基于信号可信度的压缩感知协作频谱检测算法

压缩感知为认知无线电的宽频谱感知提供了一种新的方法和思路。基于压缩感知的原理,提出了一种多认知用户协作场景下,基于信号可信度的协作频谱检测算法。该算法根据不同认知用户接收信号的优劣判定用户感知结果的可信度,并利用正交匹配协作追踪算法获得认知区域内的频谱占用情况。仿真结果表明,该算法在不同信噪比范围下其检测性能均优于传统算法,以较小的复杂度代价改善了检测性能。

一种添加部分自适应噪声的集成经验模态分解方法

为了解决集成经验模态分解(EEMD)及其改进形式中普遍存在的噪声量和计算量需求大的问题,统计分析了白噪声内涵模态函数(IMF)的极值点和能量变化规律,总结出白噪声IMF极值点数随长度和阶数变化的经验公式。发现白噪声的高阶IMF不能有效调整信号的极值点分布,提出添加部分自适应噪声的集成经验模态分解(EEMDPAN)。相比于自适应噪声完全集成经验模态分解(CEEMDAN),EEMDPAN有2点改进:不使用全部独立的自适应噪声,而使用成对相加为0的互补自适应噪声;不添加全部阶的自适应噪声,而是在中间的某一阶停止,而后使用经典EMD方法。对2个人工信号进行分解,实验证明,EEMDPAN很好地继承了EEMD抑制模态混叠的能力,相比于CEEMDAN,计算量降低至1/3,并且分解结果的低阶成分信号附加噪声更小,高阶成分信号可信度更高。