基于小波去噪和压缩感知的频谱检测算法研究

发布时间：2020-04-16 23:32

【摘要】：随着无线通信技术的飞速发展,在各式各样的无线智能终端越来越普及的社会大背景下,无线频谱资源即无线通信所依赖的无线电频段由于其有限不可再生性,逐渐陷入匮乏状态。世界各国、各地区目前广泛采用的频谱分配方式是固定划分式频谱分配,级别优先级不同的各用户分别占用固定划分的多个独立子频段,这些子频段称为授权频段,对应的使用者即是授权用户,授权用户独享授权频段,其他非授权用户是严禁使用的。但如今来看,这种频谱分配方式与目前爆发式增长的用频需求格格不入,相关研究也发现在不同的时间和地点,有大量的频段处于空闲状态,没有被高效地使用。认知无线电作为解决上述问题的关键技术,一经提出就得到了学术界越来越广泛的关注,被认为将在未来的无线通信系统中扮演重要角色。具备“认知”功能的用户通过利用频谱感知、干扰避让、资源分配等技术接入认知无线电系统,在提高频谱利用率的同时还要尽力避免引入干扰,致力于实现与授权用户共享授权频段。本文研究的重点是认知无线电技术中的频谱感知算法,首先介绍了认知无线电技术和频谱感知算法的产生背景和发展现状,对比分析了现阶段不同算法的优缺点。为了提高在低信噪比条件下的频谱感知性能,降低频谱感知算法的复杂度,利用软硬阈值折中法,将差分能量检测模型与小波阈值去噪算法相结合,针对现有算法的不足,对基于能量和小波变换的双门限频谱感知算法中阈值的选取和检测流程进行了优化,仿真结果证明改进后的双门限联合频谱感知算法提高了在环境噪声不确定性影响下频谱检测的性能。随后将双门限联合频谱感知算法的应用范围拓展到宽带频谱的检测,如今各用户对无线频谱资源的利用由窄带信号向宽带信号转变,宽带信号的采样由于受到奈奎斯特采样定理约束,成本很高。为了以较低的成本和较快的速度完成宽频信号采样及检测,利用压缩感知技术可以用少于奈奎斯特采样数重构原始信号的优势,运用小波变换技术进行频谱边缘检测,提出一种双门限宽带频谱合作感知算法。具体步骤是融合中心先通过压缩感知技术实现对待检测宽频信号的采样及重构,随后利用小波变换技术做频谱边缘检测,将宽带频谱划分为若干个子频段,最后利用双门限合作检测的方式逐个对划分的子频段实时状态进行判断,直至检测范围覆盖整个感兴趣的宽带频段。通过这样的检测方式,降低了宽带频谱检测系统的成本,仿真分析也证明了所提算法的有效性。最后,对全文进行了概括总结,分析了实际应用中频谱感知算法有待完善的短板弱项及其下一步的研究发展方向。
【图文】：

示意图,空穴,频谱,认知无线电

图 1.1 频谱空穴示意图Joseph Mitola 博士于 1999 年首先提出了认知无线电的概念，后续其他研究者构例如 FCC 和 Simon Haykin 教授的观点[6]也充实了认知无线电的定义。Joseph Mitola 的观点是：认知无线电是软件无线电(SDR)智能化进步的产物，推理通过无线电知识表示语言与网络进行智能的交流，Mitola 强调的是认知学习和推理能力[6]。FCC 对认知无线电提出了另外一种定义，即认知无线电是一种可以与所处无行交互而自适应改变传输参数的新型无线电通信平台[7]。与 Mitola 的观点相C 的定义更为具体。Simon Haykin 的定义较为细致地描述了认知无线电工作的过程，提出认知无以感知周围环境的智能系统，其内部的节点和设备能够通过对环境的学习自整工作方式和状态，从而避免干扰其他系统。Simon Haykin 在参考文献[8]中还给出了认知无线电技术的 3 个环节：（1）感知所处无线环境，估计收发设备的干扰温度并寻找可用的空闲频谱；（2）估计通信信道状态信息，构建传输模型，预估通信信道的容量；

折中法,阈值,去噪,阈值法

小会介于软、硬阈值法之间，该模型如图 3.3 所示。当时，软阈值法会收缩所有的小波系数，，估计值比实际总要小如果用硬阈值法处理这种偏差同样不妥，因为实际的小波系数是由和组成的噪声的影响会使，为了使估计值更加贴近原信号，软、硬阈值折中法利用 α（0< <1）因子，使的取值介于与之间，这样可以让最小，即软、硬阈值折中法的去噪效果最好，如图 3.4 所示。-λλww 硬阈值法软阈值法软硬阈值折中法图 3.3 软、硬阈值折中法
【学位授予单位】：兰州交通大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN925

【相似文献】