基于特征值拟合优度的频谱感知算法研究

发布时间：2021-07-12 04:08

　　现代拟合优度频谱感知算法直接采用信号的样本或能量作为拟合统计量,对独立的接收信号表现出良好的检测性能,对相关信号则表现不出令人满意的效果.基于最大特征值的拟合优度频谱感知算法可表现出更好的检测性能,但是基于最大特征值的拟合优度算法是半盲检测算法,需要已知噪声的功率,这在实际应用中是难以实现的.为此,提出了新的基于最大最小特征值的全盲拟合优度频谱感知算法.同时基于随机矩阵理论成果,推导分析了新算法的检测概率、虚警概率和判决门限.实验结果表明,新算法有效克服了噪声不确定性问题,相对于其他拟合优度检测算法性能有所提升. 

【文章来源】：大连理工大学学报. 2020,60(06)北大核心CSCD

【文章页数】：7 页

【部分图文】：

多天线认知无线电系统中的频谱感知场景

比较分析了最大特征值拟合优度算法(MED-GoF)、最大最小特征值拟合优度算法(MME-GoF)、基于样本的拟合优度算法(SAM-GoF)和基于能量的拟合优度算法(EN-GoF)的检测性能.从图2可以看到,对弱相关性高斯信号,EN-GoF算法优于MED-GoF算法,而MME-GoF算法则接近于SAM-GoF算法.图3给出了在强相关性高斯信号下的检测性能,此时MED-GoF算法优于EN-GoF算法,MME-GoF算法也优于SAM-GoF算法,但是不如EN-GoF算法.

图3给出了在强相关性高斯信号下的检测性能,此时MED-GoF算法优于EN-GoF算法,MME-GoF算法也优于SAM-GoF算法,但是不如EN-GoF算法.此外,考虑了噪声方差不确定性的影响,将阈值固定为0.1,噪声方差设置为0、1和2 dB,结果如图4所示.可以看到,经典的EN-GoF和SAM-GoF算法与MED-GoF算法都存在噪声不确定性问题,并且在存在噪声不确定性时呈现较高的虚警概率.因此,设计的MME-GoF算法可以实现较高的检测概率,并且对噪声不确定性问题具有鲁棒性.

【参考文献】：
期刊论文
[1]基于最大特征值的拟合优度检验频谱感知算法[J]. 贺亚晨,赵文静,刘畅,金明录.  信号处理. 2017(S1)



本文编号：3279169