效的去除噪声影响从而提高感知性能,而主成分分析也经常用于信号处理方面。同时,近些年由于机器学习的发展,将机器学习结合信号处理的方法应用在频谱感知上也成为了一个值得深入研究的问题。本文利用信号分离和主成分分析去除噪声的特性,对信号特征的提取进行了研究,并结合机器学习的方法实现频谱感知,提高在低信噪比条件下频谱感知的检测性能。主要的工作和研究内容如下:首先对认知无线电和频谱感知的背景和意义进行了简单的介绍,然后总结了目前的研究现状和一些成果。对一些经典的单用户和多用户频谱感知技术做了简单的介绍,根据单用户感知的一些缺点,进一步讲述了多用户感知和它的两种合并准则,分析总结了它们之间的优缺点。然后介绍了一些其他的频谱感知技术,从而改进频谱感知模型,提高检测性能。本文通过采用信号分离的去噪以及分解作用,将其引入到接收前端,对接收的信号进行处理,再到感知端进行频谱感知。对分解后的信号矩阵,结合乔莱斯基分解相关矩阵,提出了一种基于零空间追踪(Null Space Pursuit,NSP)和乔莱斯基(Cholesky)分解的提取特征的方案,再将信号特征通过k-medoids算法进行训练获得所需要的聚类中心,最后根据待感知信号特征与聚类中心的相似度计算实现频谱感知。理论分析和实验仿真表明,该算法解决了低信噪比检测性能不佳的问题,并且在相同噪声环境下,其检测性能要优于传统能量检测以及特征值检测的方法。为了进一步提高低信噪比下的频谱感知性能,本文提出了基于主成分分析(Principal Component Analysis,PCA)的两种频谱感算法。首先提出一种主成分分析和随机矩阵结合的特征提取方法,先将主成分分析应用在多天线系统的组合方案来提取信号主成分,再通过信号主成分矩阵提取相应的信号特征,最后通过k-medoids聚类实现频谱感知。然后提出一种主成分分析和信息几何的特征提取方案,根据信道是否被占用得到的感知数据存在统计特征的差异性,来对应统计流形是不同的点,然后根据流形上的几何处理方式来提取流形上的特征,最后再通过k-medoids聚类训练并测试实现频谱感知。仿真结果显示,在低信噪比的条件下,本文提出的方法有效地提高了频谱感知的检测性能。
【学位授予单位】：广东工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN925;O212.4

