简介:关于本文可作为相关专业检测算法论文写作研究的大学硕士与本科毕业论文检测算法论文开题报告范文和职称论文参考文献资料。
文／沈梅香
摘 要：认知无线电通过灵活地感知环境的变化,探测暂时未被使用的频谱孔,为未授权用户提供接入机会,大大地提高了频谱利用率,被认为是当前解决频带使用拥挤的最佳方案.频谱检测是认知无线电中极其重要的环节,目前频谱检测技术的研究主要包括两方面：非合作检测和合作检测.本文重点介绍认知无线电频谱检测的合作检测方式、系统模型、监测协议、检测机理及常用的检测算法等,并总结了目前频谱检测技术中有待解决的一些关键问题和技术.
关键词：认知无线电；频谱检测技术；非合作检测；合作检测；检测算法
引言
随着认知无线电技术不断发展和新技术的引入,频谱空穴检测的方法不断地发展[1],目前频谱检测技术的研究主要包括两方面：非合作检测和合作检测.非合作检测是较早提出的一类检测方法,它是根据单个认知无线电节点接收的信号来检测其所处无线环境的频率占用状态.非合作频谱检测常用到的算法有：能量检测算法、联合前向能量检测算法、协方差检测算法、匹配滤波器检测算法、循环平稳特征算法、延时相关检测算法等,其复杂度低,技术也较成熟,易于实现.但其性能会随着多径和阴影衰落引起的接收信号强度的减弱而降低.为了达到精确的检测就需要用其他用户的感知信息,合作检测把多个节点的频谱检测结果进行合并,以提高检测的可靠性及快速性,降低漏检概率 PD,从而减少对主用户系统造成干扰.
1.合作检测
1.1 合作检测方式
合作检测可分为分布式和集中式[2][3] 两种协作方式.
1.1.1 分布式检测（分散式检测）：多径衰落和阴影衰落都会影响单一检测器的检测性能.由于所有检测器都位于深衰落的概率非常低,很多研究者倾向于采用分布式感论文范文法来提高检测性能和可靠性,从而降低对单一检测器的苛刻要求.分布式检测中认知节点彼此之间共享感知信息,但独立判断各自的可用频谱.在分布式频谱分配方案中,每个传感器结点与其它节点竞争使用可用频谱资源.因此要求每个结点都要具备频谱感知能力和最优信道选择能力.与中心式感知相比,分布式感知的优点是不需要基础结构网络,部署更灵活些.在分布式感知技术中,为了达到良好的检测性能,往往需要较高的控制信道带宽.采用量化可以降低其对带宽的需求,但同时将引入额外的噪声和信噪比的降低.
1.1.2 集中式检测（中心式检测）：集中式检测指认知无线电基站（BS）作为中心控制器收集各认知无线电设备感知到的信息,并检测频谱空洞,然后广播该信息给其它认知无线电设备或者直接控制认知无线电通信.在这个过程中会产生一定的信息交换开销.该感知结果由AP（Access Point）接入点收集,目的是减轻信道衰落影响,增强检测效果.研究软硬信息汇总方式可以减少漏检的概率.文献[4][5] 表明,在漏检概率方面,软信息相结合优于硬信息相结合的方法.
1.2 频谱检测性能衡量参数
频谱检测性能主要由感知范围、检测时间、检测概率、虚警概率等指标来衡量,合作检测可利用空间分集增益改善上述指标,解决单节点检测中难以克服的多径深衰落、阴影衰落和隐终端等难题,同时也可减轻对单个节点感知灵敏度的要求,降低实现成本.
对于数据融合方式, 合作检测可降低对单个CR 用户检测性能的要求.设共有N 个CR 用户合作检测, 每个用户依据接收到的N-1 个用户的决策信息判决H1 或H0.若采用“OR”判决规则, 合作检测时的检测概率PD 和虚警概率PF 分别为
1.(1 )nPD 等于 Pd
1.(1 )nF f P 等于 P
式(1.2.1) 和(1.2.2) 中：Pd 为单个用户的检测概率,Pf 为
单个用户的虚警概率.可见, 合作检测性能PD 和PF 随着用户数N 的增加而提高.若在保证PD,PF 一定的条件下, 对单个CR 用户检测性能的要求会随着N 的增大而降低.当N →∞ ,单个用户的PD 将趋近于零.
1.3 合作检测模型
假设发射信号衰落服从高斯分布,不同认知用户的通信信道是相互独立的.如果发送一个信号x,接受信号y 的表达式为：
y 等于 f x + w
式（1.3.1）中：f 为衰落系数,w 为加性高斯噪声且为零均值的单位变量.
设每个用户均能获得信道状态信息.设一种协作感知模型[6],如图1 所示,认知用户U1、U2 以固定的TDMA 模式向基站感知无线电的一个最重要的要求是尽可能迅速地感知主用户是否存在,因此采用（BS）发送数据.当一个主用户开始使用一个频段时, 那么U1、U2 必须迅速地退出该频段,做到不对主用户造成干扰.图1 中,U1 处在主用户解码边界上,因为从主用户接收到的信号非常弱,以至于认知用户U1 需要很长时间才能检测到主用户的存在.在这里假设U1、U2 相互合作,且都知道主用户的位置,中继者没有发送功率限制,U1、U2 工作在同一个频段上,U1 和U2 以特定的频率向同一接收机发送信号,采用AF 协议合作感知,从而缩短了主用户的检测时间.
1.4 合作检测协议
合作检测协议一般分为两种[7]：AF（Amplify-and-Forward）协议和DF(Decode-and-Forward) 协议.AF 放大前传协议：第一个用户发送信号给中继者,中继者不经过任何处理将其转发给协作用户,从而得到很好的分集作用.DF 解码重传协议：协作用户将根据其接收信号,对主用户指示信号进行判决估计,并把相应的估计值前传给其他认知用户.
