移动认知网络多主用户(Primary User,PU)信号检测问题是当前认知无线电领域面临的主要问题之一.文中提出将随机集(Random Sets,RS)引入移动认知网络的频谱感知过程中,构建多主用户运动模型及观测模型,通过粒子概率假设密度滤波(Particle...移动认知网络多主用户(Primary User,PU)信号检测问题是当前认知无线电领域面临的主要问题之一.文中提出将随机集(Random Sets,RS)引入移动认知网络的频谱感知过程中,构建多主用户运动模型及观测模型,通过粒子概率假设密度滤波(Particle Probability Hypothesis Density Filter,P-PHDF)算法实现对主用户数量及主用户状态(位置、速度、使用频率、信号接收角度)的实时检测.较传统感知方法,基于随机集的频谱感知方法不仅能准确跟踪检测活跃主用户的数目,同时还能跟踪检测出主用户的具体位置、使用频率及信号接收角度等信息.仿真结果表明,在移动环境下文中提出的多主用户实时感知方法的检测性能良好,并且能有效地抵抗杂波等的干扰,实现了多维移动认知网络中对检测区域内主用户数量及状态的实时检测跟踪.展开更多
针对认知无线网络CRN(Cognitive Radio Network)存在频谱空洞、信道冲突等问题,假设主用户发射功率未知的情况下,提出一种基于主用户信息的频谱感知态势图构建方法。该方法基于接收信号强度和最小二乘法建立定位模型,采用拉格朗日乘数法...针对认知无线网络CRN(Cognitive Radio Network)存在频谱空洞、信道冲突等问题,假设主用户发射功率未知的情况下,提出一种基于主用户信息的频谱感知态势图构建方法。该方法基于接收信号强度和最小二乘法建立定位模型,采用拉格朗日乘数法,获取主用户位置和发射功率等信息来构建态势图,帮助网络用户掌握网络状态。仿真结果表明,相比插值法构建频谱态势图,该方法构建的态势图精确更高,空频带被利用的可能性高,信道冲突概率小。展开更多
文摘移动认知网络多主用户(Primary User,PU)信号检测问题是当前认知无线电领域面临的主要问题之一.文中提出将随机集(Random Sets,RS)引入移动认知网络的频谱感知过程中,构建多主用户运动模型及观测模型,通过粒子概率假设密度滤波(Particle Probability Hypothesis Density Filter,P-PHDF)算法实现对主用户数量及主用户状态(位置、速度、使用频率、信号接收角度)的实时检测.较传统感知方法,基于随机集的频谱感知方法不仅能准确跟踪检测活跃主用户的数目,同时还能跟踪检测出主用户的具体位置、使用频率及信号接收角度等信息.仿真结果表明,在移动环境下文中提出的多主用户实时感知方法的检测性能良好,并且能有效地抵抗杂波等的干扰,实现了多维移动认知网络中对检测区域内主用户数量及状态的实时检测跟踪.
文摘针对认知无线网络CRN(Cognitive Radio Network)存在频谱空洞、信道冲突等问题,假设主用户发射功率未知的情况下,提出一种基于主用户信息的频谱感知态势图构建方法。该方法基于接收信号强度和最小二乘法建立定位模型,采用拉格朗日乘数法,获取主用户位置和发射功率等信息来构建态势图,帮助网络用户掌握网络状态。仿真结果表明,相比插值法构建频谱态势图,该方法构建的态势图精确更高,空频带被利用的可能性高,信道冲突概率小。