我们现在面临的是一个在通信、交通、医药和安全领域使用无线电频谱技术成指数增长的时代。这使得无线通信转向更加活跃的互联网数据交互。在不久的将来我们会有更多的车辆具有彼此“交谈”的能力,以改善道路安全。无线电频率识别(RFID)转发器在不久的将来会大量部署在一个小芯片上,植入人体,提高卫生保健功效。廉价智能手机开始在全球普及,即使在一些偏远的地区。所有这些技术的进步,将会以一种方式或其他很自然地对无线电频率、射频资源产生巨大的压力。联邦通信委员会FCC,使用各种技术设置和分配无线电频谱。在2003年,它允许开发空置的无线电频谱,供未经授权的用户或二级用户使用,授权用户或主用户(PU)没有充分利用频谱分配即使在他们使用最频繁的时候。这暗示无线电频谱没有被充分利用。在一个新的领域需要一个积累的过程,帮助如何有效地利用这些宝贵的资源,通过有效的传感、使用可用的频段在技术上不断取得进步。认知无线电的概念已经被大众接受。认知无线电具有"brains-like"能力来提高传感效率。它能够使用一些先验信息的波形信号在一个给定的PU操作的频率准确地感应是否可用,在接收机的结构、信道系数,PU在没有任何干扰的情况下能够尽快空出。认知无线电的主要任务是、无线频谱分析、通道识别和动态频谱管理和认知无线电的周期性能量控制转移。无线频谱分析和通道识别任务涉及到接收器周围的无线环境、温度的检测频谱空穴、预测建模环境和相干检测的信号。最后任务涉及到发射机传输参数、基于提供的信息来进行无线频谱分析和通道识别。这项工作集中在无线电频谱分析和被动政策方式的基础上,然而协商等被动无线电频谱感知频方法以及频率资源数据库方法可能就够了。主动意识包括监测频谱的信号检测方法,以确定频带被其他系统或那些没有被使用的频段。这涉及到使用高效算法的二级用户为了有效地检测主用户的存在(或缺乏)或空置的频带。为标识频带正在使用的其它系统或那些并非涉及为有效检测主用户或不被使用的频带(或不存在)的使用效率的算法,由辅助用户的信道识别三类算法,特别是数据辅助,非数据辅助和决策导向的方法。数据辅助通道估计假设所传输的数据是已知的,并且使用此信息到出信道估计中。非数据辅助的信道估计方法假设未知发送的数据和通过平均消除了数据。另一方面决策定向方法通过检测海图和使用该数据作为参考信号来估算近似的数据辅助的方法。该方法我们已经采用了我们的工作与能量检测器是我们估计。传输技术可分为三大类即：重叠模型(无干扰)、在铺模型(避免干扰)、以及交织模型。方便传输技术有的任何选择是可以模拟的,而是因为我们正在处理能量检测器我们采用的交织模型,据此,认知无线电定期监视无线电频谱和机会主义通信在空置谱带。这就要求,当通信的苏中相同频带带保持沉默。对于我们集中在一个相当静电信号的频带使用真实确定性合成高斯信号用添加真正的高斯白噪声。在认知无线电频谱感知的目的是两个假设之间做出选择随机生成的1kHz或10GHz的零假设和备择假设。该零假设指出,观察到的数据是由噪声仅在替代假说认为,所观察到的数据包括确定性信号加噪声的。从接收到的数据的检验统计量的形成,然后,确定是否在零假设下或另一种假设下生成观察预定的阈值进行比较。该检测器的性能是接收操作特性(ROC)曲线,其产生的检测作为误报警的概率的函数的概率条款进行分析。通过改变检测器的操作点可沿其ROC曲线来选择。在经典的或确定性的框架,H0或者H1是确定正确的,并且目标是选择一个检验统计量和阈值,从而最大限度地提高检测受限于虚警概率约束的概率：在我们的工作我们想要的阿尔法小于或等于0.1。我们假设应用程序最大似然(ML)估计,因为观测的概率分布是众所周知的(随机产生确定性信号)认知无线电技术的进步面临着上面提到的诸多挑战。过去的十年中,很多探测器得到改进成为简单的能量探测器(盲感知场景)。更多和更高效的算法正在被研究来匹配技术的发展,也就是说,能量检测(周期图,韦尔奇周期图),特征检测结合了能源、特征检测、合作检测,和其他探测技术。能量检测器被认为是最佳的检测器,如果噪声方差是众所周知的,然而实际中,噪声方差必须估计。据了解,简单的能量探测器ED2在低信噪比的同时提高能源探测器ED1完善的检测到一个较低的信噪比。在本文中,我们设置了噪声方差标志,这是众所周知而不失明情景损失,因为我们正在研究有名的简单的盲感知能量探测器ED2和同样著名的改进的盲感知能量检测器ED1。当频带从1KHz到10GHz变化时,10GHz的频率可被用来确认两种能量探测器,同时可以检测到PU信号。我们开始通过仿真能量探测器ED1和ED2后生成高斯随机信号才采用BPSK来调制PU信号,x=sqrt(snr).*(pI’.*cos(a))；零均值和方差的加成性高斯白噪声AWGN信号,z=randn(1,N);因此,收到信号y在SU或仅仅被探测到的信号是由y=x+z；蒙特卡洛模拟做了两个频带实验,1kHz和10Ghz与不同的仿真参数设置两个场景。参数处理场景一：Pfa=0:0.01:1, var=1,样品数量,N为变量,仿真(MC)=1000,信噪比、fsy为变量。该情况下,有四个例子：案例1(a)：N变化SNR固定=-20dB, fsy=1000Hz。