基于数理统计的低复杂度频谱感知算法研究

发布时间：2017-04-08 00:13

  本文关键词：基于数理统计的低复杂度频谱感知算法研究，由笔耕文化传播整理发布。

【摘要】：认知无线电(Cognitive Radio, CR)是一种可以自我认知和自我学习的无线电通信概念,它可以通过一系列方法对周围环境的频谱资源进行实时感知,有效发现“频谱空洞”,并有效提高频谱利用率。频谱感知(Spectrum Sensing, SS)技术是认知无线电的关键技术之一,是动态频谱接入、频谱共存等认知无线电关键技术的前提和基础。通过SS对频谱状态进行实时的监测,当主用户(Primary User, PU)没有使用该频谱资源时,允许次用户(Sensing User, SU)在不干扰PU通信的条件下接入该频段；当PU使用该频段时,次用户必须及时退出该频段,以免干扰PU。由此可见,SS是CR技术发展应用的关键。首先本文从认知无线电方面介绍了课题的研究背景及现状,介绍了SS算法的检测模型,并对当前的SS算法进行了分类介绍。其中,主要介绍了三种已有的基于拟合优度(Goodness of Fit, GOF)的频谱感知算法常,即(Anderson-Darling, AD)算法,以及基于t分布的频谱盲检测算法和基于特征函数的频谱盲检测算法(Blind spectrum sensing based characteristic function and Anderson-Darling test, CAD),并给出了MATLAB仿真实验。后两种改进的AD算法不需要任何先验知识。在瑞利慢衰落信道下的仿真表明,后两种改进的AD算法和噪声方差已知的AD算法具有相似的检测性能,尤其在小样本条件下,同时三种基于拟合优度算法的检测性能明显高于ED算法的检测性能。其次,针对目前的GOF算法的时间计算复杂度高的缺点,本文运用数理统计的方法分别从经典统计学和贝叶斯统计学角度出发,提出了两种新的低复杂度频谱感知算法,它们分别是基于广义似然比的频谱感知算法和基于贝叶斯推断的频谱盲检测算法。通过MATLAB仿真表明,基于广义似然比的频谱感知算法的检测性能略高于AD算法,且时间复杂度低;基于贝叶斯推断的频谱盲检测算法检测性能和CAD算法的检测性能相近,然而其时间复杂度明显低于CAD算法并且能够克服噪声不确定度的影响。最后,基于模块化的思想使用MATLAB GUI工具设计出一个静态信号频谱感知仿真平台。该平台具有良好的扩展性,能快速的实现频谱感知算法的仿真工作。同时,对本文工作进行了总结,并对下一步的研究方向进行了展望,SS技术作为CR技术的关键和基础,具有广泛的应用前景和研究价值。
【关键词】：认知无线电 频谱感知 拟合优度 低时间复杂度 图形用户界面
【学位授予单位】：西安邮电大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN925
【目录】：

• 摘要3-4
• ABSTRACT4-8
• 第1章 绪论8-16
• 1.1 课题研究背景及意义8-9
• 1.2 国内外研究现状9-11
• 1.2.1 CR的国内外研究现状9-10
• 1.2.2 SS的国内外研究现状10-11
• 1.3 认知无线电技术概述11-14
• 1.3.1 认知无线电定义11
• 1.3.2 认知无线电的概念模型11-13
• 1.3.3 认知无线电的网络架构13-14
• 1.4 论文内容及结构14-16
• 第2章 认知无线电中的频谱感知技术16-28
• 2.1 概述16-18
• 2.1.1 频谱感知技术模型16-17
• 2.1.2 频谱感知算法的分类17-18
• 2.2 经典的AD算法18-20
• 2.2.1 算法原理18-19
• 2.2.2 算法仿真和分析19-20
• 2.3 改进的AD算法20-26
• 2.3.1 基于t分布的频谱盲检测算法原理20-22
• 2.3.2 基于特征函数的频谱盲检测算法原理22-24
• 2.3.3 算法仿真和分析24-26
• 2.4 本章小结26-28
• 第3章 基于广义似然比的频谱感知算法28-36
• 3.1 基于广义似然比的频谱感知算法28-31
• 3.1.1 算法系统模型28-29
• 3.1.2 算法理论分析及步骤29-31
• 3.2 排序算法简介31-32
• 3.3 算法仿真分析32-34
• 3.4 本章小结34-36
• 第4章 基于贝叶斯推断的频谱盲检测算法36-42
• 4.1 贝叶斯准则简介36-37
• 4.1.1 贝叶斯统计学与经典统计学的区别和联系36
• 4.1.2 贝叶斯因子简介36-37
• 4.2 基于贝叶推断则的频谱盲检测算法37-41
• 4.2.1 算法原理37-40
• 4.2.2 算法的仿真分析40-41
• 4.3 本章小结41-42
• 第5章 频谱感知算法仿真平台设计42-52
• 5.1 仿真系统的系统架构及界面设计42-49
• 5.1.1 系统的算法选择控件和仿真参数设置控件的设计45-47
• 5.1.2 系统的仿真操作按钮设计47-49
• 5.2 系统性能仿真测试49-50
• 5.3 本章小结50-52
• 第6章 总结与展望52-54
• 6.1 全文总结52-53
• 6.2 下一步工作及未来研究展望53-54
• 参考文献54-58
• 攻读学位期间取得的研究成果58-60
• 致谢60-61

