雖然現(xiàn)代無線通信利用先進技術不斷突破數(shù)據(jù)速率極限,但頻譜資源仍是稀缺的寶貴資源。一來適用于無線通信的頻譜大多被固定分配和授權,但其頻譜效率和利用率低下;二來隨著用戶數(shù)量不斷增加,頻譜越來越擁擠,各種競爭和沖突不斷發(fā)生。為了解決頻譜資源短缺問題,研究人員提出了認知無線電技術,該技術允許未授權用戶利用動態(tài)接入空閑頻譜,實現(xiàn)頻譜資源利用的最大化。其中頻譜感知技術是認知無線電中重要的一環(huán),是保證頻譜資源動態(tài)分配以及重構網絡參數(shù)的前提條件。協(xié)作頻譜感知技術能夠有效克服目前單節(jié)點頻譜感知技術的局限性,因此本文重點對協(xié)作頻譜感知的關鍵技術進行了深入的研究。針對現(xiàn)有的協(xié)作頻譜感知固定時隙檢測和受噪聲影響較嚴重的問題,分別提出了基于分簇的協(xié)作序貫檢測方法和基于智能算法優(yōu)化的協(xié)作循環(huán)頻譜感知方法。由于固定樣本檢測方法浪費信道資源,而序貫檢測可以動態(tài)調整檢測樣本數(shù)據(jù)從而降低檢測時隙的特點,針對在大尺度衰落信道下不同認知用戶感知性能惡化不同和授權用戶位置不確定情況,提出了基于分簇的協(xié)作序貫檢測算法。該方法根據(jù)LEACH協(xié)議選取簇頭,各簇分段并行計算似然比統(tǒng)計量的方法進行序貫檢測,任一簇內判決成功即結束檢測,該... 

【文章來源】：江蘇科技大學江蘇省

【文章頁數(shù)】：100 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 認知無線電概述
        1.2.1 認知無線電基本概念
        1.2.2 認知無線電國內外發(fā)展現(xiàn)狀
    1.3 頻譜感知技術研究現(xiàn)狀
    1.4 本文主要研究內容
第2章 認知無線電頻譜感知技術
    2.1 頻譜感知技術概述
    2.2 本地頻譜感知技術介紹
        2.2.1 能量檢測算法
        2.2.2 匹配濾波器檢測算法
        2.2.3 循環(huán)平穩(wěn)特征檢測算法
    2.3 其它頻譜檢測技術介紹
        2.3.1 振蕩器功率泄露檢測
        2.3.2 干擾溫度的檢測
        2.3.3 基于協(xié)方差矩陣的檢測
    2.4 協(xié)作頻譜感知技術介紹
        2.4.1 協(xié)作頻譜感知技術概述
        2.4.2 硬判決融合算法
        2.4.3 軟判決融合準則
    2.5 本章小結
第3章 基于分簇的協(xié)作序貫檢測算法研究
    3.1 頻譜感知系統(tǒng)模型
    3.2 序貫似然比檢測方法
        3.2.1 基于分段的單用戶序貫檢測
        3.2.2 多用戶協(xié)作序貫檢測
    3.3 基于分簇的序貫檢測算法
        3.3.1 分簇模型分析
        3.3.2 基于分簇的序貫協(xié)作檢測算法
        3.3.3 感知系統(tǒng)性能分析及吞吐量優(yōu)化
    3.4 仿真結果分析
    3.5 本章小結
第4章 基于循環(huán)平穩(wěn)特征的協(xié)作頻譜檢測算法
    4.1 循環(huán)平穩(wěn)信號理論
        4.1.1 循環(huán)平穩(wěn)信號基本概念
        4.1.2 循環(huán)譜估計方法
        4.1.3 BPSK信號循環(huán)譜估計
    4.2 循環(huán)平穩(wěn)特征檢測算法
        4.2.1 基于二階循環(huán)統(tǒng)計量的頻譜檢測算法
        4.2.2 性能仿真與分析
    4.3 基于循環(huán)平穩(wěn)特征的協(xié)作檢測算法
        4.3.1 協(xié)作循環(huán)平穩(wěn)特征檢測算法
        4.3.2 基于粒子群算法的協(xié)作循環(huán)平穩(wěn)檢測算法
        4.3.3 算法仿真與分析
    4.4 本章小結
結論
參考文獻
攻讀碩士學位期間發(fā)表的學術論文
致謝
詳細摘要


【參考文獻】：
期刊論文
[1]基于動態(tài)自適應雙門限能量檢測的序貫協(xié)作頻譜感知算法[J]. 黃河,袁超偉.  電子與信息學報. 2018(05)
[2]DARPA“頻譜共享挑戰(zhàn)賽”融入人工智能技術成為亮點[J]. 袁政英.  防務視點. 2017(06)
[3]基于序貫與能量聯(lián)合檢測的頻譜感知技術研究[J]. 林興,陳長興,任曉岳.  科學技術與工程. 2017(15)
[4]差分頭腦風暴算法及其在頻譜感知中的應用[J]. 刁鳴,王小蘭,高洪元.  應用科技. 2016(05)
[5]采用分組數(shù)據(jù)的序貫頻譜感知方法[J]. 王天荊,姜華,劉國慶.  西安交通大學學報. 2015(12)
[6]Cyclostationary Feature Detection Based Spectrum Sensing Algorithm under Complicated Electromagnetic Environment in Cognitive Radio Networks[J]. Yang Mingchuan,Li Yuan,Liu Xiaofeng,Tang Wenyan.  中國通信. 2015(09)
[7]認知無線電領域的國內外重點項目[J]. 徐宏飛,楊健,張建照.  中國無線電. 2015(03)
[8]頻譜占用度測量與分析[J]. 王江舟,李軍芳,范若璐,張高記.  西安郵電大學學報. 2014(05)
[9]一種雙重序貫檢測的協(xié)作頻譜感知方法[J]. 高銳,李贊,司江勃,齊佩漢,潘蕾.  西安交通大學學報. 2014(04)
[10]一種改進的認知無線電循環(huán)功率譜特征檢測算法[J]. 王紅軍,畢光國.  信號處理. 2010(07)

碩士論文
[1]認知無線電中基于循環(huán)譜的協(xié)作頻譜感知算法研究[D]. 張黎.北京郵電大學 2018
[2]基于循環(huán)平穩(wěn)特性的頻譜感知算法研究與實現(xiàn)[D]. 郭睿剛.電子科技大學 2016



本文編號：2977935