认知无线电中基于循环谱的双门限自适应频谱感知算法研究

基于能量检测的频谱感知方法介绍，详细介绍了能量检测方法，以及认知无线电技术

一种新的基于SVM的频谱感知方法

针对单节点频谱感知中存在的隐蔽终端和多径衰落问题，协作频谱感知应运而生。协作频谱感知有集中式和分布式之分。主要研究了集中式频谱感知中的数据融合技术，通过MATLAB进行建模仿真。仿真结果表明，集中式协作感知模型下软判决比硬判决更好地改善了检测性能，而软判决准则中C-V准则在高信噪比下检测性能最好，EGC准则在低信噪比下检测性能最好。

无线设备在人们的工作与生活中正发挥着越来越重要的作用，物联网技术以及5G技术的普及带来用频设备数量的暴增将使频谱资源稀缺的问题更加凸显。能量检测在时域对接收到信号采样，进行FFT、模值平方运算，经过累加取平均后，得到接收信号的平均能量 ，与设定的门限 比较做出判决。

认知无线电频谱感知技术是解决频谱资源利用率的关键技术，频谱感知技术最主要也就是最基本的方法是能量检测算法，检测概率和虚警概率是衡量其性能的重要指标。本文用matlab的仿真方法分析了，单用户和多用户下能量检测ROC曲线

通过对传统频谱感知算法能量检测，匹配滤波检测，循环平稳特征检测分析，在不同SNR下的Matlab仿真性能对比，比较各类算法优缺点。本代码仅供学习研究，转载请注明出处。

由于频谱感知中信道稀疏度动态变化，导致分布式频谱感知网络中节点间信息传输频繁，消耗感知网络通信带宽。为了缓解网络通信带宽压力，提出分布式的1 bit压缩频谱感知算法。各节点对感知数据进行压缩采样并1 bit量化，然后融合节点采用JSM-2模型对数据进行融合，最后通过BIHT算法重构信号频谱，实现频谱感知。仿真结果表明，在低信噪比和较少的采样数目下，分布式的1 bit压缩频谱感知算法能具有较好的频谱检测性能，是一种可实用的频谱感知方法。

频谱感知与机器学习论文阅读记录.docx

根据分布式压缩感知理论,提出一种宽带协作频谱感知的方式。该方式相比于以往的协作压缩频谱感知方式,认知用户传向融合中心的数据精简为压缩信号,各个压缩信号在融合中心进行融合重构,这样就减少传向融合中心的数据量,缓解融合中心的数据压力,并且可以提高信号重构的成功率。同时,根据压缩抽样匹配追踪算法,提出一种联合压缩抽样匹配追踪算法。该算法思想是通过加权融合测量样本、迭代重构原信号,以恢复共同的频谱支撑集,完成协作频谱感知。仿真结果表明:与经典的DCS-SOMP算法相比,本文算法性能更优,所需的滤波器数更少。