联合发射角-频率域的在线频谱感知关键技术研究

为实现无线资源的有效共享和综合利用，以认知无线电技术的实时性为背景，本项目提出了一种可使用于移动主用户终端的发射角-频率的在线联合频谱感知技术。针对其中的关键技术，我们提出了基于空间时频分析和最小方差方法相结合的发射角-频率在线频谱估计技术、基于单纯形-量子粒子群优化的发射角和频率的在线估计技术以及基于量子粒子群优化的支持向量集学习的实时决策技术。通过对上述关键技术的研究，我们最终期望实现发射角-频率域上的在线联合频谱感知，从时间、频率和主用户发射角等信息实时考察无线频谱资源，获得多种描述资源特征参数，服务于更高性能的无线频谱资源分析和分配，为认知无线电技术在当前无线通讯系统中的进一步扩展应用奠定科学基础。

随着认知无线电技术的发展，传统的频谱感知仅仅检测出主用户是否存在已经远远不能满足要求。人们越来越迫切希望通过频谱感知更详细了解主用户的频率、波束方向等基本信息，以便能更有效地提高频谱利用率。在基金委资金资助下，我们移动主用户多维频谱感知研究领域取得了一些原创性研究成果，顺利完成了项目研究内容与预期目标，所取得成果如下：.1）利用AR模型谱密度峰值来分析并判断主用户信号的存在，并结合距离-多普勒谱图实现对主用户的时间和频率维的感知方法。本方法不仅提供了多维的感知信息，同时保证了低信噪比下的高检测性能。.2）提出了基于滑动窗MUSIC算法的频谱感知算法，利用MUSIC算法空间谱的波峰估计信号的波达方向，利用空间谱检测主用户是否存在，并结合滑动窗得到主用户信号的时间和波达角度维信息。.3）提出了基于瑞利商的加权协作频谱感知方法。该方法通过给每个认知用户在每个采样时刻都分配一个合适的权重系数，使得认知无线电中所有感知用户的采样信息都能得到充分的利用，从而提高频谱感知的检测性能，并通过理论分析推导得出检测概率、虚警概率、以及判决门限等理论公式。最后仿真分析证明该算法和经典的加权算法有更好的检测性能。.4）在实际的通信环境中，由于整个无线信道的不确定性，参与序贯感知的认知用户的判定结果会出现判决错误。此时，为了达到要求的检测性能，一般会要求更多的感知用户参与到协作感知中，必然使得序贯检测的平均检测时间大大延长，降低序贯检测的效率。针对这个问题，我们提出了基于瑞利商的序贯检测算法，通过对参与序贯感知的认知用户在每个采样点上设定合理的权重，达到提高序贯感知算法的检测性能，减少感知时间，提高序贯感知的效率。