基于随机共振噪声增强检测的认知无线网络频谱感知理论与技术研究

频谱感知是认知无线网络（CRN）的基础性关键技术，要求在极低信噪比下快速、可靠地检测主无线网络对频谱的使用。研究显示：基于经典信号检测理论的现有技术并不能很好满足CRN频谱感知的需求。本项目利用随机共振（SR）在微弱信号检测中的独特优势，研究基于SR噪声增强检测（SR-NED）的CRN频谱感知理论，利用而不是抑制噪声来提高频谱感知性能。根据该理论，本项目将提出基于SR-NED的CRN频谱感知技术，通过在接收数据中添加特定的SR噪声,改变接收数据及检测统计量的概率分布,使之与频谱感知算法更匹配，从而大幅度提高频谱感知的性能。在研究中，本项目将建立SR噪声与频谱感知算法性能之间的关系模型，揭示SR噪声对频谱感知算法的作用机理，分别针对单节点和多节点协同频谱感知，得出优化SR噪声的概率分布及其求解算法。本项目的研究将为CRN提供满足需求的频谱感知新技术，并进一步丰富SR信号检测理论及其应用领域。

频谱感知是认知无线网络（CRN）的基础性关键技术，要求在极低信噪比下快速、可靠地检测主无线网络对频谱的使用。本项目利用随机共振（SR）在微弱信号检测中的独特优势，提出了基于SR的CRN频谱感知理论和技术，利用而不是抑制噪声来提高频谱感知性能。项目首先从理论上导出了最大化输出信噪比（SNR）的双稳态SR系统参数设计方法，奠定了SR应用于CRN频谱感知的理论基础。以此为基础，项目提出了两类基于SR的CRN频谱感知技术：SR噪声增强和自适应SR增强的频谱感知。SR噪声增强的频谱感知方法通过在接收数据中添加特定的SR噪声,改变接收数据及检测统计量的概率分布,使之与频谱感知算法更匹配，大幅度提高频谱感知性能。自适应SR增强的频谱感知将接收信号通过与背景噪声相匹配的随机共振系统进行预处理，增大输出信号的SNR，并使含噪信号与噪声在时频域具有更显著的差异性，便于利用简单的检测方法提高频谱感知性能。项目进一步利用SDR平台对SR增强的频谱感知算法进行了验证，证实了所提理论和方法的可行性。此外，项目还针对CRN中的多天线频谱感知和感知与传输优化设计进行了拓展研究，提出了提高检测概率和平均吞吐量的优化方法。本项目的研究成果可为CRN提供满足需求的频谱感知新技术，并进一步丰富了SR信号检测理论及其应用领域。