认知无线电系统中频谱感知关键技术研究

认知无线电系统中频谱感知关键技术研究

论文摘要

认知无线电技术作为一种智能无线通信系统,能够通过感知周围环境的变化,有效地利用空闲的频谱资源,成为解决无线频谱资源匮乏以及频谱利用率低下问题的关键技术。而认知无线电中的频谱感知技术是认知无线电系统能够正常工作的前提。本文从快速、准确的检测要求出发,针对无线区域网络的频谱感知技术展开了深入研究。本文首先介绍了几种经典的频谱感知技术,并讨论了噪声方差不确定时对现有检测算法的影响。为克服噪声不确定度对频谱检测性能的影响,本文研究了认知无线电中的基于熵的频谱感知问题,将非均匀量化思想引入熵检测理论中,提出了非均匀量化谱熵的频谱检测方法。该方法将接收频谱序列进行非均匀量化,使接收信号在仅含噪声时能够最大化熵值,从而能够提高检测性能,仿真结果表明相同条件下,所提方法相比于均匀量化谱熵检测能够获得约3dB的检测性能增益;并且所提算法的门限确定不受噪声方差的影响,因此系统性能具有噪声不确定度鲁棒性,在噪声方差不确定的条件下具有比能量检测更好的检测性能。本文还针对单节点检测所遇到的衰落、隐藏终端等问题,提出了基于非均匀量化谱熵的硬判决和软判决联合检测方法。联合检测能够融合多个节点的检测信息进行综合判决,比单节点检测具有更好的检测性能。本文对各个节点在相同信噪比下和不同信噪比下的合作检测算法进行仿真分析。仿真结果表明在相同信噪比条件下“K秩”融合性能最好,在信噪比为-10dB、虚警概率为0.2的条件下比单节点检测提高50%的检测概率。而在不同信噪比条件下,软判决中的最大比合并算法给不同信噪比节点分配不同权值,能够获得最好的检测性能,仿真结果表明该算法比“K秩”融合准则算法在虚警概率0.1的条件下提高约10%的检测性能。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  • 1.1 认知无线电概述
  • 1.1.1 认知无线电的产生
  • 1.1.2 认知无线电定义
  • 1.2 认知无线电研究进展
  • 1.2.1 认知无线电在各国的研究现状
  • 1.2.2 认知无线电标准化进程
  • 1.3 课题研究来源及意义
  • 1.4 研究成果及工作安排
  • 第二章 WRAN 系统及其频谱感知的测量和管理
  • 2.1 IEEE 802.22 WRAN 系统概况
  • 2.1.1 IEEE 802.22 协议体系的建立
  • 2.1.2 WRAN 系统部署
  • 2.1.3 WRAN 系统容量与业务
  • 2.2 IEEE 802.22 协议体系
  • 2.2.1 802.22 协议参考模型
  • 2.2.2 WRAN 物理层协议
  • 2.2.3 WRAN MAC 层协议
  • 2.3 WRAN 系统频谱感知管理和测量
  • 2.3.1 总体感知方案和感知过程
  • 2.3.2 频谱感知消息传递机制
  • 第三章 认知无线电频谱感知技术
  • 3.1 发射机检测
  • 3.1.1 匹配滤波检测法
  • 3.1.2 能量检测法
  • 3.1.3 循环平稳特征检测法
  • 3.2 其它频谱感知方法
  • 3.2.1 基于干扰温度的检测
  • 3.2.2 本振泄露检测
  • 3.3 噪声不确定度对频谱感知的影响
  • 3.3.1 噪声不确定度概念
  • 3.3.2 噪声不确定度下能量检测性能
  • 第四章 基于熵的频谱检测算法
  • 4.1 信息熵理论基础
  • 4.1.1 信息熵的引入
  • 4.1.2 信息熵估计
  • 4.2 现有的熵检测算法
  • 4.2.1 时域均匀量化熵
  • 4.2.2 频域均匀量化熵
  • 4.3 非均匀量化谱熵检测法
  • 4.3.1 算法原理及步骤
  • 4.3.2 检测门限确定
  • 4.3.3 仿真结果及性能分析
  • 4.4 本章小结
  • 第五章 多节点联合检测技术
  • 5.1 联合检测算法分类
  • 5.2 硬判决算法
  • 5.2.1 硬判决算法模型
  • 5.2.2 “K 秩”融合规则
  • 5.3 软判决算法
  • 5.4 联合检测算法性能分析
  • 5.4.1 相同信噪比下联合检测性能
  • 5.4.2 不同信噪比下联合检测性能
  • 5.5 本章小结
  • 第六章 结束语
  • 致谢
  • 参考文献
  • 作者在读期间的研究成果
  • 相关论文文献

