论文部分内容阅读
随着物联网技术的蓬勃发展,移动通信业务种类及设备数量急剧增长,为了满足海量用户与业务的对通信的速率、时延、能耗的需求,需要大量的频谱资源以及高效的调度资源方式。然而,频谱资源作为一种有限的资源,由政府固定地划分并统一分配给特定的业务,因此十分稀缺。认知无线电通过动态的频谱感知技术,有效地提高频谱利用率,缓解频谱资源紧张的状况。本篇论文对认知无线电中的高效的频谱感知算法进行了深入的研究,主要目的是使所提的算法实现较低的计算复杂度,需要较小的带宽代价,或在感知时耗费较少的能量。工作内容和创新部分总结如下:1、研究了基于特征值的频谱感知算法。针对特征值类感知算法计算复杂度偏高、门限不精确的不足,本文利用LDLT的分解方式提出了两种算法,分别选取LDLT分解得到的最大特征值与最小特征值作为检验统计量,将计算复杂度降低至传统特征值检测算法的三分之一。此外,利用硬判决准则推导出所提算法的门限和虚警概率的理论关系。理论分析和仿真实验均表明,所提的两种算法在协作用户数量较少时检测性能优于普通特征值分解的算法。2、研究了协作频谱感知中软合并与硬合并的折衷关系。软判决算法在本地数据传输过程中带宽消耗较高,但也因此融合中心会获得更加准确的主用户信号功率,感知性能较好。硬判决策略的本地传输带宽仅为1bit,然而这也会影响感知性能。可以看出,本地用户的传输带宽与检测性能之间存在着一定的关系。本文设计了一种带宽与性能折衷的算法,将协作用户在本地判决结果利用均匀分布和高斯截断分布的数学期望进行数据还原,并在融合中心重新判决。此外还给出了带宽消耗的理论分析,仿真实验证实了所提算法感知性能接近软判决感知算法,而平均带宽代价不超过2bit。3、研究了异构网络中信道与感知节点的分配与优化问题。能量收集技术是从外界环境为设备获取能量的一种技术,在异构网络中应用该技术可以保障节点的长期工作。信道的状态信息在频谱感知中是一种重要的先验信息,在本文中,考虑这一先验信息,并应用能量收集技术,研究了异构网络中的感知传感器的能效问题。同时设计了帧结构,利用先验信息对下一帧的信道状态进行预测,最终建立数学模型并利用贪婪算法得到了最优感知能效下的参数。总而言之,所提的算法以效率为出发点,解决了不同场景下感知技术尚且存在的一些问题,理论和仿真分析均表明所提的这些算法具有一定的理论意义和应用价值。