近年來(lái),隨著移動(dòng)互聯(lián)網(wǎng)絡(luò)的飛速發(fā)展和無(wú)線用戶的增加,頻譜資源的合理分配與利用問(wèn)題已成為當(dāng)前通信技術(shù)最關(guān)鍵的研究課題之一。由于無(wú)線信號(hào)經(jīng)由信道的傳輸會(huì)同時(shí)受到多徑衰落和陰影衰落的共同影響,因此為更好地動(dòng)態(tài)管理與利用無(wú)線頻譜資源,深入開展在衰落場(chǎng)景中的信號(hào)檢測(cè)和協(xié)作通信研究具有重大的理論意義與應(yīng)用價(jià)值。同時(shí)為進(jìn)一步提升認(rèn)知網(wǎng)絡(luò)中次用戶發(fā)送端到次用戶接收端的通信性能,本文主要研究認(rèn)知無(wú)線電系統(tǒng)中的信號(hào)檢測(cè)和協(xié)作通信,主要的創(chuàng)新工作包括:1、針對(duì)能量檢測(cè)算法應(yīng)用于無(wú)線通信場(chǎng)景中存在的信噪比墻和噪聲不確定性的問(wèn)題,提出一種在認(rèn)知無(wú)線電非同分布高斯信號(hào)背景下的基于增強(qiáng)能量檢測(cè)的協(xié)作感知算法,在低信噪比條件下,給出一種采用增強(qiáng)能量檢測(cè)算法,用于檢測(cè)次用戶檢測(cè)概率和虛警概率,推導(dǎo)達(dá)到最小總錯(cuò)誤率的最優(yōu)協(xié)作用戶數(shù)表達(dá)式。理論分析和仿真結(jié)果表明,與其他場(chǎng)景中的能量檢測(cè)算法相比,本文所提算法不但在低信噪比條件下具有更優(yōu)的檢測(cè)性能,還能更好地克服能量檢測(cè)算法的噪聲不確定性問(wèn)題。2、針對(duì)在一般高斯白噪聲環(huán)境中,傳統(tǒng)的雙門限能量檢測(cè)頻譜感知算法忽略確定兩門限之間感知信息的問(wèn)題,提出一種基于動(dòng)態(tài)自適應(yīng)雙門限能量檢測(cè)...

【文章頁(yè)數(shù)】：118 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 選題依據(jù)和研究意義
    1.2 國(guó)內(nèi)外的研究歷史和當(dāng)前挑戰(zhàn)
        1.2.1 認(rèn)知無(wú)線電技術(shù)的發(fā)展歷史和現(xiàn)狀
        1.2.2 基于認(rèn)知無(wú)線電頻譜感知在衰落信道中的信號(hào)檢測(cè)
        1.2.3 基于認(rèn)知無(wú)線電的協(xié)作通信
    1.3 本論文的主要?jiǎng)?chuàng)新
    1.4 本論文的主要內(nèi)容和結(jié)構(gòu)安排
    參考文獻(xiàn)
第二章 基于認(rèn)知無(wú)線電的信號(hào)檢測(cè)算法
    2.1 非同分布高斯信號(hào)背景下基于增強(qiáng)能量檢測(cè)的協(xié)作感知
        2.1.1 系統(tǒng)模型
        2.1.2 增強(qiáng)的能量檢測(cè)算法
        2.1.3 非同分布高斯信號(hào)噪聲背景下的化簡(jiǎn)
        2.1.4 融合中心總錯(cuò)誤率最優(yōu)化
        2.1.5 仿真實(shí)驗(yàn)結(jié)果
        2.1.6 本節(jié)小結(jié)
    2.2 基于動(dòng)態(tài)自適應(yīng)雙門限能量檢測(cè)的序貫協(xié)作頻譜感知算法
        2.2.1 系統(tǒng)模型
        2.2.2 動(dòng)態(tài)自適應(yīng)雙門限協(xié)作感知算法
        2.2.3 動(dòng)態(tài)自適應(yīng)雙門限能量檢測(cè)算法
        2.2.4 基于動(dòng)態(tài)自適應(yīng)雙門限能量檢測(cè)的門限最優(yōu)化
        2.2.5 實(shí)驗(yàn)仿真和性能比較
        2.2.6 本節(jié)小結(jié)
    參考文獻(xiàn)
第三章 基于認(rèn)知無(wú)線電協(xié)作感知在廣義衰落信道中的信號(hào)檢測(cè)
    3.1 基于能量檢測(cè)協(xié)作感知算法在廣義無(wú)線衰落信道α-κ-μ中的信號(hào)檢測(cè)
        3.1.1 系統(tǒng)模型
        3.1.2 α-κ-μ衰落模型
        3.1.3 衰落信道中的信號(hào)檢測(cè)
        3.1.4 α-κ-μ衰落信道中基于能量檢測(cè)的受試工作特征曲線下的平均面積
        3.1.5 α-κ-μ衰落信道中基于能量檢測(cè)的接收分集
        3.1.6 仿真分析
        3.1.7 本節(jié)小結(jié)
    3.2 廣義衰落級(jí)聯(lián)信道κ-μ/α-μ的遍歷容量研究
        3.2.1 κ-μ分布和α-μ分布
        3.2.2 κ-μ分布和α-μ分布的乘積模型
        3.2.3 乘積模型的累積分布函數(shù)
        3.2.4 乘積模型Z的遍歷信道容量
        3.2.5 仿真實(shí)驗(yàn)
        3.2.6 本節(jié)小結(jié)
    參考文獻(xiàn)
第四章 認(rèn)知無(wú)線電網(wǎng)絡(luò)中基于云的統(tǒng)一優(yōu)化子集配對(duì)算法
    4.1 中繼子集對(duì)系統(tǒng)模型
    4.2 中繼子集選擇條件下的中斷概率
    4.3 最優(yōu)中繼子集的替換和配對(duì)
    4.4 仿真實(shí)驗(yàn)與性能對(duì)比
    4.5 本節(jié)小結(jié)
    參考文獻(xiàn)
第五章 總結(jié)和展望
    5.1 全文總結(jié)
    5.2 后續(xù)工作
附錄
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄



本文編號(hào)：3833128