导读:本文包含了合作频谱感知论文开题报告文献综述及选题提纲参考文献，主要关键词:合作频谱感知,分簇,检测概率,改进粒子群算法
合作频谱感知论文文献综述
韩雪,郭滨,王胜男[1]（2019）在《基于改进粒子群分簇合作频谱感知算法》一文中研究指出在认知无线电频谱感知技术的研究中,检测概率作为评价频谱感知性能好坏的指标之一一直被广泛研究。针对改善合作频谱检测的检测性能,提高检测概率的问题,提出了一种改进的粒子群分簇合作频谱感知算法。该算法首先将本地感知节点进行了分簇处理。簇内根据各感知节点的检测统计量为其分配权重,给出用户检测概率与权重因子之间的关系模型。提出了二次拉格朗日插值粒子群算法来寻求最优权重因子,进而得到最优检测概率。并对改进粒子群分簇算法与传统粒子群算法以及等增益加权算法进行了比较,仿真结果表明,改进算法能够相比于其它两种算法能够获得更高的检测概率,有效地提高检测性能。(本文来源于《长春理工大学学报(自然科学版)》期刊2019年05期）
杨理,陶洋,纪瑞娟,杨柳,侯尧[2]（2019）在《基于可靠性的合作频谱感知传感器选择算法》一文中研究指出为了提高无线传感网中合作频谱感知的可靠性,减小阴影衰落的影响,提出了一种最大可靠性传感器选择算法.算法在考虑检测概率与虚警概率的基础上引入空间相关度来保证传感器节点冗余少,分布均匀,并根据当前节点的能量约束选择最优解输出.仿真结果表明,该算法有效地提高了频谱感知的可靠性,在传感器分布非均匀的情况下,抗阴影衰落干扰能力显着提高.(本文来源于《微电子学与计算机》期刊2019年10期）
南亚飞,马永涛,朱芮,王煜东[3]（2019）在《基于模糊支持向量机的合作频谱感知算法》一文中研究指出在合作频谱感知的多个认知用户分布在二维空间的情况下,基于机器学习的合作频谱感知算法较传统的合作频谱感知算法可以有效的克服噪声和野点的影响。针对空间分布的认知用户的合作频谱感知问题,研究了基于FSVM的合作频谱感知算法,并分析了认知用户的数目和位置信息对频谱感知准确度的影响。实验仿真结果表明:研究的基于K-FSVM的合作频谱感知算法较传统的频谱感知算法,在低信噪比的情况下可以有效的提高频谱感知准确度。(本文来源于《传感技术学报》期刊2019年03期）
姚其桢[4]（2019）在《全双工认知无线电网络的合作频谱感知研究》一文中研究指出随着无线通信业务的不断增长和智能终端的广泛应用,有限的频谱资源变得愈加紧缺,而稳步发展中的物联网(Internet of Things,IoT)通信、设备间(Device to Device,D2D)通信、机器间(Machine to Machine,M2M)通信和移动互联网通信等新兴的无线通信业务,又亟需发掘更多的频谱资源供其使用。一方面,业界将视线转移至毫米波和可见光频段,试图从中寻求突破,但高频段频谱受到自身传播特性的限制,很难满足无线通信的覆盖要求;另一方面,认知无线电技术为频谱资源的利用率提升创造了可能。频谱感知是认知无线电技术中的核心功能之一,它不仅可以防止非授权用户(次用户)对授权用户(主用户)造成干扰,而且还能识别出可用的空闲频段以提高频谱的利用率。然而,其检测性能往往受到多径衰落、阴影衰落以及隐终端等问题的影响,为了解决这类不利因素,合作频谱感知作为一项通过利用次用户空间多样性来提高检测性能的技术应运而生。本文以全双工认知无线电网络为背景,讨论并分析了网络模型中的关键参数与性能指标,并对其合作频谱感知系统和信道分配策略也展开了研究,主要研究内容如下:(1)针对全双工认知无线电网络模型相比半双工模式的优势,本文对其中的关键参数和性能指标进行了分析,包括:感知结果错误率,系统状态转移概率,信道占用冲突率,判定阈值的设计以及频谱利用率和次级网络吞吐量。全双工通信技术实现了频谱感知与数据传输的同时同频,次用户在与主用户共享频谱资源的基础上,又增加了对频谱空穴的使用,进一步提升了频谱资源的利用率。(2)针对全双工认知无线电网络中变化频繁的网络环境,本文提出并实现了一个基于集成学习和SMOTE的合作频谱感知系统。本文将主用户状态检测刻画成一个二分类问题,采用集成学习中典型的AdaBoost算法进行频谱感知,该系统借助机器学习算法优良的泛化性和鲁棒性,能够更好地适应网络环境中的不确定性。此外,针对训练过程中出现的数据不平衡问题,提出使用SMOTE过采样技术对数据集进行处理。(3)针对多信道的全双工认知无线电网络,为了合理安排次用户参与指定信道的合作频谱感知,本文设计了一个基于自适应遗传算法的信道分配策略。在满足主用户正常通信的前提下,建立了以次级网络吞吐量最大化为目标的优化模型,并采用自适应遗传算法对其进行求解,以保证快速逼近最优解时也能避免提前收敛的问题。(本文来源于《南京航空航天大学》期刊2019-03-01）
