基于隐马尔可夫模型的联合概率信道预测动态认知无线电频谱接入

在基于固定检测周期的认知无线电频谱接入技术中,为了在降低认知用户对授权用户干扰的同时,尽可能地提高认知用户的频谱利用率,提出一种基于隐马尔可夫模型(hidden Markov model,HMM)的联合概率信道预测(joint probability channel prediction,JPCP)的动态认知无线电频谱接入技术.该技术以固定检测周期(fixed sensingperiod,FSP)为基础,若认知用户已占用授权频段,则利用JPCP值与设定阈值的比较来确定是否提前退出信道的机制,以降低认知用户对授权用户的干扰;若认知用户未能占用授权频段,则利用在二次固定检测周期中增加临时的频谱空穴检测机制来提高认知用户的频谱利用率.仿真结果显示,与传统的固定检测周期技术相比,该技术方案能在降低认知用户对授权用户干扰的同时,有效提高认知用户的频谱利用率.

基于多输入多输出-正交频分复用系统的动态马尔可夫链蒙特卡罗检测算法

在多输入多输出-正交频分复用系统中,基于马尔可夫链蒙特卡罗方法的贝叶斯多用户检测算法可以有效地抑制多径衰落、载波频偏以及相位噪声干扰,但因收敛速度较慢导致实时性较差.针对这一问题,提出一种动态马尔可夫链蒙特卡罗检测算法.该算法利用系统状态样本间的相关性和所设定的收敛阈值门限,实现动态选取系统状态采样值的迭代收敛区间,以求在确保算法检测性能的同时,进一步提高检测估计运算的实时性.仿真结果表明,该算法具有收敛速度快、误码率低等优点.

CR OFDM系统中基于频谱检测的资源分配算法研究

CR OFDM系统中次级用户在使用频谱空穴时,不仅要考虑没有被检测到的、距离次级系统较远的主用户在频谱空穴上的功率限制,还要受到已检测的主用户在互干扰上的干扰门限限制。提出了两个在这两种限制条件下的自适应比特分配算法:一个是采用增加最小功率分配原则的I MPA算法,另一个是采用增加最小干扰分配原则的IMIA算法。仿真结果表明,两种算法明显优于静态平均分配功率算法,且两种算法各有适合其应用的场景。