基于功率中值和归一化采样协方差矩阵的自适应匹配滤波检测器

在非均匀海杂波环境中,参考单元中的异常单元限制了采样协方差矩阵(SCM)的估计性能,从而影响了传统自适应匹配滤波(AMF)检测器的检测性能。而考虑删除异常单元的方法在参考单元数目有限时可能导致矩阵的奇异性。鉴于此,在保持参考单元数目不变条件下,该文设计一种基于功率中值与归一化采样协方差矩阵(MNSCM)的估计方法,并将其与匹配滤波器(MF)相结合,构造一种新型的自适应匹配滤波检测器。与传统的自适应匹配滤波相比,该文设计的检测器在实测和仿真海杂波数据条件下均具有明显的性能优势。

基于采样协方差矩阵的频谱感知算法仿真分析

为了克服噪声不确定度的影响,实现真正意义上的盲检测,该文介绍了3种基于协方差矩阵的感知算法,并通过基于MATLAB的仿真实验,综合对比并验证3种算法的感知性能。仿真结果表明,与基于最大最小特征值之比算法(Maximum-Minimum Eigenvalue,MME)和基于协方差矩阵绝对值算法(Covariance Abosute Value,CAV)相比,基于协方差矩阵Cholesky分解的感知算法(Covariance Cholesky Factorization,CCF)避免了对采样大小和采样维数的渐进假设,从而可以精确地设置判决门限,具有更高的检测性能。

非高斯噪声中基于分数低阶矩协方差MME检测的频谱感知算法

针对传统的最大最小特征值之比的频谱感知算法(MME)在非高斯噪声频谱感知性能下降乃至失效的问题,提出了一种基于分数低阶矩采样协方差的改进MME算法。该算法先用分数低阶矩对观测数据进行预处理,获得分数低阶矩协方差矩阵,再求矩阵的最大最小特征值之比作为统计量。本文采用了Alpha分布和Laplace分布拟合非高斯噪声环境,蒙特卡罗(Monte Carlo)仿真结果表明,非高斯噪声中基于分数低阶矩的协方差MME频谱感知算法的检测性能明显优于MME。

基于局部方差的MIMO频谱感知算法研究

在认知无线电网络中,高效且准确的频谱感知是必不可少的一个环节。该文主要研究了MIMO场景下的频谱感知问题。考虑到频谱被主用户占用和频谱空闲这两种场景下,认知用户各天线接收到信号之间的相关结构有差异,针对接收信号的采样协方差矩阵,提出了局部方差的概念,并在此基础上设计了基于局部方差的MIMO频谱感知方法。根据渐近分布理论,推导了所述方法的理论检测门限。最后,采用蒙特卡洛仿真方法,分别分析了AWGN信道和Rayleigh信道下该方法的检测性能,并与相关的感知算法进行了对比。结果表明:在相同的环境下,该文所提方法相比其他方法检测性能更高,且所需的采样点数更小,能够实现快速且精确的检测。

稀疏距离扩展目标自适应检测及性能分析

在球不变随机向量杂波背景下,研究了稀疏距离扩展目标的自适应检测问题.基于有序检测理论,利用协方差矩阵估计方法,分析了自适应检测器(Adaptive detector,AD).其中,基于采样协方差矩阵(Sample covariance matrix,SCM)和归一化采样协方差矩阵(Normalized sample covariance matrix,NSCM),分别建立了AD-SCM和AD-NSCM检测器.从恒虚警率特性和检测性能综合来看,AD-NSCM的性能优于AD-SCM和已有的修正广义似然比检测器.最后,通过仿真实验验证了所提方法的有效性.

复合高斯杂波下距离扩展目标的自适应检测

研究了复合高斯杂波下的距离扩展目标自适应检测问题.基于辅助数据,利用采样协方差矩阵(SCM)和迭代(RE)估计矩阵,建立了自适应检测器AMSDD和基于动态阈值的ADT检测器,并分析了检测器的恒虚警率(CFAR)特性.理论分析表明,基于SCM的检测器只能保持对杂波协方差矩阵结构的自适应特性;而基于RE的检测器能同时获得对杂波协方差矩阵结构和纹理分量的CFAR特性.性能分析表明,对于AMSDD和ADT来说,与采用SCM估计器相比,采用RE估计器能使检测器获得更好的CFAR特性和检测性能.另外,基于RE的ADT检测器在目标散射点个数失配时具有很好的鲁棒性.

