本文選題：認知無線電 + 頻譜感知　； 參考：《大連海事大學》2017年碩士論文

【摘要】：隨著無線通信技術(shù)的快速發(fā)展,有限的頻譜資源變得越來越寶貴,傳統(tǒng)的固定頻譜分配方案已經(jīng)滿足不了日益增長的無線通信業(yè)務(wù)與頻譜資源匱乏之間的矛盾。為了解決這一矛盾,認知無線電(Cognitive Radio,CR)作為一種新興的技術(shù)應(yīng)運而生,它使用一種"伺機"的方式接入和共享空閑頻譜資源,有效地提高了頻譜利用率。可靠的頻譜感知是認知無線電實現(xiàn)其功能的關(guān)鍵技術(shù)之一,對其進行研究具有重要的應(yīng)用價值。目前已經(jīng)有許多成熟的信號檢測技術(shù)可用于頻譜感知,但在實際應(yīng)用中,通信信道往往受到非高斯噪聲的影響,使得傳統(tǒng)基于高斯噪聲模型假設(shè)下的檢測算法不再適用。本文正是在這一背景下,采用α穩(wěn)定分布作為脈沖噪聲的數(shù)學模型,結(jié)合傳統(tǒng)的能量檢測(Energy Detection,ED)技術(shù),提出了適用于脈沖噪聲環(huán)境的三種改進的能量檢測頻譜感知算法。雖然α穩(wěn)定分布是描述通信信道中非高斯噪聲的最佳模型,但由于α穩(wěn)定分布噪聲不存在有限的二階統(tǒng)計量,因此基于二階統(tǒng)計量的能量檢測算法在該噪聲條件下性能嚴重退化甚至失效。為了解決這一問題,本文首先提出了基于非線性預(yù)處理的能量檢測算法,通過將接收到的信號進行預(yù)處理變換使其具有二階統(tǒng)計量,再進行能量檢測,文中定義了保持抑制比參數(shù)來衡量非線性預(yù)處理函數(shù)的能力,仿真實驗證明,該算法的檢測性能要優(yōu)于基于分數(shù)低階統(tǒng)計量的檢測算法和能量檢測算法,并且非線性預(yù)處理函數(shù)的保持抑制比越大,其對應(yīng)的檢測性能越好;其次,基于核函數(shù)理論提出了一種核能量檢測算法,其核心是通過核映射的方法將接收信號映射到變換域上,然后求變換域上的能量進行檢測,仿真實驗表明該算法在高斯噪聲和α穩(wěn)定分布噪聲中都具有良好的檢測性能;最后,針對調(diào)制信號具有循環(huán)平穩(wěn)性的特點,提出了一種基于分數(shù)低階循環(huán)譜能量的檢測算法,仿真實驗表明該算法在α穩(wěn)定分布噪聲中對調(diào)制信號的檢測性能要優(yōu)于基于二階循環(huán)譜能量的檢測算法和基于分數(shù)低階統(tǒng)計量的檢測算法。
[Abstract]:With the rapid development of wireless communication technology, the limited spectrum resources become more and more valuable. The traditional fixed spectrum allocation scheme can not meet the contradiction between the growing wireless communication services and the lack of spectrum resources. In order to solve this contradiction, Cognitive Radio (CR) as a new technology emerged as the times require. It uses a "opportunistic" way to access and share the idle spectrum resources, which effectively improves the spectrum efficiency. Reliable spectrum sensing is one of the key technologies to realize the function of cognitive radio. At present, there are many mature signal detection techniques that can be used in spectrum sensing, but in practical applications, the communication channel is often affected by non- noise, which makes the traditional detection algorithm based on Gao Si noise model is no longer applicable. Under this background, using 偽 stable distribution as the mathematical model of impulse noise and combining with the traditional energy detection technique, this paper presents three improved spectrum sensing algorithms suitable for impulse noise environment. Although the 偽 stable distribution is the best model for describing the non- noise in the communication channel, there is no finite second-order statistic for the 偽 stable distribution noise. Therefore, the energy detection algorithm based on second-order statistics has serious degradation and even failure under the noise condition. In order to solve this problem, an energy detection algorithm based on nonlinear preprocessing is proposed in this paper. In this paper, the ability of measuring nonlinear preprocessing function by preserving rejection ratio parameters is defined. The simulation results show that the detection performance of this algorithm is better than that of the detection algorithm based on fractional low order statistics and the energy detection algorithm. And the larger the retention and suppression ratio of nonlinear preprocessing function, the better the detection performance. Secondly, a kernel energy detection algorithm based on kernel function theory is proposed. The core of the algorithm is to map the received signal to the transform domain by the kernel mapping method, and then calculate the energy in the transform domain to detect. The simulation results show that the algorithm has good detection performance in both Gao Si noise and 偽 stable distributed noise. A detection algorithm based on fractional low order cyclic spectrum energy is proposed for modulation signal with cyclic stability. Simulation results show that the proposed algorithm performs better than the second order cyclic energy detection algorithm and the fractional low order statistic algorithm in detecting modulation signals in 偽 stable distributed noise.
【學位授予單位】：大連海事大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TN925

