基于自相关函数图特征的频谱感知算法研究

现有图域频谱感知算法主要借助于完全图检测,其性能在低信噪比时不佳.为此,本文提出了一种基于自相关函数图域变换的感知算法,可有效改善低信噪比下的检测性能.其基本思路为:将去均值后观测信号的自相关函数通过归一化、量化等环节转换到图域,在分析图连通性差异的基础上,将图拉普拉斯阵的零特征值个数作为检验统计量,以完成对频谱的有效感知.文中利用受控不等式理论阐明了随机序列分布的随机性、样本数及量化级数与图的连通性之间的相互关系.仿真结果表明,在信噪比为-10 dB时,本文算法的检测概率接近100%,其性能优于现有图域感知算法,且计算复杂度适中,具有较好的应用效能.

一种改进的图域频谱感知算法

针对现有基于完全图检测的频谱感知算法存在的计算复杂度高、低信噪比时性能不佳的问题,提出了一种基于分组极差图的改进算法。该算法将观测信号的功率谱以适当的长度进行分组,而后提取其分组极差序列,将其转换成特定无向简单图,并利用图的Gini系数作为完全图特征以实现对信号的检测。相较于现有的图域感知算法,引入分组处理环节能够有效减少图域变换中的处理样本量,且Gini系数计算无需高维矩阵的特征分解,因而计算复杂度降低。仿真结果表明,信噪比大于等于-4 dB时算法检测概率可达0.96以上,平均单次运行时间约为原有图域频谱感知算法的5.6%,有效提高了检测性能并减少了计算复杂度。