案例1(b)：N变化SNR固定=-20dB, fsy=10GHz。案例2(a):SRM变化N=100, fys=1000Hz。案例2(b):SNR变化N=100, fsy=10Ghz。以下参数处理场景二：信噪比=30：1：30,var=l,样品数量,N为变量,仿真数量为1000,Pfa为变量,fsy为变量。同样在这种情况下有四例,即：案例1(a)：N变化Pfa=0.1, fsy=1000Hz案例1(b)：N变化Pfa=0.1,fsy=10Ghz案例2(a)：不同的N,固定Pfa=0.01, fsy=1000Hz案例2(b)：不同的N,固定Pfa=0.01, fsy=10GHz这项工作集中在能量检测器(ED)它的简单的计算复杂度。为了研究操纵测试统计数据的影响系数(TS)的性能,对这两种类型的EDs在MATLAB R2012a软件中进行了仿真,ED1和ED2分别为改善的能量检测器和简单的能量探测器,对它们性能的研究是在以下参数：检测概率,假警报概率,方差,频率,信噪比和规定的阂值以上的两个场景4种情况下进行的。两个EDs测试统计的相似性真的鼓舞了我们研究操纵他们的测试静态系数的影响,我们发现提供了操作不会影响检测的概率、假警报的概率和阂值方程,我们得到改进的测试统计数据(ITS)。在较低的信噪比,同时保持假警报的概率尽可能低(≤0.1)的情况下,为了进一步提高探测概率(>0.9),我们推导了改进的检验统计量系数的改进测试两个EDs的静力学。ED1和ED2的测试统计数据的相似性是这个方法的突出智囊团。为了分别生成改进的测试统计能量检测器ED1和ED2,我们全都采用了新的ITS方法,ED1和ED2的性能是在类似的两个场景下进行研究的。以下参数被用于场景一：Pfa=0:0.01:1, var=1,样品数量N为变量,模拟数量(MC)=1000,信噪比为变量,fsy=1000Hz。在这种场景下,有以下四种情况：案例1(a)：不同N,固定信噪比SNR=-20db, fsy=1000Hz;案例1(b)：不同N,固定的信噪比SNR＝6db,fsy＝1000Hz；案例2(a)：不同信噪比,固定N=1,fsy=1000Hz；案例2(b)：不同信噪比,固定N=3,fsy=1000Hz；以下参数被应用于场景二：信噪比=30：1：30,var=1,样品数量N为变量,模拟数量为1000,Pfa为变量符号,fsy=1000Hz.在这种场景下有两种情况：案例1：不同N,固定Pfa=0.1以下参数处理场景二：信噪比=30：1：30,var=1,样品数量,N=变量,模拟数=1000,Pfa=变量,符号频率(fsy)=1000Hz.在这种情况下有两种情况：案例1：不同N固定Pfa=0.1案例2：不同N固定Pfa=0.01仿真中对四个能源探测器做了性能的比较ED1,ED2,ED1(ITS)和在两个场景下的ED2(ITS)。以下参数处理场景一：Pfa=0.01:1,var=1,样品数量,N=3,模拟数(MC)=1000,信噪比=变量,符号频率(fsy)=1000Hz.在这种情况下,两例为：案例1：信噪比=-20分贝案例2：信噪比=6db以下参数处理场景二：信噪比=30：1：30,var=1,样品数量,N=3,模拟(MC)=1000,Pfa=变量,符号频率=1000Hz。在这种情况下有两种情况：案例1：Pfa=0.1案例2：Pfa=0.01仿真表明,改进的测试统计能量探测器远比他们的前辈在参数设置在我们的研究范围。ED1(ITS)通常的表现比ED2(ITS).EDs的检测(ITS)极大地增加甚至低至N=2。EDl和ED2(ITS)的性能系数也调查共有八(ITS)系数进行调查。仿真确定了哪些系数(它)会给最好的性能。以下参数处理场景一：Pfa=0:0.01:1,var=1,样品数量,N=2,模拟(MC)=1000,信噪比=-3db,象征频率(fsy)=1000Hz,TS系数=变量。在这种情况下两例：案例1：EDl案例2：ED2仿真结果表明,对ED1和ED2来说,2N(TS)系数提供了最佳的性能,其次是(N+1/2N)(TS)系数,最差的是1/N(TS)。而ED1表现比ED2结果更好。仿真是在在MATLAB环境中模拟使用ROC曲线以及概率和信噪比曲线进行分析的。一般来说,仿真显示在感知PU信号的存在方面ED1比ED2好。我们的EDs(ITS)的表现比ED1和ED2要好。在工作的参数范围内, ED1(ITS)的表现比ED2(ITS)好,即使在低信噪比下,当使用相比于ED1和ED2非常低的样品(N==2、3、4、5),在新的测试数据(ITS)上改进的探测器表现的好很多。可以简洁地推断,在实际通信环境中,对任何类型的探测器的扩展在这个新方法上进行更多的研究,利用其测试数据可以使检测实现进一步的改进。这种方法一旦在认知无线电周期(包含所有参数)的实际工作环境中确定,应用程序将像探测器一样广泛使用测试数据进行修改的方法改进。一个很好的例子,在任何给定的时间认知用户参与者数量的减少将会导致合作传感性能退化。这将会得到EDs (ITS)的应用程序很好的照顾,因为只需要可以低至两个的参与者。