稀疏频谱感知BigBand算法阈值选择研究

根据奈奎斯特采样定理,实时感知GHz数量级宽的频率,需要GHz以上的高速AD转换器。由于价格、功耗的限制,实际应用中较难实现。基于稀疏频谱感知的BigBand算法,针对环境中信号稀疏的情况下,通过多个50 MHz的AD转换器可以还原出0.9GHz宽的频谱。本文针对稀疏频谱感知的BigBand算法中的阈值进行研究,通过对噪声的参数的统计特征进行理论分析,提出一种基于最先检测信号强度的概率密度的阈值设定方法,为稀疏频谱感知BigBand算法的实际应用提供了技术支撑。

基于自适应门限的改进BigBand算法

BigBand算法是一种利用信号普遍稀疏特性的欠采样算法。传统BigBand算法依靠经验设置固定门限,在低信噪比和噪声变化剧烈的情况下,频谱混叠会使噪声的值被叠加放大,信号与噪声难以明显区分,频谱感知能力差。针对该问题,提出了一种基于自适应门限的改进BigBand算法,利用预设信号虚警概率获得初始噪声门限和信号门限,并根据感知环境信噪比动态调整门限阈值,再依据经验选择噪声或信号门限作为门限阈值进行信号判决与感知。实验结果表明,相较于传统BigBand算法,该改进算法能适应低信噪比和噪声变化剧烈的环境,抗干扰性较好,具有更好的频谱感知能力。