本文详细介绍了三种频谱感知的方法：匹配滤波检测、能量检测、周期平稳过程特征检测。认知无线电技术的研究为震后应急通信建设提供了新的思考模式和技术前景。

针对传统频谱感知检测概率较低的不足，提出了一种基于随机矩阵特征值比的机会协作频谱感知算法。该算法在随机检测理论基础上，利用双门限，加入机会协作机制，对传统最大最小特征值（MME）算法进行改进，并保留了传统能量检测算法的低复杂度优势。在已知虚警概率前提下，推导了判决门限，并在接收中依靠奇偶时隙划分，有效实现了机会协作。仿真结果表明，在低信噪比和低虚警概率的情况下，所提频谱感知算法，相对MME算法有更高的检测概率，适合在恶劣传输信道的无线通信中应用。

基于地理位置信息的抗SNR攻击的频谱感知技术

前已提出的频谱感知方法主要包括匹配滤波器检测、 能量检测、 循环平稳特征检测以及多分辨率频谱感知. 这些方法均为单节点感知方法.然而，在阴影和深度衰落情况下， 单个节点的感知结果并不可靠， 因此， 需要对多个节点的感知结果进行融合，以提高检测可靠性， 即协作感知技术. 文献采用“或” 准则对各个 CR 感知结果进行融合. 文献则提出了基于 D-S 证据理论的协作频谱感知算法，虽然该算法的性能比“或” 准则或“与”准则要好， 但需要存储大量历史信息， 算法的计算复杂度也很高. 文献中分析了采用似然比检测(likelihood ratio test， LRT) 的软判决与采用“与” 准则的硬判决的性能， 结果表明采用软判决的协作感知性能更优

协作频谱感知和适应环境，认知无线电能够填补频谱空洞并在不对授权用户造成有害干扰的情况下提供服务。 我们考虑使用能量检测优化协作频谱感知以最小化总错误率。

认知无线电中频谱感知的几种检测方法，能量检测、匹配滤波器检测、循环特征检测

认知无线电频谱感知方法和程序 希望对大家有用谢谢

文中将认知无线电应用于无线传感器网络中,考虑了传感器节点的能量有限、传输数据量较多、频谱资源受限、次用户如何避免占用主用户信道等情况下,构建一种认知无线传感器系统模型。该系统在对授权用户不造成干扰的前提下提高频谱利用率,解决频谱资源受限的问题,并在此基础上提出了基于贝叶斯准则融合的协作频谱感知方案,同时定量的分析了虚警代价与漏验代价对系统的影响。仿真结果表明,相比传统的或融合、与融合协作频谱感知方案而言,该方案较好的提高了无线传感器网络频谱感知的可靠性和准确性,同时更明确地指出虚警代价相比于漏验代价大时,

关于MATLAB能量检测频谱感知算法的研究代码

宽带频谱感知技术要实现直接观测宽带频谱， 然后检测出其中所有的主用户信号，需要极高的采样速率并处理海量的数据。 由于压缩感知理论为实现低速率宽带频谱感知提供了理论基础， 因此宽带压缩频谱感知技术成为一个重要的研究方向。 然而， 传统压缩感知模型会对频域离散化， 产生基不匹配问题， 从而降低对主用户信号频率估计的准确性。 此外， 主用户的通信行为是未知且随时间而变化的， 导致宽带频谱稀疏结构的动态变化， 给宽带压缩频谱感知带来困难。 另一方面， 由于无线信号受多径效应和其他因素的影响， 可能存在认知用户接收到某个主用户信号能量过低而无法准确检测到该主用户信号存在的情况， 造成感知性能下降。 这些都是宽带压缩频谱感知客观存在且急需解决的问题。 根据宽带压缩频谱感知技术的研究现状， 将目前存在的困难总结成四点， 即准确性、 实时性、动态性、衰落性。本文的研究内容围绕这四点展开，研究层次由浅入深逐渐递进。 首先， 根据原子范数和无网格压缩感知理论，建立基于原子范数的宽带压缩频谱感知模型， 并提出求解该模型的快速算法， 实现高斯信道下的静态宽带压缩频谱感知；然后， 结合卡尔曼滤波器理论， 建立动态宽带压缩频谱感知模型，实现高斯信道下的动态宽带压缩频谱感知；最后， 利用联合频谱感知方法， 建立基于原子 MMV 的宽带压缩频谱感知模型，实现频率非选择性慢衰落信道下的宽带压缩频谱感知。