基于随机矩阵理论的频谱感知技术研究

发布时间：2017-08-27 04:06

  本文关键词：基于随机矩阵理论的频谱感知技术研究

  更多相关文章： 频谱感知 随机矩阵理论 单环定律 特征值 特征向量

【摘要】：随着认知无线电的蓬勃发展,频谱感知技术得到了人们的广泛关注。它通过不断地检测信道环境来判断是否存在可用的空闲频谱,是认知无线电系统得以实现的前提和基础。作为处理大维数据的有效方法,随机矩阵理论近年来发展迅速,逐渐成为无线通信领域的重要工具之一。基于随机矩阵理论的频谱感知算法相对于传统频谱感知算法有独特优势,具有广阔的实际应用前景。随机矩阵理论的研究成果层出不穷,本文正是研究如何利用随机矩阵理论的新成果构建性能优异的频谱感知算法。首先,论文介绍了课题的研究背景,概述了基于随机矩阵理论的频谱感知技术研究现状,然后对随机矩阵的基础理论进行了研究,并重点分析了基于随机矩阵理论的最大最小特征值频谱感知算法的原理和改进过程,总结了随机矩阵理论应用于频谱感知中的一般方法和步骤。其次,就单环定律在频谱感知中的应用进行了研究,提出了基于单环定律的频谱感知算法。单环定律是随机矩阵理论的新成果,通过研究发现,当主用户信号不存在时接收信号矩阵的特征值在复平面上大致分布在一个圆环内,而主用户信号存在时单环定律不再满足,可以通过两种情况下特征值分布的差别来判断主用户信号是否存在。为了更好地体现这种差别,本文选取“平均特征值半径”作为算法的检验统计量,并通过推导给出了判决门限。仿真结果表明,该算法不受噪声不确定度的影响,并且在认知节点信号之间的相关性较低时也具有较好的检测概率。最后,对基于特征值和特征向量的频谱感知技术展开了深入研究,提出了基于最大最小特征值和主特征向量的双特征频谱感知算法。信号协方差矩阵的特征值和特征向量都体现了信号的特征,但是现有的检测算法仅仅利用特征值或特征向量的性质,并没有将两者联合起来进行频谱感知。本文提出的双特征频谱感知算法综合考虑了两者的特性,并借助于随机矩阵理论推导了虚警概率和门限值之间的关系表达式。理论研究和仿真结果表明,该算法相对于现有的仅利用特征值和仅利用特征向量的算法在性能上具有一定优势。
【关键词】：频谱感知 随机矩阵理论 单环定律 特征值 特征向量
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN925
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第1章 绪论9-14
• 1.1 课题的来源9
• 1.2 课题背景及研究的目的和意义9-10
• 1.3 国内外研究现状及分析10-12
• 1.4 本文的主要研究内容12-14
• 第2章 随机矩阵理论及其在频谱感知中的经典应用14-27
• 2.1 引言14
• 2.2 随机矩阵理论简介14-18
• 2.2.1 常用的几种随机矩阵15-16
• 2.2.2 谱分析理论16-18
• 2.2.3 自由概率理论18
• 2.3 基于最大最小特征值之比的频谱感知算法18-26
• 2.3.1 系统模型19-20
• 2.3.2 算法分析20-26
• 2.4 本章小结26-27
• 第3章 基于单环定律的频谱感知算法27-42
• 3.1 引言27
• 3.2 单环定律27-29
• 3.3 平均特征值半径频谱感知算法29-34
• 3.3.1 算法原理和步骤29-32
• 3.3.2 算法判决门限的确定32-34
• 3.4 数值仿真与分析34-41
• 3.4.1 不同信噪比下MER的分布情况34-37
• 3.4.2 MER算法检测性能仿真37-38
• 3.4.3 MER算法与能量算法和MME算法的比较和分析38-41
• 3.5 本章小结41-42
• 第4章 基于特征值和特征向量的双特征频谱感知算法42-54
• 4.1 引言42
• 4.2 基于特征向量的频谱感知理论42-44
• 4.3 双特征频谱感知算法44-48
• 4.3.1 算法描述45-46
• 4.3.2 虚警概率和判决门限的求解46-48
• 4.4 仿真验证与分析48-52
• 4.4.1 判决阈值的有效性48-50
• 4.4.2 双特征算法性能仿真及与FTM、MME算法比较50-52
• 4.5 本章小结52-54
• 结论54-56
• 参考文献56-61
• 攻读硕士学位期间发表的论文及其它成果61-63
• 致谢63

，

本文编号：744262