基于特征值极限分布的双门限频谱感知算法

针对传统频谱感知算法在较低信噪比和存在噪声不确定度时,检测性能降低的问题,提出了一种基于特征值极限分布的双判决门限频谱感知算法。由于利用了双门限和信号采样协方差矩阵的特征值进行判决,这种算法不但可以有效地克服噪声不确定度对检测性能的影响,而且不需要预先知道主用户信号的任何信息。与已有的最大最小特征值频谱感知算法相比,由于采用了双判决门限,因此该算法的检测性能更优。仿真结果表明,该方法不但可以有效地克服噪声不确定度,而且检测性能也优于最大最小特征值算法。

基于广义特征值的合作频谱感知方法

现有的基于特征值的合作频谱感知方法要求认知用户各感知节点接收到的授权用户信号具有相关性。针对这个问题,提出了一种基于广义特征值的合作频谱感知方法。该方法利用过去不存在授权用户的感知周期采样协方差矩阵与当前感知周期采样协方差矩阵之间的最大广义特征值(MGED,maximum generalized eigenvalue de-tection)作为检验统计量,以此判决当前感知周期是否存在授权用户信号,从而实现频谱感知。所提方法不需要授权用户信号和噪声功率的先验信息。当认知用户各感知节点上的授权用户信号不相关时,现有的基于特征值的频谱感知方法均失效,而所提频谱感知方法仍然具有较高的检测性能。最后仿真验证了所提方法的有效性。

基于随机矩阵理论的DET合作频谱感知算法

针对认知无线电系统中的频谱感知问题,该文采用随机矩阵理论(Random Matrix Theory,RMT)对多认知用户(Secondary User,SU)接收信号采样协方差矩阵的最大特征值的分布特性进行了分析和研究,提出了一种新的基于双特征值判决门限(Double Eigenvalue Threshold,DET)的合作频谱感知算法。由该算法感知性能的理论分析可知:DET合作感知算法无需主用户(Primary User,PU)发射机信号的先验知识,也不需要预先知道信道背景噪声功率。仿真结果表明,与传统的频谱感知方法相比,该方法只需较少的认知用户就能获得较高的感知性能,并且对噪声的不确定性具有较强的鲁棒性。

一种最小模级联相消器

针对阵列信号自适应相消器运算量大、收敛性能易受相关干扰影响等缺点,提出了一种改进的阵列信号级联相消器.该方法用最小模作为权值,替代中位值级联相消器中的中位数,具有收敛速度快、运算量小等特点,且对非平稳数据工作性能良好.仿真结果表明,此算法用采样协方差求逆类算法一半的样本数就可取得相同的收敛性能.

特征值极限分布的改进合作频谱感知

本文采用随机矩阵理论,分析和研究了多认知用户接收信号采样协方差矩阵的最小特征值的极限分布,针对基于最大最小特征值之差的合作频谱感知算法,提出了新的门限判决方法。此算法能有效克服噪声不确定度的影响,且不需预先知道授权用户信号的先验知识和噪声方差。仿真结果表明,与以前的感知算法相比,本文算法有更低的判决门限,在低信噪比、小采样时,在达到设定虚警概率的前提下,该算法能够获得更好的感知性能。

基于特征结构的频谱感知算法

为了全面认识当前的认知无线电频谱感知技术,深入研究基于特征结构的多节点合作频谱感知算法,将近年来发展的随机矩阵理论(RMT)引入到频谱感知领域,使得频谱感知性能得到提高,有可能在实际应用中实现频谱感知。通过阐述基于采样协方差矩阵及特征值类的合作频谱感知方法的基本原理,归纳其主要特点,推导出检测门限的确定方法。通过基于Matlab的仿真实验,对比和验证算法的感知性能。最后展望该方向下一步的研究趋势。

