认知无线电最优用户选择协作频谱感知

提出了基于最优用户选择的协作频谱感知方案,通过引入Gerschgorin圆盘理论建立用户选择机制,筛选出信道条件最优的若干个认知用户,由其对应的感知数据空间生成全局判决统计量以实现最优协作感知,并在此基础上提出迭代门限算法,进一步优化感知性能.理论分析和仿真结果表明,该方案无需知晓授权用户信号、信道、噪声功率等先验信息,对噪声功率不确定性具有较强的鲁棒性,且当接收机采样次数和参与协作的用户数都受限时,感知性能仍然很稳定,可作为协作频谱感知的现实可实现方案.

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。