论文部分内容阅读
在认知无线电网络中,认知用户能够通过持续不断地对自身所处的无线环境中的信道使用状态进行感知,寻找机会接入可用频谱空穴,但是在利用频谱空穴的同时要不断地检测频段内是否有授权用户重新出现,使用过程中如果授权用户出现,认知用户需要立刻跳出当前的频谱空穴,以免对授权用户的正常通信造成干扰,同时认知用户希望能够尽可能高效地利用信道进行通信,而当授权用户的待检测信号非常微弱时,为了准确地检测到授权用户的信号,频谱检测过程将会耗费大量的时间,那么在单位时间内可以用于通信的时间就随之减少,信道的利用率就会大幅下降。 本文以传统的双门限频谱检测方法为基础,加入了开销控制机制,引出了一种可以结合之前的检测结果,自适应的改变检测门限值的检测算法,提出了收益函数的概念根据不同认知用户的需求来控制检测过程的开销,仿真证明此改进后的算法不仅可以有效地缩短检测过程的时间,减少频谱检测过程的开销,同时对认知网络系统的整体检测性能有了大幅度提升更加符合不同认知用户的需求。 本文在后面的章节中还讨论了在多用户协作频谱检测算法中,如何为不同的认知用户的检测结果合理的分配权值,引入了一种以认知用户检测概率为分配基准的动态权值分配算法,分配的权值大小与认知用户的检测概率大小成正相关,并在此算法的基础上,将D-S证据理论融合准则与传统的频谱检测技术相结合,得到了基于D-S证据理论融合准则的检测量权值分配方法,考虑到不同的认知用户之间对授权用户信号的检测能力存在差异性,为检测能力较好的认知用户检测量分配较高的加权系数,为检测性能差的认知用户检测量分配较低的加权系数,使得检测量之间的权值分配更加科学合理,这样经过融合后,可以大幅度地提高整体认知网络系统的检测性能,在最后本文分别在加性高斯白噪声信道下和瑞利衰落信道环境下做出仿真,对比分析了基于D-S证据理论加权频谱检测算法的性能,仿真结果证明结合了D-S证据理论的加权融合算法不仅在AWGN信道下相对于传统的加权算法相比在检测性能的多方面都有明显提升,同时在衰落信道下,其检测性能也非常良好。