基于能量检测与信道质量评估的动态信道接入算法

在认知无线电通信中,动态的信道接入技术能够有效地解决频谱资源短缺和信道利用率低下的问题,它允许次级用户动态接入空闲信道,以进行数据的传输。针对多信道的认知无线电网络,本文提出一种基于能量检测与信道评估的动态信道接入方法,通过权衡感知精度与信道空闲时间,得出使信道质量最优的感知参数,在每一个信道中采用能量检测法,进行周期性检测,感知每一个信道中主用户的接入情况,判断可用信道集合,提高次级用户的动态接入效率。理论分析和结果表明,该方法有效降低了主次用户之间的接入冲突,增加了系统的可靠性和信道的利用率。

一种面向山区场景的多信道接入策略

针对现有山区通信场景中认知无线电单信道传输的不可靠性问题,提出一种新型频谱感知与多信道接入策略.首先,为了解决传统山区场景模型准确性低和通用性差的缺点,利用Global Mapper软件对山区通信场景进行了3D高精度还原;然后,考虑到单信道传输效率低和通信保障能力不足的问题,在一元隐马尔可夫的基础上,得到一种多元隐马尔可夫算法;最后,以昆明市某山区信道质量数据进行验证.实验结果表明:在信道数为8的情况下,改进的多元模型碰撞概率和次要用户成功传输概率分别为24%和65%,具有更高的接入率和网络吞吐量.

基于能量检测与Sevcik分形维数的协作频谱感知算法

在认知无线网络中,针对单节点频谱感知易受到噪声不确定性的影响和传统的能量检测法在高噪声功率场景中检测性能较差等问题,根据Sevcik分形维数(Sevcik fractal dimension,SFD)对噪声不敏感、能够区分信号与噪声波形的特点,提出一种将自适应门限的能量检测法与SFD相结合的协作频谱感知方法.通过能量检测法对接收信号进行检测判决,然后由SFD对判定为主用户不存在的信号进行复检,并将所有检测结果进行K秩融合,根据融合结果得出最终判决.仿真结果表明,本文提出的频谱感知方法对噪声不敏感,在低信噪比下的检测性能得到显著提高.

一种基于强化Q学习的跳频交会算法

随着授权频段的急剧增加,可供次要用户(Secondary User,SU)使用的频谱资源越来越少。认知无线网络(Cognitive Radio Network,CRN)是一种提高跳频信道频谱利用率的有效方法。SU在认知无线网络中实现交会是完成跳频的基础,在授权频段建立公共控制链路的传统方法显然效率不高。为了保证完成交会和缩短交会时间,提出了一种基于强化Q学习的跳频交会算法。通过强化Q学习算法对可供跳频的频点进行学习,实现时隙优化,在保证交会的基础上缩短交会时间。

提升小波与能量检测联合优化下的频谱感知方法

传统的频谱感知方法易受噪声波动的干扰,而且在低信噪比的无线通信条件下检测精度较差。通过结合提升小波去噪与动态门限能量检测算法,能有效提高传统频谱感知方法的抗噪声性能和检测精度。首先对含噪信号进行奇偶抽样,分解信号,去除噪声部分,再重构为去噪新信号,然后通过能量检测方法来统计信号的能量积累,设置动态门限,最后以动态门限判断用户信号是否存在。提升小波去噪能够有效地去除采样信号中的噪声,减少噪声对能量检测法检测精度的影响,动态门限能根据噪声波动进行调整来适应复杂的噪声环境。仿真结果表明,提升小波去噪结合动态门限能量检测算法相比于传统的频谱感知要有更优的检测精度。此方法不但提高了其对不确定噪声的抵抗性,使之能适应复杂的通信环境,而且提高了频谱感知过程的可靠性。