本文關鍵詞：基于粒子群算法認知無線電聯(lián)合頻譜檢測研究

  更多相關文章： 認知無線電 聯(lián)合頻譜感知 能量感知 粒子群算法 分簇 ED-SLRT

【摘要】：頻譜感知作為實現(xiàn)認知無線電的基礎技術需要快速、正確的發(fā)現(xiàn)空閑頻譜。聯(lián)合頻譜感知可以解決單用戶頻譜感知中的隱藏終端、多徑衰落等問題,很多學者提出了關于協(xié)作頻譜感知的算法,但是現(xiàn)有的檢測性能還不能達到實際應用的需要。因此為了進一步的提高多用戶協(xié)作頻譜感知的檢測準確度以及降低聯(lián)合頻譜感知過程中增加的系統(tǒng)帶寬消耗。本文進行了基于粒子群算法的認知無線電協(xié)作頻譜檢測研究。研究了能量感知算法,并仿真分析了單用戶頻譜感知和幾種常用的聯(lián)合頻譜感知算法。研究了基于粒子群算法的分簇協(xié)作頻譜感知。首先利用粒子群算法為每個認知用戶分配權值的算法,在高斯信道進行了仿真,仿真結果表明了基于粒子群的協(xié)作頻譜感知相比于等增益加權、信噪比加權可以達到更好的檢測性能。其次為了減少聯(lián)合頻譜感知的過程中向融合中心發(fā)送信息所消耗的帶寬,引入了分簇的感知模型,簇內(nèi)采用基于粒子群算法的協(xié)作頻譜感知,融合中心根據(jù)各簇的判決信息作出最終判決,仿真結果表明該算法在提高感知準確度和減小系統(tǒng)消耗兩方面都取得了很好的效果。為了解決能量感知在信噪比較低時檢測性能差的問題,將能量感知與SLRT算法有機結合,給出一種能量感知與SLRT結合的聯(lián)合感知算法,簡稱E D-SLRT。對于信噪比較好的感知用戶采用能量感知方法,對于信噪比較差的用戶則采用SLRT算法,在高斯信道下進行了仿真分析,仿真結果表明該算法比能量感知可以獲得更好的檢測性能。在此基礎上,提出基于粒子群的ED-SLRT門限優(yōu)化算法,該算法以聯(lián)合頻譜感知的錯誤檢測概率作為目標函數(shù),通過使用粒子群算法優(yōu)化目標函數(shù),使得聯(lián)合頻譜感知的錯誤檢測概率達到最小值,仿真結果表明使用粒子群算法優(yōu)化門限的錯誤檢測概率要低于所有認知用戶采用同一門限的錯誤檢測概率。
【關鍵詞】：認知無線電 聯(lián)合頻譜感知 能量感知 粒子群算法 分簇 ED-SLRT
【學位授予單位】：西南交通大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TN925;TP18
【目錄】：

• 摘要6-7
• Abstract7-11
• 第1章 緒論11-19
• 1.1 認知無線電的研究背景及研究意義11-12
• 1.2 認知無線電的概念12-14
• 1.3 認知無線技術的國內(nèi)外研究現(xiàn)狀14-15
• 1.4 認知無線電中頻譜感知技術的研究現(xiàn)狀15-17
• 1.5 本文的主要內(nèi)容以及結構安排17-19
• 第2章 認知無線電的頻譜感知技術19-33
• 2.1 引言19
• 2.2 頻譜感知系統(tǒng)模型19-20
• 2.3 單節(jié)點頻譜感知技術20-24
• 2.3.1 匹配濾波器感知20
• 2.3.2 能量感知20-24
• 2.3.3 循環(huán)平穩(wěn)特征感知24
• 2.4 聯(lián)合頻譜感知24-32
• 2.4.1 聯(lián)合頻譜感知概述25-26
• 2.4.2 硬判決聯(lián)合頻譜感知26-27
• 2.4.3 軟判決聯(lián)合頻譜感知算法27-29
• 2.4.4 算法仿真與分析29-32
• 2.5 本章小結32-33
• 第3章 基于粒子群算法的分簇協(xié)作頻譜感知33-44
• 3.1 引言33
• 3.2 基于粒子群算法的協(xié)作頻譜感知33-38
• 3.2.1 軟判決聯(lián)合頻譜感知模型33-35
• 3.2.2 粒子群算法優(yōu)化權值35-37
• 3.2.3 基于粒子群算法的協(xié)作頻譜感知仿真與分析37-38
• 3.3 基于粒子群算法的分簇協(xié)作頻譜感知38-43
• 3.3.1 基于簇的協(xié)作感知系統(tǒng)38-39
• 3.3.2 基于粒子群算法的分簇協(xié)作頻譜感知39-41
• 3.3.3 基于粒子群算法的分簇協(xié)作頻譜感知仿真與分析41-43
• 3.4 本章小結43-44
• 第4章 基于SLRT的聯(lián)合頻譜感知算法44-57
• 4.1 引言44
• 4.2 LRT算法的化簡及性能分析44-47
• 4.2.1 LRT算法在低SNR下的簡化44-46
• 4.2.2 SLRT算法仿真與分析46-47
• 4.3 基于SLRT與能量感知的聯(lián)合頻譜感知47-49
• 4.4 基于粒子群的ED-SLRT門限優(yōu)化算法49-56
• 4.4.1 SLRT算法49-50
• 4.4.2 能量感知50-51
• 4.4.3 ED-SLRT中門限優(yōu)化問題51-52
• 4.4.4 ED-SLRT門限優(yōu)化算法流程圖及仿真分析52-56
• 4.5 本章小結56-57
• 結論57-58
• 致謝58-59
• 參考文獻59-63
• 攻讀碩士學位期間發(fā)表的論文63

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前4條

1 鄧麗粼;張翠芳;周興建;溫坤華;;遺傳算法在認知無線電頻譜感知中的應用[J];電子技術應用;2010年03期

2 曾娟;張翠芳;王宇舟;;基于雙門限的新型協(xié)作頻譜感知算法[J];計算機應用;2012年02期

3 于美婷;趙林靖;李釗;;基于DS證據(jù)理論的協(xié)作頻譜感知改進方法[J];通信學報;2014年03期

4 張學軍;嚴金童;田峰;孫知信;;基于差分能量檢測的雙門限協(xié)作頻譜感知算法[J];儀器儀表學報;2014年06期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 賀新穎;基于支持向量機的認知無線電若干關鍵技術研究[D];北京郵電大學;2009年

，

本文編號：1032286