    • [1].陡倾软硬互层顺向坡强震裂隙发育特征及边际谱熵值响应规律[J]. 岩土力学 2020(10)
    • [2].一种基于谱熵的语音端点检测方法[J]. 电子技术与软件工程 2015(01)
    • [3].脑电非线性分析频谱熵对意识障碍患者预后评估的作用[J]. 广东医学 2014(11)
    • [4].基于奇异谱熵的脑电意识任务识别方法的研究[J]. 计算机工程与科学 2009(12)
    • [5].基于多尺度解调谱熵的轴承故障特征提取方法[J]. 组合机床与自动化加工技术 2018(01)
    • [6].基于多尺度形态分解谱熵的雷击干扰与短路故障识别研究[J]. 昆明理工大学学报(自然科学版) 2014(06)
    • [7].基于谱熵的自适应广义S变换时频滤波器设计[J]. 化工自动化及仪表 2013(03)
    • [8].豪斯道夫导数扩散模型的谱熵与累积谱熵[J]. 力学与实践 2018(02)
    • [9].基于双谱熵的齿轮裂纹故障特征提取[J]. 中国机械工程 2013(02)
    • [10].呼吸裂缝梁基于奇异谱熵的损伤识别方法研究[J]. 应用力学学报 2019(01)
    • [11].基于小波空间特征谱熵的数字图像识别[J]. 吉林大学学报(工学版) 2015(06)
    • [12].基于能谱熵测度的自适应单相接地故障选线方法[J]. 电力系统自动化 2012(05)
    • [13].一种新的对数能量谱熵语音端点检测方法[J]. 湖南大学学报(自然科学版) 2010(07)
    • [14].基于1(1/2)维谱熵的发动机状态识别研究[J]. 车用发动机 2009(01)
    • [15].基于冗余2代小波局部梯度谱熵的轴承故障诊断[J]. 制造技术与机床 2015(06)
    • [16].应用脑电频谱熵建立七氟醚药代药效学模型[J]. 临床麻醉学杂志 2009(03)
    • [17].基于能量谱熵的英语摩擦音检测方法[J]. 模式识别与人工智能 2014(06)
    • [18].混沌伪随机序列的谱熵复杂性分析[J]. 物理学报 2013(01)
    • [19].基于小波方差谱熵的轴承故障诊断方法[J]. 振动与冲击 2009(03)
    • [20].基于谱熵及分形理论的压缩机气阀故障诊断[J]. 天然气工业 2009(06)
    • [21].一种改进的基于子带谱熵的语音激活检测方法[J]. 重庆邮电大学学报(自然科学版) 2009(06)
    • [22].基于改进相像系数和奇异谱熵的雷达信号分选[J]. 现代雷达 2015(09)
    • [23].基于子带二次谱熵的语音端点检测[J]. 微电子学与计算机 2011(03)
    • [24].一种基于自适应谱熵的端点检测改进方法[J]. 计算机仿真 2010(12)
    • [25].基于子带谱熵的仿生小波语音增强[J]. 计算机应用 2015(03)
    • [26].基于二维谱熵和支持向量机的柴油机故障诊断[J]. 农业装备与车辆工程 2011(09)
    • [27].基于线路能谱熵的故障选线方法[J]. 江西电力职业技术学院学报 2020(04)
    • [28].基于多通道表面肌电信号带谱熵的肌肉疲劳度分析[J]. 生物医学工程学杂志 2016(03)
    • [29].一种基于分带谱熵的语音激活检测算法[J]. 微型机与应用 2010(20)
    • [30].谱熵和主成分分析用于EMD分解研究[J]. 哈尔滨工程大学学报 2009(07)

    标签:;  ;  ;  ;  ;  

    认知无线电系统中频谱感知关键技术研究
    下载Doc文档

    猜你喜欢