认知无线电中基于特征值检测的频谱感知算法(英文)

频谱感知的任务在于利用感知节点(无线传感器或者认知用户)采集的数据判断频谱空洞是否存在。基于最大特征值检测(MED)和最小特征值检测(SED)的方法最近被应用到频谱感知当中。这两种算法在检测实际应用当中普遍存在的相关信号时表现出良好的检测性能。然而,MED和SED算法对应的判决门限求解非常复杂,从而限制了它们在实际的认知无线电频谱感知中的应用。该文利用取样协方差矩阵的所有特征值,提出了一种新的基于特征值检测(ESD)的算法。利用多元统计理论获得了相应的判决门限。ESD算法无需主信号和无线信道信息参与感知过程。与此同时,它保留了与MED和SED相同的计算复杂度。更重要的是ESD算法对应的判决门限可以通过一个简单的闭合表达式进行求解,其计算复杂度低。仿真结果验证了新算法的有效性。

一种基于最小特征根分析的直线检测算法

本文利用直线上的点具有的共线性特征来进行直线检测。连续边界上像素点坐标的统计可以构成一协方差矩阵,理论上证明了共线性特征可用此协方差矩阵的最小特征根描述,并发现:最小特征根值越小,这些像素点的共线性越好。由此提出了一种快速、强健的直线检测算法。理论分析与试验结果表明,此方法大大加快了直线提取的速度,并具有较好的直线检测效果。

基于最小特征根分析的手指基准点定位算法

为准确定位手指基准点,提出了一种基于最小特征根分析的手指基准点定位算法。该方法利用曲线的非连续性特征,首先将手指轮廓构成的协方差矩阵以最小特征根的值来提取基准点区域,再采用拐点分析法矫正奇异区域,从而得到手指基准点。实验结果表明,该算法不仅能够减少计算量,还能有效克服噪声以及手形姿态变化的影响,并且对不同精度的图像都有较强的鲁棒性。