宋晓鸥,缪竞成[5]（2019）在《集中式双非参量累积和的合作频谱感知技术》一文中研究指出针对认知无线电网络频谱感知的检测时延降低问题,提出了一种采用双非参量累积和的合作频谱感知方法。在单主用户认知网络中,本地认知用户执行非参量累积和算法,处理能量观测数据,以缩短检测时延,减少对主用户先验信息的需求,同时为了降低带宽开销,只向融合中心传输1比特的预判决结果。融合中心在噪声干扰下接收融合预判决结果,执行非参量累积和算法,累加判决统计量,对主用户信号是否存在进行最终判决。仿真结果表明,在10%的虚警概率下,相比于传统的非参量合作频谱感知算法,双非参量累积和算法具有较低的检测延迟。(本文来源于《信号处理》期刊2019年02期）
焦传海[6]（2019）在《抗恶意攻击的分布式宽带合作压缩频谱感知方法》一文中研究指出针对恶意攻击,特别是影响认知无线电宽带频谱感知性能的感知数据伪造(Spectrum Sensing DataFalsification,SSDF)攻击,构建了宽带合作压缩频谱感知中统一的SSDF攻击模型,分析了不同SSDF攻击方式的特性,重点讨论了分布式宽带合作压缩频谱感知中抗SSDF攻击的方法,并仿真比较分析了各种方法的性能。(本文来源于《通信电源技术》期刊2019年02期）
申滨,王志强,青晗[7]（2018）在《基于次用户功率控制辅助的合作频谱感知》一文中研究指出传统的合作频谱感知一般将感知环境建模为单级信道,且次用户一般都以相同的发射功率向数据融合中心报告感知数据,难以体现并利用不同次用户感知数据之间的空间分集差异。为解决此问题并有效地设置次用户在感知数据上报阶段的发射功率,该文提出了3种最优功率控制方案,以获得相应设计准则下参与合作感知的次用户最优发射功率。在融合中心理想具备感知信道和报告信道的统计特性时,通过理论推导获得了基于信道统计特性的功率控制闭式解方案;当信道统计特性难以现实具备时,分别获得了基于联合信道统计特性估计的最大特征功率矢量及盲加权多特征功率矢量方案。理论分析和仿真实验表明,在不同的先验信息条件下,3种方案的性能皆远优于缺少功率控制的合作感知方案。(本文来源于《电子与信息学报》期刊2018年10期）
缪竞成,宋晓鸥,王子力,王晓蓉[8]（2018）在《基于非参量累积和的合作频谱感知》一文中研究指出针对认知无线电网络中频谱感知的检测时延降低问题,提出了基于非参量累积和的合作频谱感知算法。本地认知用户预处理频谱观测数据,获得观测数据相对于信念值的正向漂移和负向漂移。为了缩短检测延迟,认知用户只将数据的正向漂移同步传输至融合中心。融合中心融合正向漂移得到判决信息,采用非参量累积和算法依时间序列顺序累加判决信息,判断主用户是否正在使用授权频段。为了解决不传输负向漂移引起的虚警问题,改进算法提出融合中心可以保留首次判决,经过等待时间间隔后再作出最终判决。相对于传统的软融合算法,改进融合规则的合作频谱感知算法具有较低的检测延迟。(本文来源于《电讯技术》期刊2018年09期）
鲁春燕,齐程[9]（2018）在《基于噪声不确定的双门限能量检测合作频谱感知算法》一文中研究指出频谱感知作为认知无线电的关键技术之一,得到了广泛深入的研究。能量检测为常见的频谱感知方法,然而其检测性能极易受到未知多变的噪声的影响,在噪声大时,甚至不能准确的检测到授权频段内授权用户的状态。本文针对噪声不确定性对能量检测性能的影响,研究了传统双门限能量检测合作频谱感知算法的改进方案,并对所提方案做了理论研究与算法仿真,与传统的双门限能量检测方案做了比较。分析结果表明,所提方案在一定程度上减弱了噪声不确定性对能量检测检测性能的影响,在不额外增加系统传输开销的同时,提升了系统的检测性能。实现了频谱利用率与传输开销的较好权衡。是一种有效可行的频谱感知方案。(本文来源于《电子设计工程》期刊2018年06期）
