一种基于协方差矩阵分解的盲频谱感知方法.pdf
听容****55
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
一种基于协方差矩阵分解的盲频谱感知方法.pdf
一种基于协方差矩阵分解的盲频谱感知方法涉及无线通信中认知无线电领域次级用户检测频谱空洞的方法,该方法首先对接收信号向量的取样协方差矩阵作Bartlett分解得到相应的上三角矩阵;然后利用该矩阵非对角元素的平方和与对角元素的平方和之商作为检测频谱空洞的统计判决量,当该判决量大于某一门限值时,判定频谱空洞不存在,反之,判定频谱空洞存在。本发明所涉及的感知方法的理论判决门限具有简单的闭式形式,能够快速而精确地被计算出来,且适合于任何取样规模的感知场景;另一方面该方法不需要主用户信号、信道和噪声的统计特征来参与实
一种基于信号协方差矩阵距离的频谱感知方法.pdf
本发明公开了一种基于信号协方差矩阵距离的频谱感知方法,包括对接收信号进行短时傅里叶变换,利用窗函数将信号在时域上进行分段,再对每个子带信号进行傅里叶变换得到多个关于时间和频率的二维矩阵,将这多个矩阵在同一频率处的幅值向量联合构成新的矩阵,并求出其协方差矩阵,得到N个信号协方差矩阵,采集纯噪声信号作为参考信号,对噪声信号进行同样的处理得到N个参考矩阵,分别计算这N对信号协方差矩阵和参考矩阵之间的黎曼距离,并求出N个黎曼距离之和,将黎曼距离之和作为检测统计量与阈值相比较,做出最终判决,提高了微弱信号的检测精度
一种基于低秩稀疏矩阵分解的盲频谱感知方法和装置.pdf
本发明公开了一种基于低秩稀疏矩阵分解的盲频谱感知方法,包括:接收待感知频段上的无线信号,采样得到观测信号;对观测信号进行离散时间傅里叶变换得到变换观测信号;根据设定的低秩因子的稀疏因子,对变换观测信号进行低秩稀疏分解得到低秩元素和稀疏元素;分别对低秩元素、稀疏元素进行反离散时间傅里叶变换得到变换低秩元素、变换稀疏元素,根据变换低秩元素、变换稀疏元素获得最终观测信号;计算变换稀疏元素、最终观测信号在时域的平均能量值得到稀疏能量值、最终观测信号能量值,根据稀疏能量值、最终观测信号能量值与预设的判决阈值的关系,
基于协方差匹配的多天线频谱感知方法.pdf
基于协方差匹配的多天线频谱感知方案具体包括半盲检测方法和全盲检测方法。半盲检测方法通过比较接收信号取样协方差矩阵与已知的噪声协方差矩阵(这里表示噪声方差,M表示接收天线数目,IM表示M×M单位矩阵),构造了新的检测量而全盲检测方法利用主信号没有出现时,其归一化的取样协方差矩阵应该近似等于对角阵的事实,构造了另一个新的检测量这两种方法利用相关性作为构造判决量的基础,均无需预先知道主用户信号和传输信道的统计特性;尤其对于基于协方差匹配的全盲检测算法,在噪声方差未知的情况下也能有效地实施频谱感知。
一种基于软融合策略的盲协作频谱感知方法.pdf
本发明公开了一种基于软融合策略的盲协作频谱感知方法,其处理过程为:首先,每个感知节点中的采样模块对来自同一监测信道的接收信号进行采样,得到每个感知节点对应的采样信号;然后,每个感知节点计算其对应的采样信号的估计功率及瞬时功率的估计方差;接着,每个感知节点将其对应的采样信号的估计功率及瞬时功率的估计方差上传至数据融合中心,数据融合中心计算检验统计量;最后,数据融合中心通过比较检验统计量与判决门限的大小来实现频谱感知,判定在监测信道内是否有授权用户信号;优点是其无需知道授权用户信号和无线信道的先验信息,且能够