基于马尔科夫模型的认知无线电动态双门限能量检测策略

该文针对低信噪比条件下频谱感知精度低的问题,提出一种基于马尔科夫模型的动态双门限能量检测算法。该算法根据信道时变特性建立基于马尔科夫的频谱占用模型,利用信道历史状态信息实现模型参数的修正。然后采用"先听后说"的机制对处于双门限之间的"困惑"信道状态进行判决,并详细分析了噪声不确定性对频谱感知性能的影响。在此基础上,为了克服噪声不确定性的影响,以频谱检测概率最大为优化目标,对双门限进行实时更新。仿真结果表明,所提频谱感知算法在减小噪声不确定性影响的同时增加了频谱感知精度,降低了认知用户的感知时间。

基于感知信道差异性的动态双门限协作频谱感知优化算法

针对噪声不确定性对能量检测性能的影响以及各认知用户感知信道环境具有差异性的问题,为了提高频谱检测的可靠性,在传统的能量检测算法基础上,提出了一种动态双门限协作频谱感知的优化算法。首先,通过构造错误检测概率函数求出最优单门限;然后,利用认知用户感知信道的差异性设置各自的双门限;最后,采用优化的融合准则对感知的性能进行了分析。仿真结果表明,该算法较单门限检测和传统的双门限检测具有更高的感知性能。

认知无线电系统的动态双门限协作能量检测算法

认知无线电系统中,认知用户间协作检测有利于提高频谱检测的准确性。基于OR(或)协作方式和多门限能量检测算法,提出了一种动态双门限协作能量检测算法,并根据认知用户接收到的主用户信噪比确定检测门限。理论分析和仿真结果表明,该算法可以有效提高频谱检测概率,降低系统漏检概率。

认知无线网络中动态双门限协作频谱感知性能的优化方案

频谱感知作为认知无线电的关键技术,得到广泛深入的研究。其中衡量协作频谱感知性能的主要参数为全局虚警概率和全局漏检概率,它们之和被定义为全局错误概率。本文研究基于双门限能量检测的协作频谱感知性能的优化方案,首先,固定双门限能量检测的检测门限值,对表决融合准则的投票门限进行优化,使得在该能量检测门限值条件下,协作频谱感知的全局错误概率最小;然后在表决融合准则的投票门限取最优值的前提下,对双门限能量检测的检测门限值进行了优化,在不同接收信噪比条件下,最优的检测门限值是动态的,所以要根据信噪比确定最优的检测门限值,使得协作频谱感知的全局错误概率在各信噪比条件下都达到最小值,从而提高了协作频谱感知的性能。仿真结果表明,表决融合准则的投票门限和双门限能量检测的检测门限值取得各自的最优值时,全局错误概率最低,检测性能最好。

适用于流媒体传输的动态门限调度算法

为保证网络流媒体传输质量,在流媒体传输网络中需要对交换设备实施有效的缓存管理策略.结合流媒体数据对时延和丢包率敏感的特点,提出了一种基于E-Model传输级别的动态门限控制算法(EDTA),将交换设备的缓存管理分为全局门限控制和队列门限控制两部分.全局门限控制通过判断不同的传输场景进行门限控制,保证不同传输场景下的传输性能.队列门限控制则基于E-Model传输级别参数进行门限的划分和调整,保证流媒体的传输质量.实验结果表明该算法能有效改善流媒体的传输性能,对交换设备的缓存资源进行有效控制,并提高网络流媒体传输质量.

SC-FDE UWB系统连续窄带干扰抑制

针对单载波频域均衡超宽带无线通信系统信道中存在的连续窄带干扰问题,提出一种基于傅里叶变换的快速动态双门限窄带干扰抑制算法.该方法首先将系统信号经快速傅里叶变换到频域,然后将得到的频谱进行分段处理,用分段后的频谱动态估计系统的高低门限,从而确定干扰的位置,最后用基于最小二乘拟合求压缩比的方法将窄带干扰去除.理论分析和仿真结果表明,在极度频选室内CM4信道模型下,所提出方法可以有效抑制系统中存在的连续窄带干扰,使系统性能得到明显改善.

加权全序列卷积神经网络方法的帕金森声纹识别研究

帕金森患者由于无法稳定控制发声器官,导致声纹与健康人有所不同,使得利用声纹识别进行帕金森疾病检测成为可能.本文提出一种动态帧双门限端点检测方法,通过将帧能量升序排列进行阈值设定,实现静音区的剔除,解决准确捕捉有效音频区域问题;将小波变换融入提取过程,改进滤波器结构,更好拟合非平稳的音频信号,保留高频中的细节特征,获得高频梅尔频率倒谱小波系数(HMFCWC)特征,充分获取音频中有效信息;设计加权全序列卷积神经网络(Weighted Deep Fully Convolutional Necural Netw ork,W-DFCNN),通过引入特征加权层,有效区分两类人群的特征进行加权并分类,在Sakar数据集上进行了实验验证,结果表明该方案识别确率达95.1%,优于其他传统分类方法,为帕金森疾病的声纹检测提供了可靠参考.