赵萌[10]（2018）在《密集认知网络中合作频谱感知算法研究》一文中研究指出密集异构网络通过频谱资源的空间复用可有效提升网络容量,但面临的关键瓶颈之一是网络中存在复杂的干扰造成了频谱效率性能的损伤。通过将宏蜂窝覆盖的网络作为授权网络,对密集小蜂窝采用认知无线电技术,智能重用宏蜂窝的授权频谱资源可有效克服宏蜂窝和小蜂窝之间的同频干扰,并将具有认知能力的密集小蜂窝组成的网络称为密集认知网络。频谱感知是认知无线电技术的基本功能,传统的频谱感知算法大多利用样本协方差矩阵对未知协方差矩阵进行估计,然而小蜂窝的密集部署使得密集认知网络中的感知数据具有高维特性,进而改变接收信号的统计特性,使得样本协方差矩阵在高维场景下的估计误差增加。因此,传统频谱感知算法的感知性能下降,有必要研究适用于密集认知网络的高维频谱感知算法。论文选题依托国家自然科学基金项目“密集异构无线环境下极化资源感知与利用研究”(项目编号61571062)。本文基于高维估计理论对密集认知网络中的高维频谱感知算法进行研究,分别提出了基于高维协方差矩阵特征值估计的合作频谱感知算法和基于高维协方差矩阵估计的合作频谱感知算法,主要研究内容如下:一、综述了认知网络和密集网络的关键技术和应用场景,对已有的独立频谱感知算法和合作频谱感知算法进行了分类和总结,分析比较了算法的优缺点和适用场景。针对密集认知网络介绍了已有的高维频谱感知算法并指出了算法存在的问题。二、考虑密集小蜂窝对宏蜂窝基站单天线发送的授权信号进行感知,针对样本特征值对高维协方差矩阵特征值的估计性能下降这一问题,提出了基于特征值一致估计的合作频谱感知算法。算法通过利用高维场景中估计准确的特征值一致估计解决了高维协方差矩阵特征值的估计问题。此外,利用了发送信号空间秩为1的结构特性进一步提高了算法的感知性能。最后,理论推导与仿真结果表明,当算法满足特征值分离条件时算法的感知性能更好,且新算法相对于已有的高维频谱感知算法有1.9dB的性能优势。因此,所提算法可应用于密集认知网络对宏蜂窝基站单天线发送的授权信号进行感知,从而实现与宏蜂窝网络的共存。叁、考虑密集小蜂窝合作对宏蜂窝基站多天线发送的授权信号进行感知,针对样本协方差矩阵对高维协方差矩阵估计性能下降这一问题,分别在噪声理想和非理想的情况下提出了两种基于渐进最优收缩估计的合作频谱感知算法。两种算法通过利用高维场景中估计更加准确的渐进最优收缩估计解决了高维协方差矩阵的估计问题,提高了算法的感知性能。此外,推导了理想噪声下所提算法虚警概率和判决门限的理论表达式。最后,仿真结果表明,在理想噪声下,所提算法相对于已有的高维频谱感知算法和基于特征值一致估计的合作频谱感知算法分别有1.2dB和0.9dB的性能优势,且当样本维数大于样本数时算法依然有效。非理想噪声下,所提算法相对于传统考虑非理想噪声的算法有1.2dB的性能优势,且当样本维数大于样本数时算法依然有效。因此,所提两种算法可分别应用于理想噪声和非理想噪声下,密集认知网络对宏蜂窝基站多天线发送的授权信号进行感知,从而实现与宏蜂窝网络的共存。(本文来源于《北京邮电大学》期刊2018-03-08）
合作频谱感知论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了提高无线传感网中合作频谱感知的可靠性,减小阴影衰落的影响,提出了一种最大可靠性传感器选择算法.算法在考虑检测概率与虚警概率的基础上引入空间相关度来保证传感器节点冗余少,分布均匀,并根据当前节点的能量约束选择最优解输出.仿真结果表明,该算法有效地提高了频谱感知的可靠性,在传感器分布非均匀的情况下,抗阴影衰落干扰能力显着提高.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
合作频谱感知论文参考文献
[1].韩雪,郭滨,王胜男.基于改进粒子群分簇合作频谱感知算法[J].长春理工大学学报(自然科学版).2019
[2].杨理,陶洋,纪瑞娟,杨柳,侯尧.基于可靠性的合作频谱感知传感器选择算法[J].微电子学与计算机.2019
[3].南亚飞,马永涛,朱芮,王煜东.基于模糊支持向量机的合作频谱感知算法[J].传感技术学报.2019
[4].姚其桢.全双工认知无线电网络的合作频谱感知研究[D].南京航空航天大学.2019
[5].宋晓鸥,缪竞成.集中式双非参量累积和的合作频谱感知技术[J].信号处理.2019
[6].焦传海.抗恶意攻击的分布式宽带合作压缩频谱感知方法[J].通信电源技术.2019
[7].申滨,王志强,青晗.基于次用户功率控制辅助的合作频谱感知[J].电子与信息学报.2018
[8].缪竞成,宋晓鸥,王子力,王晓蓉.基于非参量累积和的合作频谱感知[J].电讯技术.2018
[9].鲁春燕,齐程.基于噪声不确定的双门限能量检测合作频谱感知算法[J].电子设计工程.2018
[10].赵萌.密集认知网络中合作频谱感知算法研究[D].北京邮电大学.2018