【摘要】：如今頻譜資源稀缺問題已成為熱點(diǎn)問題之一,認(rèn)知無線電技術(shù)是解決該問題的一種重要手段�；跀M合優(yōu)度(Go F)檢驗(yàn)的頻譜感知算法是一種優(yōu)秀的感知算法,它不需要知道任何主用戶的信息,而且能夠在較少的采樣點(diǎn)條件下達(dá)到較優(yōu)的檢測性能。已有的基于擬合優(yōu)度檢驗(yàn)的頻譜感知算法雖然能夠在靜態(tài)信號下表現(xiàn)出優(yōu)異的性能,但是在檢測動(dòng)態(tài)信號時(shí)性能急劇下降。針對這個(gè)問題,本文提出了一種基于最大特征值的擬合優(yōu)度檢測算法利用隨機(jī)矩陣?yán)碚摲治隽诵盘枀f(xié)方差矩陣的最大特征值分布,通過Go F檢驗(yàn)來感知主用戶的存在性,在檢測動(dòng)態(tài)信號時(shí)仍能保持優(yōu)異的檢測性能。此外,在所提算法中,設(shè)計(jì)了一種低復(fù)雜度的擬合準(zhǔn)則,它能夠降低Go F算法擬合統(tǒng)計(jì)量的計(jì)算復(fù)雜度,并提高算法檢測性能。仿真結(jié)果表明了所提檢測算法和擬合準(zhǔn)則的有效性。
[Abstract]:Nowadays, the scarcity of spectrum resources has become one of the hot issues. Cognitive radio technology is an important means to solve this problem. The spectrum sensing algorithm based on goodness-of-fit (Go F) test is an excellent sensing algorithm. It does not need to know the information of any master user, and it can achieve better detection performance under the condition of fewer sampling points. Although the existing spectral sensing algorithms based on goodness-of-fit test can perform excellent performance under static signals, the performance of detection of dynamic signals decreases dramatically. In order to solve this problem, a goodness-of-fit detection algorithm based on maximum eigenvalues is proposed in this paper. The maximum eigenvalue distribution of signal covariance matrix is analyzed by using random matrix theory, and the existence of master users is perceived by Go F test. In the detection of dynamic signals can still maintain excellent detection performance. In addition, in the proposed algorithm, a low complexity fitting criterion is designed, which can reduce the computational complexity of the fitting statistics of Go-F algorithm and improve the detection performance of the algorithm. The simulation results show that the proposed detection algorithm and fitting criterion are effective.
【作者單位】： 大連理工大學(xué)信息與通信工程學(xué)院;
【分類號】：TN925

【相似文獻(xiàn)】

相關(guān)期刊論文 前5條

1 雷茜;;R程序?qū)Ζ謣2擬合優(yōu)度檢驗(yàn)的實(shí)現(xiàn)[J];湖北農(nóng)機(jī)化;2008年03期

2 張偉;王國玉;曾勇虎;汪連棟;;飛機(jī)目標(biāo)動(dòng)態(tài)RCS分布特性研究[J];電波科學(xué)學(xué)報(bào);2010年01期

3 趙潔;;Cox比例危險(xiǎn)率模型中的擬合優(yōu)度檢驗(yàn)[J];吉林廣播電視大學(xué)學(xué)報(bào);2014年06期

4 陳昭憲;AMSAA模型的增長分析[J];電子產(chǎn)品可靠性與環(huán)境試驗(yàn);1995年01期

5 ;[J];;年期

相關(guān)博士學(xué)位論文 前1條

1 戴家佳;多元擬合優(yōu)度檢驗(yàn)與復(fù)發(fā)事件數(shù)據(jù)統(tǒng)計(jì)分析[D];北京工業(yè)大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 沈小欣;相協(xié)樣本下的似然比檢驗(yàn)和擬合優(yōu)度檢驗(yàn)[D];浙江師范大學(xué);2015年

2 蘇夏瑩;線性回歸模型誤差分布的擬合優(yōu)度檢驗(yàn)[D];華北電力大學(xué);2015年

3 唐樂鋒;基于指數(shù)分布的AD擬合優(yōu)度檢驗(yàn)頻譜感知技術(shù)研究[D];煙臺大學(xué);2016年

4 涂慶;中小樣本的擬合優(yōu)度檢驗(yàn)[D];華中師范大學(xué);2007年

5 張瑩;基于殘差的無限非線性自回歸模型的擬合優(yōu)度檢驗(yàn)[D];南京大學(xué);2011年

6 郭麗紅;多元分布擬合優(yōu)度檢驗(yàn)及其應(yīng)用[D];華北電力大學(xué);2014年

7 詹歡;基于經(jīng)驗(yàn)歐氏似然的擬合優(yōu)度檢驗(yàn)[D];廣西師范大學(xué);2012年

8 李海鋒;最小非參似然比擬合優(yōu)度檢驗(yàn)[D];廣西師范大學(xué);2010年

9 張琪;分層病例對照數(shù)據(jù)下Logistic回歸模型的擬合優(yōu)度檢驗(yàn)問題研究及應(yīng)用[D];北京工業(yè)大學(xué);2014年

10 張紅艷;現(xiàn)代統(tǒng)計(jì)學(xué)發(fā)展的一條主線[D];河北師范大學(xué);2007年

，

本文編號：2432428