论文部分内容阅读
随着5G时代的到来,一直期待着的以万物互联为基础的智能生活,也即将成为可能。万物互联也就意味着网络中终端数目的暴涨,与此同时带来的是端与端之间通信业务的频繁,这在一定程度上造成频谱资源的短缺。如果能够将卫星网络与地面网络相结合,不仅能够提高网络稳定性,同时也改善了原有网络的性能。将认知无线电技术应用于卫星网络与地面网络,不仅可以令卫星网络与地面网络相结合,而且可以缓解本来就短缺的频谱资源问题,这就是卫星地面认知网络。本文的目的是研究认知无线电中频谱感知技术在卫星地面认知网络的应用。首先对课题的研究背景及意义以及国内外研究现状进行了简单介绍,从原理上介绍了几种频谱感知技术,随后描述了卫星认知网络的基本模型,并且分析了不同波段在卫星认知网络模型中的应用。最后通过卫星认知网络的不同需求,分别结合了卫星认知通信不同波段的实际情况,构建了卫星认知网络的应用场景。建立了集中式卫星认知网络架构的模型,该模型在提高频谱感知性能的同时也使得网络便于优化与管理。并且通过以能量检测为例的感知过程的理论推导,得到了集中式卫星认知网络的频谱感知性能,该感知过程基于地面认知用户感知授权卫星下行链路信号。在上述研究的基础上,将机器学习中无监督聚类中的K均值聚类与高斯混合模型应用于能量检测算法中。通过研究发现,在能量检测中应用K均值聚类与高斯混合模型,不仅提高了检测性能,而且避免传统能量检测中由于噪声不确定导致的门限推导过程。随后提出基于聚类的最大最小特征值检测算法,该算法采用K均值聚类与高斯混合模型,与原有算法相比,免于繁琐的门限值推导过程,通过仿真发现改进的最大最小特征值算法在相同条件下检测性能优于能量检测。最后本文提出将CURE层次聚类应用于能量检测与最大最小特征值检测,并与传统的K均值聚类以及高斯混合模型进行对比,通过仿真验证,发现CURE层次聚类检测性能略逊于高斯混合模型但优于K均值聚类,而且与高斯混合模型相比具有算法复杂度低、过程迅速的优点。