【相似文獻】

相關(guān)期刊論文 前10條

1 曹慧;;瑞利信道下多天線能量檢測性能研究[J];電視技術(shù);2011年11期

2 呂春英;周寧;趙偉;鞏艷;;基于小波包去噪的能量檢測方法研究[J];中國無線電;2012年03期

3 段棟棟;駱德淵;;基于信噪比墻的協(xié)作能量檢測算法[J];電子設(shè)計工程;2014年06期

4 林英沛;;一種自適應(yīng)的快速能量檢測方法[J];科技視界;2014年25期

5 劉會衡;胡健;;實高斯信號下的能量檢測技術(shù)[J];通信技術(shù);2011年08期

6 馬國棟;武穆清;徐春秀;;一種新的聯(lián)合頻譜能量檢測方法[J];通信技術(shù);2011年04期

7 劉鑫;譚學治;徐貴森;;噪聲不確定下認知無線電能量檢測性能的分析[J];四川大學學報(工程科學版);2011年06期

8 王蒙;陳德章;楊晶晶;王魯嘉;黃銘;;基于蒙特卡洛方法的頻譜能量檢測研究[J];無線電工程;2013年01期

9 許建霞;劉會衡;劉克中;;認知無線電中一種雙門限能量檢測算法[J];武漢理工大學學報(信息與管理工程版);2011年04期

10 王曉侃;盧光躍;包志強;白輝;;一種新的分布式協(xié)作能量檢測算法[J];電訊技術(shù);2012年09期

相關(guān)博士學位論文 前2條

1 楊志華;IR-UWB能量檢測接收機性能優(yōu)化與評估[D];哈爾濱工業(yè)大學;2010年

2 吳進波;感知無線電系統(tǒng)中能量檢測及MAC層調(diào)度技術(shù)的研究[D];北京郵電大學;2010年

相關(guān)碩士學位論文 前10條

1 王浩安;基于多層能量檢測的動物聲音檢測與識別[D];福州大學;2013年

2 王欣玉;認知無線電網(wǎng)絡(luò)中基于能量檢測的頻譜感知算法研究[D];哈爾濱工業(yè)大學;2016年

3 董淑雅;認知無線電中寬帶頻域能量檢測算法研究[D];海南大學;2016年

4 秦協(xié)安;基于USRP的認知無線電頻譜高效利用技術(shù)的研究和實現(xiàn)[D];湖南大學;2015年

5 滑偉;基于能量檢測的自適應(yīng)頻譜檢測算法研究[D];西安電子科技大學;2015年

6 王隆前;穩(wěn)定分布噪聲中基于能量檢測的頻譜感知算法研究[D];大連海事大學;2017年

7 高仁陽;基于主用戶特性的頻譜檢測技術(shù)研究[D];華僑大學;2017年

8 胡小峰;基于噪聲不確定性和用戶狀態(tài)改變的能量檢測算法研究[D];重慶郵電大學;2014年

9 李粉;基于噪聲不確定度的能量檢測研究[D];煙臺大學;2012年

10 吳明清;鏈鋸反沖能量檢測方法研究[D];上海交通大學;2007年

，

本文編號：1836108