基于最小特征值的合作频谱感知新算法

针对认知无线电中频谱感知问题,利用随机矩阵理论(random matrix theory,RMT)最新研究成果,提出了一种基于采样协方差矩阵最小特征值(smallest eigenvalue,SE)的合作频谱感知新算法。该算法采用的最小特征值分布函数比目前所采用的最大特征值的近似分布函数更精确。理论分析表明,与MED(maximum eigenvalue detection)算法和能量检测法(ED)相比,SE算法具有合理性更强、判决门限更低以及感知灵敏度更高的特点。仿真结果也显示,该算法不仅漏检概率更低,感知性能更好,而且在认知用户数较少、样本较小的情况下,也可获得较好的检测性能。

一种新型的基于最大特征值的合作频谱感知算法

针对认知无线电中经典频谱感知方法的缺点,该文利用随机矩阵理论的相关研究成果,提出了一种基于采样协方差矩阵最大特征值与平均能量的合作频谱感知新算法。该算法将次用户接收信号协方差矩阵的最大特征值与接收信号平均能量的比值(Maximum Eigenvalue-Energy Detection,ME-ED)作为统计判决量,以此判决出主用户是否存在,从而实现频谱感知功能。理论分析表明,与经典频谱感知方法相比,ME-ED算法无需知晓主用户信号的任何先验知识及噪声功率。仿真结果显示,与MED算法和ED方法相比,该算法不仅对噪声的不确定性不敏感,而且在噪声存在波动的情况下,其感知性能最优,鲁棒性最强。

一种新的基于霍夫变换的信号源个数估计方法

确定信源个数是许多阵列信号处理算法的基础。提出了一种利用霍夫(Hough)变换估计信源个数的新方法。该方法通过Hough变换将观测数据的采样协方差矩阵的排序特征值点投影到Hough参数空间,通过检测Hough参数空间中积累的峰值来估计噪声特征值的数目,从而确定信源的个数。仿真结果证明了新方法的检测性能要优于著名的AIC和MDL准则,并且新方法在低信噪比下也能获得较高的检测概率,为低可观测目标的检测提供了一条有效的途径。

基于RMT的合作频谱感知新算法及其性能分析

针对认知无线电中的频谱感知问题,利用随机矩阵理论(random matrix theory,RMT)最新研究成果,提出了一种新的合作频谱感知算法(maximum-minimum eigenvalue detection,MMED)。该算法将采样协方差矩阵最大特征值与最小特征值的比值作为统计判决量,并利用最小特征值概率分布求得判决门限。理论分析与仿真结果表明,与基于最大特征值的频谱感知方法相比,MMED算法不仅具有感知性能更好以及对噪声不敏感等优点,而且在认知用户数较少、样本较小的情况下,也可获得较好的检测性能。

一种小样本支持的多级最小模级联相消器

该文针对阵列信号自适应相消器运算量大、收敛性能易受相关干扰影响等缺点,提出了一种改进的阵列信号多级级联相消器方法,该方法用通道间具有最小模的样本商作为复权,替代多级维纳滤波器的权值计算,具有收敛速度快、运算量小等特点,且对受相关干扰影响的非平稳数据工作性能良好。仿真结果表明,此算法用较少样本就可取得采样协方差求逆(SMI)类算法相同的收敛性能。

起伏噪声中单矢量传感器预警检测方法

针对现有振动传感器能量检测方法在较低信噪比及环境噪声变化较大时检测性能较差问题,提出矢量传感器协方差检测方法。该方法利用矢量传感器多通道采样数据构造协方差矩阵,并以最大特征值与最小特征值之比为检验统计量进行目标判决。用该方法检测目标不仅无需噪声先验知识,可有效克服噪声起伏变化带来的影响。仿真及实验表明,该方法检测性能良好,计算复杂度小,适合于矢量传感器对目标检测预警。

零陷展宽对角载入算法

提出了零陷展宽对角载入算法,该算法既解决了干扰在快速运动时,干扰零陷过窄的问题,又解决了协方差矩阵误差和导向矢量误差存在时,算法稳定性变差的问题。同时,通过对角载入因子和采样协方差矩阵间的关系确定了对角载入算法载入因子的值。计算机仿真结果表明该算法有很好的稳健性,以及较宽的零陷。

自适应波束形成技术的发展与现状研究

介绍了自适应波束抗干扰技术的发展历程,以及各种自适应波束形成算法的原理和特点,讨论了自适应波束抗干扰技术的应用情况,探讨了该技术在工程应用上面临的主要问题以及解决途径和方法。