期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于可信度的半双工协同频谱检测 被引量:1
1
作者 张余 潘成康 +1 位作者 杨文东 蔡跃明 《信号处理》 CSCD 北大核心 2008年第6期1012-1017,共6页
提出了基于可信度的半双工协同频谱检测方案。该方案利用贝叶斯方法来确定协同用户的可信度,分别就具有单协同用户和多协同用户的半双工协同频谱检测进行了研究,分析了可信度对协同频谱检测的影响。分析和仿真结果表明,本文策略不但能... 提出了基于可信度的半双工协同频谱检测方案。该方案利用贝叶斯方法来确定协同用户的可信度,分别就具有单协同用户和多协同用户的半双工协同频谱检测进行了研究,分析了可信度对协同频谱检测的影响。分析和仿真结果表明,本文策略不但能提高检测概率、降低检测时间,还能排除故障用户对检测性能的影响、减少恶意用户的干扰。 展开更多
关键词 协同频谱检测 可信度 捷变增益 检测概率
下载PDF
基于盲稀疏度匹配追踪的协同频谱检测 被引量:1
2
作者 陈晓芳 朱翠涛 《计算机工程》 CAS CSCD 2012年第15期81-83,共3页
针对认知用户接收的未知稀疏度信号,提出一种基于盲稀疏度匹配追踪的协同频谱检测算法。该算法自动调节候选集原子的数量后,在迭代过程中采用阶段转换得到稀疏度,并利用回退机制获得全局最优支撑集,同时通过SNR估计选择最优协作用户进... 针对认知用户接收的未知稀疏度信号,提出一种基于盲稀疏度匹配追踪的协同频谱检测算法。该算法自动调节候选集原子的数量后,在迭代过程中采用阶段转换得到稀疏度,并利用回退机制获得全局最优支撑集,同时通过SNR估计选择最优协作用户进行联合检测,从而实现频谱的快速检测。实验结果表明,在相同条件下,该算法的检测效果优于同类算法,检测率比无选择对象的协作检测方法提高约25%。 展开更多
关键词 压缩感知 认知无线电 匹配追踪 盲稀疏度 协同频谱检测
下载PDF
重加权分布式多目标决策融合算法 被引量:1
3
作者 王静 朱翠涛 《计算机工程》 CAS CSCD 2013年第11期87-90,共4页
在认知无线电网络中,单一子频段检测信息融合效率低,且融合过程中权值系数为固定值不能实现最优化。为解决该问题,提出一种重加权分布式多目标决策融合算法。该算法并行检测多个子频段,将自适应的稀疏权值矩阵运用在分布式决策融合算法... 在认知无线电网络中,单一子频段检测信息融合效率低,且融合过程中权值系数为固定值不能实现最优化。为解决该问题,提出一种重加权分布式多目标决策融合算法。该算法并行检测多个子频段,将自适应的稀疏权值矩阵运用在分布式决策融合算法中,利用最速下降法对优化问题进行求解,并结合用户与信道信息选取最佳的合作用户及数量。实验结果表明,该算法在低信噪比环境下的检测概率和稳定性能都得到较大提高。 展开更多
关键词 认知无线电 协同频谱检测 平均一致性 决策融合 压缩感知 最速下降法
下载PDF
联合稀疏频谱检测算法研究
4
作者 王艳妮 朱翠涛 《计算机工程与应用》 CSCD 2014年第3期71-74,共4页
为了提高联合稀疏频谱环境下未知稀疏度信号的检测精度和速度,提出了一种联合稀疏可变步长的匹配追踪感知算法。算法根据信号内部及信号之间的相关性,利用一种原子匹配测试得到稀疏度的粗估计,采用变步长思想逼近全局最优支撑集,初始阶... 为了提高联合稀疏频谱环境下未知稀疏度信号的检测精度和速度,提出了一种联合稀疏可变步长的匹配追踪感知算法。算法根据信号内部及信号之间的相关性,利用一种原子匹配测试得到稀疏度的粗估计,采用变步长思想逼近全局最优支撑集,初始阶段利用大步长快速匹配以提高收敛速度,根据恢复情况减小步长以实现精确逼近。实验结果表明:改进的算法在检测概率和收敛速度上均优于SOMP和SSAMP算法。 展开更多
关键词 认知无线电 压缩感知 协同频谱检测 匹配追踪
下载PDF
认知无线电网络中基于最大似然准则的协同频谱检测算法研究
5
作者 郭文婷 潘志文 《信息化研究》 2009年第10期36-39,共4页
提出一种集中式频谱协同检测算法。各认知节点采用能量检测算法,然后使用最大似然准则进行本地判决,且把似然比作为本地判决可靠性的度量;中心节点基于可信度对接收到的认知节点本地检测数据进行数据融合。仿真结果显示,文中提出的认知... 提出一种集中式频谱协同检测算法。各认知节点采用能量检测算法,然后使用最大似然准则进行本地判决,且把似然比作为本地判决可靠性的度量;中心节点基于可信度对接收到的认知节点本地检测数据进行数据融合。仿真结果显示,文中提出的认知节点协同频谱检测方案能够减少误检概率。特别是当信道处于深衰落时,少量节点参与协同就能获得较好的检测性能。 展开更多
关键词 认知无线电 协同频谱检测 最大似然准则
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部