1.5 合作检测机理
在本文中采用AF 协议,如下表1 所示,在时间间隙T1 内,U1 传输,U2 论文范文；在时间间隙T2 内,U2 中继U1 的信息传输,U1 论文范文自己的信息,这样周而复始.在时间间隙T1 内,U2 从U1 接收到的信号为
式（1.5.1）中：α 为U1 发送的信号,h12 为U1,U2 之间的信道增益,并且信道是反向对称的.θ 为主用户指示器,当θ＝ 1 时,主用户存在；当θ ＝ 0 时,主用户不存在.hp2 代表主用户与U2 之间的信道增益.W1 为高斯白噪声.在时间间隙T2 内,U1 从U2 接受到的信号为:式（1.5.2）中：hp1 是主用户和U1 之间的瞬时信道增益；w 是加性高斯噪声；β 是U2 向普通接收者转发信息的比例系数[8],在这里假设中继者没有发射功率限制.任意选择β,β 选择如下：
人脸检测算法:游戏引擎 功能演示 实现动画, 地图, 碰撞检测, A* 搜索算法
1.6 合作检测常用算法
认知无线电中的合作检测算法主要有：硬判决、软判决和软硬判决相结合,下面分别介绍几种常用算法的思想.
1.6.1 硬判决算法
硬判决合作检测算法中,每一个认知用户的检测都采用硬判决, 判决结果仅包含“0” 或者“1” 两种, 然后把“0”或者“1”发送到处理中心参与合作检测.硬判决合作检测常用的算法有与(AND) 算法、或(OR) 算法、计数算法等.下面做简单介绍.
1.AND 算法
AND 算法[9] 是一种简单的算法,所有的用户检测当前频段的信号,判断当前频段是否空闲,然后把判断结果发给处理中心.处理中心接收到给定范围内认知用户的判断,采用AND 算法：即当且仅当所有的用户都检测到授权用户的信号时,系统才确认该频段正在被授权用户占用.假设有N 个认知用户参与合作,经过“与”算法检测后, 系统的检测概率PD 和虚警概率PF 分别为：
式(1.6.2) 中：Pdi 和Pfi 分别表示第i 个本地感知节点的检测概率和虚警概率,此算法的特点是可以大大降低系统的虚警概率, 但也会大大降低系统的检测概率.这就意味着更高的干扰冲突同时也有更高的频谱利用率.
2.OR 算法
合作检测的OR 算法[9]：只要有一个用户都检测到授权用户的信号时,系统就会确认该频段正在被授权用户占用.经“或”算法合作检测后, 系统的检测概率PD 和虚警概率PF 分别为：
从式(1.6.2) 中可以看出,此算法的特点是可以大大提高系统的检测概率, 但也会大大增加系统的虚警概率.
3.计数算法
计数算法是在AND 算法和OR 算法的基础上改进的,在计数算法中,处理中心接收到给定范围内认知用户的判断,采用计数算法,即当且仅当有一定数量的用户都检测到授权用户的信号时,系统才会确认该频段正在被授权用户占用.实际上AND 算法和OR 算法是计数算法的两个特例,前者要求的数量是N,而后者要求的数量是1.
1.6.2 软判决算法
在信道条件比较好的时候,认知用户测到的信号能量值和阈值接近时,硬判决的误差就很明显,这时候需要引入软判决.软判决合作检测算法中,每一个认知用户的检测都采用软判决,检测结果可以是似然比值,也可以是能量值；然后把软判决结果发送到处理中心.软判决合作检测算法常用的有分区算法、似然比算法、线性加权算法等[8-9].
1.6.3 软、硬判决联合算法
分区算法[10] 是一种综合利用了硬判决和软判决的方法.分区算法中存在两个能量阈值η1 和η2( 每个认知用户的阈值可以不一样),每个用户根据判决准则做出判决后把判决结果Ri发送到处理中心,处理中心先把判决结果Ri 分类,硬判决(0 或者1) 可以采用上述的AND 算法、OR 算法或者计数算法,假设采用OR 算法；对于软判决( 能量值Ti),处理中心的判决为：这里假设K 个协作用户中的第1 到第M 个用户提供软判决结果,同时引入了软判决阈值ηs.由于基本满足高斯分布,因此可以通过高斯概率密度分布函数计算S 的分布.综上所述,分区算法的最终判决准则为：分区算法在信道条件好的认知用户中采用了硬判决,而在信道条件较差的认知用户中采用了软判决,该方法相对于传统的硬判决OR 算法能够有很好的性能改进.
结束语：以上合作检测基本算法能够改善系统的检测性能,降低干扰冲突,提高频谱利用率,因此在认知无线电系统中得到了广泛的应用.而这些协作检测算法涉及的优化算法以及如何降低算法复杂度的问题,还有待于进一步的深入研究；目前基于认知无线电的频谱检测相关研究还远不成熟, 如考虑CR 用户的移动性和授权用户接收机位置不确定性的检测算法设计、在不同特性及业务的授权用户网络中CR 用户动态接入的信道模型的建立以及频谱检测的跨层设计等问题还有待进一步的深入研究；另外对初级用户的信号识别和特征提取以及建模技术、感知结果数据的分类提取以及后端处理技术、针对频谱感知技术开展仿真评估并开发一套相关技术的测试验证原型系统也有待进一步研究和成熟.
总结：该文是关于检测算法论文范文，为你的论文写作提供相关论文资料参考。
人脸检测算法引用文献:
[1] 英语学年论文抄袭率免费检测算法规则和原理介绍
[2] 电大毕业论文相似度检测算法规则和原理介绍
[3] 电大论文免费论文检测算法规则和原理介绍