【相似文献】

中国期刊全文数据库 前10条

1 刘婷婷;王建新;束锋;;合作频谱感知吞吐量和感知时间关系的研究[J];现代雷达;2009年05期

2 常帅;孔凡军;陈娟;郑学强;;协同频谱感知中的认知用户数优化[J];军事通信技术;2010年03期

3 汪一鸣;周刘蕾;;基于追踪定位的认知频谱感知解决方案[J];通信学报;2010年11期

4 岳文静;郑宝玉;孟庆民;崔景伍;解培中;;衰落信道下提高协作频谱感知能力的方法[J];中国科学:信息科学;2011年02期

5 韩勇;陈强;王建新;;合作频谱感知安全技术研究[J];通信技术;2011年06期

6 韩勇;王放;陈强;王建新;;一种信任度模糊分配的合作频谱感知算法[J];信号处理;2011年06期

7 蒋金波;王可人;陈小波;金虎;;频谱切换中基于频谱感知的链路保持概率[J];探测与控制学报;2011年06期

8 刘颖;杨震;;协作频谱感知系统中的结盟技术研究[J];南京邮电大学学报(自然科学版);2012年05期

9 秦臻;薛峰;梁继民;;最大系统效用合作频谱感知优化算法[J];信号处理;2013年02期

10 江晓林;顾学迈;何晨;;基于压缩感知的联合协作频谱感知算法[J];上海交通大学学报;2013年07期

中国重要会议论文全文数据库 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 张培;孟庆民;朱卫平;;一种可以减少感知时间的频谱感知方法[A];2010年通信理论与信号处理学术年会论文集[C];2010年

3 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

4 吴昊;赵杭生;;基于三阶累积量的频谱感知技术研究[A];2009年全国无线电应用与管理学术会议论文集[C];2009年

5 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

6 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

7 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

8 郑仕链;何斌;杨伟程;;认知无线电宽带频谱感知试验研究[A];浙江省信号处理学会2011学术年会论文集[C];2011年

9 李佳俊;黄清;孔勇;;基于小波变换的认知无线电宽带频谱感知方法[A];中国电子学会第十六届信息论学术年会论文集[C];2009年

10 杨家胜;刘光斌;程俊仁;;基于压缩采样技术的认知无线电宽带频谱感知方法[A];中国通信学会第六届学术年会论文集（上）[C];2009年

中国博士学位论文全文数据库 前10条

1 肖淑艳;认知无线电中频谱感知及资源优化分配的研究[D];中国矿业大学;2015年

2 卿浩博;面向无线通信系统的频谱感知理论与技术研究[D];北京邮电大学;2015年

3 杨雪洲;认知中继网络频谱感知与资源分配研究[D];电子科技大学;2014年

4 齐佩汉;稳健精细抗差异性频谱感知技术研究[D];西安电子科技大学;2014年

5 卢剑奇;认知无线电频谱感知关键技术研究[D];电子科技大学;2015年

6 刘洋;基于跨层优化的频谱感知关键技术研究[D];解放军信息工程大学;2014年

7 史振国;认知OFDM系统中频谱感知与基于感知的干扰对齐方法研究[D];哈尔滨工业大学;2016年

8 江晓林;认知无线电网络中频谱感知算法研究[D];哈尔滨工业大学;2015年

9 m云海;BWT系统中基于认知的频谱聚合技术研究[D];哈尔滨工业大学;2015年

10 秦臻;基于认知无线网络的频谱感知与信道切换技术研究[D];西安电子科技大学;2015年

中国硕士学位论文全文数据库 前10条

1 王艳君;认知无线网络中基于多节点的协作频谱感知技术的研究[D];昆明理工大学;2015年

2 谷凯;基于GNU Radio的动态频谱感知及数据传输[D];海南大学;2015年

3 孟晨;基于稀疏组套索的宽频带频谱感知研究[D];燕山大学;2015年

4 魏亮;认知车载网中频谱感知算法仿真研究[D];西南交通大学;2015年

5 周瑞;基于信任度的认知无线电联合频谱感知研究[D];湖南工业大学;2015年

6 钱陆;基于数据并发传输的频谱感知系统的研究[D];北京邮电大学;2014年

7 罗曼;认知无线电协作频谱感知技术的研究[D];哈尔滨工业大学;2015年

8 李然;基于随机矩阵理论的频谱感知算法研究[D];哈尔滨工业大学;2015年

9 张蔚;基于动态压缩采样的宽带频谱感知技术[D];哈尔滨工业大学;2015年

10 宋双;基于序贯检测的认知无线电协作频谱感知算法研究[D];哈尔滨工业大学;2015年

  本文关键词：基于数理统计的低复杂度频谱感知算法研究，由笔耕文化传播整理发布。

，

本文编号：291641