论文部分内容阅读
近几年,通信技术迅猛发展,随着大量新的通信业务投入运营,频谱资源短缺问题日益彰显,并已然成为了通信技术进步的一大瓶颈。认知无线电作为解决上述问题的有效手段,引起了广泛关注。论文针对认知无线电中的基于分形维数的协作频谱感知技术及其优化方法展开研究。针对现有本地频谱感知法在低信噪比环境下检测精度差,对噪声不确定性敏感的问题,本文提出了基于分形维数的双门限协作频谱感知算法。根据通信信号与噪声分形维数特征的不同,区分信号与噪声,以此为基础进行本地频谱感知,设置协作频谱感知双门判决限来提升检测精度;认知用户将本地检测结果发送到融合中心进行可靠性融合,最后做出判决。仿真结果表明,提出的算法在低信噪比能保证较好的检测概率。在此基础上,由于认知用户所处的地理位置和其平均信噪比不同,每个用户在协作感知中的贡献度存在差异。为了解决以上问题,本文对基于概率累积的加权算法予以分析,引入分形差值因子,提出了基于分形差值的协作频谱感知优化算法。仿真结果表明,该算法达到了较高的检测概率,在确保对主用户更好保护的同时,减少了参加合作检测的节点数,有效提升全局检测概率。最后,论文研究了协作频谱感知中面临的安全问题,将基于分形维数的频谱感知扩展到PUEA检测问题中,提出基于二维特征的PUEA检测算法。首先讨论分析了基于一维特征的PUEA检测算法,深入探讨了一维特征参数识别的局限性,得出其存在缺陷:对某些类型的信号无法识别,在低信噪环境下的检测性能较差。针对该问题,论文提出了一种基于二维特征矢量的PUEA检测算法,通过结合分形维数和瞬时能量特征两个特征参数,以二维特征矢量的形式进行PUEA信号识别,克服了一维特征识别对于某些类型信号的“盲区”,并且提高了低信噪比条件下的识别概率。与传统的PUEA检测方法相比,所提出的基于二维特征的PUEA检测算法能得到更高的系统总检测概率。