【相似文献】

相关期刊论文 前10条

1 姚永国;聂增丽;;基于频谱决策的序列式协作频谱感知研究[J];通信技术;2019年10期

2 徐Pr;卢光跃;叶迎晖;弥寅;;基于卡方检验的多天线认知无线网络协作频谱感知算法[J];高技术通讯;2016年07期

3 郭超;张政保;姚少林;刘广凯;;软合并协作频谱感知中吞吐量的优化[J];探测与控制学报;2017年02期

4 苗兵梅;王亚芳;李岩;蔡畅;;基于能量检测的2次协作频谱感知[J];通信技术;2017年08期

5 贾晓芳;;浅析短波通信中频谱感知技术的应用[J];科技风;2016年10期

6 饶伟;;频谱感知技术在短波通信中的运用研究[J];科技展望;2016年25期

7 李美玲;王安红;;一种自适应的协作频谱感知方法[J];太原科技大学学报;2015年01期

8 刘丽丽;;认知无线电中的频谱感知技术研究[J];通讯世界;2015年11期

9 马晓晓;;认知无线电频谱感知技术综述[J];信息通信;2015年07期

10 唐菁敏;曹操;张晓颍;马社方;;最大化能量效率的协作频谱感知优化算法[J];通信技术;2015年08期

相关会议论文 前10条

1 岳文静;郑宝玉;;一种基于信道可靠性的协作频谱感知算法[A];2009年通信理论与信号处理学术年会论文集[C];2009年

2 张冰玉;郑宝玉;岳文静;;一种基于串行网络的协作频谱感知方案[A];2010年通信理论与信号处理学术年会论文集[C];2010年

3 王翊;胡艳军;唐希雯;;一种改进的基于多阈值的协作频谱感知方法[A];2011年通信与信息技术新进展——第八届中国通信学会学术年会论文集[C];2011年

4 郝博雅;周辉;孙斌;;基于权值的合作频谱感知算法[A];第六届全国信号和智能信息处理与应用学术会议论文集[C];2012年

5 冯子木;漆春梅;王军;李乐民;;协同频谱感知算法综述[A];2008年中国西部青年通信学术会议论文集[C];2008年

6 朱军龙;邵玉斌;李静叶;谢萍;;认知无线电中合作频谱感知的性能优化[A];2009年研究生学术交流会通信与信息技术论文集[C];2009年

7 孙士秀;朱卫平;孟庆民;;一种基于OFDM的频谱感知与数据传输设计[A];2010年通信理论与信号处理学术年会论文集[C];2010年

8 王小雪;;当频谱感知遇上机器学习[A];北京造船工程学会2016-2017年学术论文集[C];2018年

9 董洁;陈岩;;认知无线电中的频谱感知技术[A];第二十届全国电磁兼容学术会议论文集[C];2010年

10 熊天意;李赞;齐佩汉;胡伟龙;;基于亚奈奎斯特采样的宽带频谱感知预判决算法[A];第十九届中国科协年会——分9“互联网+”：传统产业变革新动能论坛论文集[C];2017年

相关博士学位论文 前10条

1 孙大飞;认知无线网络频谱感知策略研究[D];东南大学;2018年

2 吴俊;协作频谱感知安全策略的研究[D];东南大学;2018年

3 许恩玮;脉冲噪声下认知节点的频谱感知与信号接收方法研究[D];哈尔滨工业大学;2018年

4 王雪;星地混合通信系统宽带频谱感知方法[D];哈尔滨工业大学;2018年

5 刘长剑;基于亚奈奎斯特采样的宽带信号频谱感知技术研究[D];电子科技大学;2019年

6 刘伯阳;认知无线电网络中基于HMM的频谱感知技术研究[D];西安电子科技大学;2016年

7 倪水平;基于对抗模式的认知无线电频谱感知与分配技术研究[D];北京邮电大学;2018年

8 李洋;基于声望和重叠式联盟博弈的频谱感知和分配研究[D];天津大学;2018年

9 刘霞;认知车联网频谱感知技术研究[D];北京邮电大学;2019年

10 穆俊生;基于噪声不确定性和感知策略优化的频谱感知技术研究[D];北京邮电大学;2019年

相关硕士学位论文 前10条

1 李露;基于能量收集的认知无线传感器网络频谱感知与资源分配策略研究[D];重庆邮电大学;2019年

2 金慧;认知无线电网络中宽带频谱感知技术研究[D];南京航空航天大学;2019年

3 姚其桢;全双工认知无线电网络的合作频谱感知研究[D];南京航空航天大学;2019年

4 司艳玲;基于狄利克雷过程混合模型的宽带频谱感知[D];哈尔滨工业大学;2019年

5 王智;基于机器学习的卫星认知网络频谱感知技术研究[D];哈尔滨工业大学;2019年

6 Ait mesbah Omar;基于能量检测的增强双门限频谱感知算法研究[D];哈尔滨工业大学;2019年

7 李江帆;基于信息几何和k-means聚类的认知无线电频谱感知方法研究[D];广东工业大学;2019年

8 孙晨皓;基于信号分离和主成分分析的频谱感知研究[D];广东工业大学;2019年

9 袁汉涛;基于随机矩阵和高斯混合模型的频谱感知算法研究[D];广东工业大学;2019年

10 张顺超;基于聚类算法的认知无线电频谱感知研究[D];广东工业大学;2019年

，

本文编号：2600162