认知无线电中非高斯噪声下主用户信号的协作检测方法

J4 ›› 2011, Vol. 33 ›› Issue (10): 164-168.

认知无线电中非高斯噪声下主用户信号的协作检测方法

朱晓梅,包亚萍

(南京工业大学电子与信息工程学院，江苏南京 210009)

收稿日期:2010-10-19 修回日期:2010-12-30 出版日期:2011-10-25 发布日期:2011-10-25

Cooperative Signal Detection of the Primary User in the NonGaussian Noise for the Cognitive Radio

ZHU Xiaomei,BAO Yaping

(School of Electronics and Information Engineering,Nanjing University of Technology,Nanjing 210009,China)

Received:2010-10-19 Revised:2010-12-30 Online:2011-10-25 Published:2011-10-25

摘要/Abstract

摘要：

本文研究了非高斯噪声情况下主用户的频谱检测问题，采用混合高斯模型拟合了非高斯噪声背景，并采用矩估计方法对混合高斯模型的混合系数等参数进行了估计。在此基础上，将混合高斯Rao检测方法应用于主用户的频谱检测，推导了混合高斯Rao检测的检测统计量和检测性能公式，分析比较了混合高斯Rao检测与高斯Rao检测的性能。此外，建立了多用户协作的检测模型并推导了基于改进的OR准则的协作检测性能公式。通过理论分析和蒙特卡罗仿真说明了在虚警概率一定的情况下,基于混合高斯Rao检测的方法能有效地提高非高斯噪声下主用户的检测性能。

关键词: 认知无线电, 非高斯噪声, Rao检测, 协作

Abstract:

This paper addresses the primary user’s spectrum detection in the nonGaussian noise. The mixedGaussian model is used to fit the nonGaussian noise, and the mixture parameter and other parameters in the mixture model are estimated by moment estimation. The testing statistics of the mixedGaussian Rao detection and expressions of performance are derived by comparing the mixedGaussian Rao detection method to the Gaussian Rao detection. In addition, a multiuser the cooperative detection model is established and the cooperative detection performance formula is derived based on the improved OR rule. Through theoretical simulations and Monte Carlo simulations, it shows that with a given probability of false alarm, detection method based on mixedGaussian Rao can effectively improve the primary user detection performance under the nonGaussian noise.

Key words: cognitive radio;nonGaussian noise;Rao detection;cooperation

朱晓梅,包亚萍. 认知无线电中非高斯噪声下主用户信号的协作检测方法[J]. J4, 2011, 33(10): 164-168.

ZHU Xiaomei,BAO Yaping. Cooperative Signal Detection of the Primary User in the NonGaussian Noise for the Cognitive Radio[J]. J4, 2011, 33(10): 164-168.

[1]	卢明妤, 李陶深, 吕品. 无线携能通信下mmWave协作通信小单元的能效最优策略[J]. 计算机工程与科学, 2024, 46(04): 626-634.
[2]	尹玲, 谢志军. 基于时空协作的多移动充电器充电路径规划的研究[J]. 计算机工程与科学, 2021, 43(12): 2183-2189.
[3]	卢冬冬, 吴洁, 刘鹏, 盛永祥. 开源软件社区知识协作网络核心开发者识别[J]. 计算机工程与科学, 2021, 43(03): 551-559.
[4]	郭竞知, 刘玮, 徐龙龙, 陈灯 . Agent能力承诺协作的自适应图规划协议生成算法[J]. 计算机工程与科学, 2020, 42(07): 1208-1214.
[5]	李召义，刘占军，薛亚茹，刘红霞. 基于势博弈的认知全双工中继选择策略研究[J]. 计算机工程与科学, 2019, 41(02): 286-292.
[6]	张建明1,2，廖婷婷1,2，吴宏林1,2，刘宇凯1,2. 基于改进分数阶SVD的块协作表示的小样本人脸识别算法[J]. 计算机工程与科学, 2018, 40(07): 1237-1243.
[7]	刘召1,2，宋立滨2，于涛2，郭凯2，王增喜2，耿美晓2. 基于IMU的主动伴舞机器人人机协作控制算法[J]. 计算机工程与科学, 2018, 40(01): 128-132.
[8]	贾向东1,2，颉满刚1，周猛1. 非同分布衰落环境下最大链路选择方案及性能研究[J]. 计算机工程与科学, 2017, 39(11): 2006-2015.
[9]	张云蕾，刘开华，马永涛，李洋. 基于多频段传感器辅助认知无线电网络的高能效传感器调度算法[J]. 计算机工程与科学, 2017, 39(08): 1438-1443.
[10]	陈源，林海涛. 多层次P2P流量分类方法研究[J]. 计算机工程与科学, 2016, 38(12): 2471-2477.
[11]	林雪松1，杨万清1，夏元斗1，程松2. 基于认知的智能电网家域接入控制网络非合作博弈功率控制算法比较研究[J]. 计算机工程与科学, 2016, 38(12): 2529-2535.
[12]	龙敏，吴靓. 认知无线电网络中安全的协作频谱检测算法[J]. 计算机工程与科学, 2016, 38(10): 2045-2050.
[13]	罗健，廖俊国，李雄. P2PSpaceTwist:一种主动式用户协作的位置隐私保护方法[J]. 计算机工程与科学, 2016, 38(08): 1661-1668.
[14]	刘西成，席建中. 无线传感器网络中协作误差传播感知的机会可靠传输机制[J]. J4, 2016, 38(06): 1141-1148.
[15]	郑延斌, 段领玉, 李波, 梁凯. 基于演化博弈惩罚机制的多智能体协作稳定性研究[J]. 计算机工程与科学, 2015, 37(09): 1682-1687.