一种新的基于EEF准则的空间声源个数估计算法

针对指数嵌入族(Exponentially Embedded Families,EEF)准则在快拍数小于阵元数情况下无法估计声源个数的问题,本文提出一种新的空间声源个数估计算法.首先通过球麦克风阵列采集空间声场高阶信息,建立球阵列信号模型,将声源个数估计扩展到三维空间.继而将观测信号空间分解为信号子空间和噪声子空间,利用最小均方差(Minimum Mean-Squared Error,MMSE)方法估计观测信号空间及噪声子空间的协方差矩阵,确保矩阵估计的一致性和准确性.在此基础上改进似然比函数,同时引入新的自由度计算,使得算法在快拍数小于阵元数的情况下能有效估计声源个数.仿真结果表明,在进行空间声源个数估计时,相对于EEF准则,新的算法不仅适用于快拍数小于阵元数情况,同时提高了估计准确率.

基于EEF准则的认知无线电宽带频谱感知

提出了基于指数嵌入族(EEF)准则的认知无线电宽带频谱感知算法.在EEF准则宽带感知算法的基础上,充分考虑信号子空间和噪声子空间的性质,利用Gerschgorin酉变换改进EEF算法,提出了基于Gerschgorin EEF(GEEF)的宽带感知算法.该方案主要是利用EEF准则或GEEF准则估算出授权频带中被主用户占用子带集合的势,从而完成宽带授权频段上空闲频带的感知,以便于被次级用户动态接入.理论推导和仿真结果表明,所提出的方案无须知晓任何有关噪声功率和主用户信号的先验信息,对噪声功率的不确定性具有鲁棒性.

基于EEF准则的认知无线电合作频谱感知

频谱感知是认知无线电的一个重要组成部分。提出了一种基于指数嵌入族(exponentially embedded family,EEF)准则的合作频谱感知算法。与传统方式下所有合作用户皆参加检测的方法不同,提出的算法依靠用户选择机制,并且不需要知晓授权用户信号的任何先验信息。该算法先对参与合作频谱感知的认知用户进行筛选,然后在筛选出的最优用户频谱观测数据的基础上生成全局检测统计量(global decision statistic,GTS),最后对授权用户是否存在做出全局判决。仿真表明,在虚警概率保持不变的情况下,进行最优用户选择(optimal user selection,OUS)的合作频谱感知算法的检测概率优于未进行最优用户选择的算法。