位置:成果数据库 > 期刊 > 期刊详情页
基于特征值检测的多天线盲频谱感知算法的研究
  • ISSN号:1004-731X
  • 期刊名称:《系统仿真学报》
  • 时间:0
  • 分类:TN92[电子电信—通信与信息系统;电子电信—信息与通信工程]
  • 作者机构:[1]吉首大学信息科学与工程学院,吉首416000, [2]东南大学移动通信国家重点实验室,南京210096
  • 相关基金:The National Natural Science Foundation of China(Grant No.61102089); the Scientific Research Fund of Hunan Provincial Education Department(Grant No.11C1058); the New Courses Project of Jishou University(Grant No.2011KCB03)
中文摘要:

在多天线感知场景中噪声不确定和信号相关现象可能同时存在,经典的基于能量检测(ED)感知性能将急剧恶化。利用多天线接收信号存在的相关特性,提出一种基于取样协方差矩阵(SCM)特征值的盲频谱感知方法。新方法无需噪声方差、主信号和无线信道的信息参与感知过程。与经典的能量检测方法相比,由于无需噪声方差参与感知节点的判决过程,新方法的感知性能对噪声不确定性具有良好的鲁棒性。利用多元统计理论和随机矩阵理论(RMT)获得了相应的理论判决门限。仿真结果表明新算法比基于ED的感知算法具有更好的误警性能和更可靠的检测性能。

英文摘要:

In the multiantenna sensing scenarios, the sensing performance of the classical ED method can be degraded drastically because both the noise uncertainty and the correlation between the signal samples may be present simultaneously. Using the correlation characteristics of the multiple antenna received signal, a blind algorithm based on all the eigenvalues of the sample covariance matrix (SCM) is proposed. The new method can execute spectrum sensing without information about the noise variance, the primary signal and the wireless channel. Compared with the ED method, the sensing performance of the proposed method is robust to noise uncertainty because it does not need noise variance to help the sensing node to make a right decision. The multivariate statistical theory and the random matrix theory (RMT) are used to obtain the theoretical decision threshold. Simulation results show that the proposed algorithm has better false alarm performance and more reliable detection performance than the ED method when there exists noise uncertainty.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《系统仿真学报》
  • 北大核心期刊(2011版)
  • 主管单位:中国航天科工集团公司
  • 主办单位:北京仿真中心 中国仿真学会
  • 主编:李伯虎
  • 地址:北京市海淀区永定路50号院
  • 邮编:100039
  • 邮箱:simu-xb@vip.sina.com
  • 电话:010-88527147
  • 国际标准刊号:ISSN:1004-731X
  • 国内统一刊号:ISSN:11-3092/V
  • 邮发代号:82-9
  • 获奖情况:
  • 国内外数据库收录:
  • 美国化学文摘(网络版),荷兰文摘与引文数据库,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版)
  • 被引量:51729