[00111238]基于压缩感知的宽带认知无线电频谱感知算法研究

在无线电频谱资源作为一种稀缺资源,已经不能满足人们对无线带宽日益增长的需求,且各种无线通信技术如调制技术、链路自适应技术和MIMO技术等不断完善和发展对吞吐量的增加却非常有限的大背景下,本课题依托于黑龙江省青年科学基金,对认知无线电频谱感知算法展开了研究。为了解决频谱资源利用不均衡的矛盾,缓解频谱资源紧缺的问题,认知无线电（cognitive radio,CR）技术摒弃以往固定的频谱分配策略,使用动态的频谱分配策略,使非授权用户可以在不影响主用户通信的前提下,使用授权用户的频段资源,从根本上解决了因频谱分配制度不合理所导致的频谱资源紧缺的问题,为在有限的频谱资源下继续扩大通信带宽需求开辟了一条新的解决途径。认知无线电技术的目标是高效的利用空闲的频谱资源,因此一个关键问题就是如何准确、快速、有效的发现空闲的频谱资源,即频谱感知。频谱感知一方面要求能够有效的发现空闲的频谱资源以充分利用,另一方面还要及时感知授权用户（即主用户）的存在,以避免对主用户的传输产生干扰。因此,频谱感知的研究对于认知无线电技术的发展和实现具有非常重要的意义。基于本项目发表相关学术论文20余篇,其中SCI检索论文8篇。 本课题主要将无线传感器网络中的目标定位算法引入了认知无线电网络的信号源定位中,针对仿冒授权用户攻击,对基于压缩感知的单信号源定位算法进行了研究;在多信号源定位场景中,将多目标定位问题转换为基于压缩感知的信号重构问题,由于观测字典不满足RIP性质,因此,对基于奇异值分解的压缩感知多信号源定位算法进行了研究;针对宽带频谱感知中数据量较大的问题,对基于压缩感知和匹配滤波器的频谱感知方案进行了研究。主要成果有以下几个方面： 1、针对频谱感知检测性能易受噪声功率不确定性影响这一问题,提出了基于指数熵的认知无线电频谱感知算法,通过接收信号的频域幅值在存在授权用户信号和只存在噪声时所服从分布的不同进而导致的熵值的不同来进行频谱感知。 2、针对通信信号识别中的特征提取这一步骤,提出了基于熵值特征信号特征提取算法,该算法计算量较小,且熵值特征受信噪比的影响较小,熵值曲线在达到一定的信噪比后逐渐趋于平稳,在实际的应用中,具有比较好的特征提取效果。 3、针对通信信号识别中的特征提取这一步骤,提出了基于Holder系数特征的信号特征提取算法,该算法在低信噪比下具有相对较好的分类效果。 4、针对认知无线电频谱感知中的安全隐患问题,提出基于SNR加权的合作频谱感知方法,采用处理后主用户信号的SNR值作为融合中心判决时的加权值,有效提高了检测性能。 5、针对PUE攻击,提出了基于分形维数的抗PUE攻击的频谱感知方法,通过接收信号的分形维数特性,利用SVM分类器,有效识别信号调制类型,达到识别恶意攻击的目的。 其中,基于熵值特征信号特征提取算法,为提高特征信号提取效果提供了有效途径。基于Holder系数特征的信号特征提取算法,为工程中低信噪比下的通信调制信号的识别提供理论依据。基于SNR加权的合作频谱感知方法,有效提高了信号检测性能。基于分形维数的抗PUE攻击的频谱感知方法,有效提高了恶意攻击的识别效果这些科学发现及其研究成果着力解决了宽带认知无线电频谱感知的关键理论及技术问题,超越了无线电信号感知与处理的已有性能。数据融合、匹配算法及参数辨识可应用于通信、导航、控制等领域。