论文部分内容阅读
随着时代的进步,无线通信成了人们生活中不可或缺的一项技术,频谱资源是实现无线通信业务的必需品,故而整个社会对频谱资源的需求量持续增加。但现实中可用的频谱资源不仅是有限的,还是无法再生的。事实上,已分配的频谱资源在实际中的利用率很低,因此,若要推动无线通信的发展,则需要提升频谱资源的利用率。认知无线电技术是一种提高无线频谱资源利用率的有效方式。频谱感知技术是认知无线电成功的前提与关键。传统的能量感知算法、匹配滤波器感知算法已广为人知,但这些方法都是针对平稳信号提出的。平稳信号的功率谱与时间无关,可非平稳信号的功率谱是时变的,因此,传统的频谱感知方法不适用于跳频信号、线性调频信号等非平稳信号。本文以时频分析为基础,研究非平稳信号的频谱感知方法。论文的主要研究内容如下:1、针对非平稳信号的窄带频谱感知问题,本文研究了基于短时傅里叶变换(Short Time Fourier Transform,STFT)的能量感知算法。该方法以STFT计算非平稳信号在某个时频区域内的平均能量,然后根据相应的门限值对非平稳信号在该时间区域内的频带占用情况进行检测。本文根据理论推导结果和仿真实验数据获得算法的判决门限。仿真结果表明:该方法在低信噪比(Signal-to-Noise Ratio,SNR)环境下都也具有较好的检测性能;另外,该方法不仅适用于非平稳信号,还适用于平稳信号。2、为了提高基于STFT的能量感知法在低信噪比情况下的感知性能,本文研究了基于Wigner-Ville分布(WVD)的匹配滤波器感知算法。该方法根据非平稳信号Wigner-Ville分布的Moyal性质,将信号的时频分布与信号的时域表示联系起来,然后以匹配滤波器感知法为基础,对某个时间区域内的频带占用情况进行检测。仿真结果表明:在低信噪比情况下,该方法的感知性能优于传统的匹配滤波器感知法。3、针对非平稳信号的宽带频谱感知问题,本文将STFT与多陪集采样技术结合起来,提出了基于STFT-MUSIC的宽带频谱感知算法和基于STFT-ESPRIT的宽带频谱感知算法。由于宽带信号的奈奎斯特(Nyquist)采样率过高,若使用奈奎斯特采样率对宽带信号进行采样,硬件功耗大,当信号带宽高达GHz时,甚至无法找到满足奈奎斯特采样要求的高速率模数转换器(Analog to Digital Converter,ADC),因此本文利用多陪集采样技术来降低宽带信号的采样率。然后,根据多陪集采样输出的STFT值与非平稳信号占用的频带之间的关系,将频谱感知问题转化为参数估计问题,再利用多重信号分类(Multiple Signal Classification,MUSIC)算法以及基于旋转不变技术的参数估计(Estimation of Signal parameters by Rotational Invariance Techniques,ESPRIT)算法对活跃信道集(信号占用的频带的集合)进行估计。实验结果表明,即使在低信噪比情况下,这两种方法也只需要少量样本数据就可获得较理想的检测性能,且这两种方法不仅适用于非平稳信号,还适用于平稳信号与非平稳信号均存在的混合信号。