基于均勻線陣的頻譜感知算法研究.pdf

1、物聯(lián)網(wǎng)技術(shù)（Internet of Things，IoT）、4G、5G等無線通信技術(shù)的高速發(fā)展將帶來巨大的無線接入量和移動數(shù)據(jù)流量，給整個社會帶來巨大的生產(chǎn)力。但是有限的無線頻譜資源及其分配方式已經(jīng)成為了制約新興技術(shù)的關(guān)鍵因素。目前頻譜的靜態(tài)分配方式已無法滿足人們的需求，人們積極尋求更為高效合理的頻譜利用方式。認知無線電(Cognitive Radio，CR)的出現(xiàn)為動態(tài)高效地利用頻譜資源提供了系統(tǒng)的解決方案，而頻譜感知技術(shù)則是CR系統(tǒng)

2、的關(guān)鍵技術(shù)和基礎(chǔ)前提。它通過積極主動地感知授權(quán)用戶（Primary User，PU）信號，尋找在各種維度中出現(xiàn)的未被充分利用的頻譜資源，即頻譜空洞（Spectrum Hole），為認知用戶（Secondary User，SU）的動態(tài)頻譜接入（Dynamic Spectrum Access，DSA）提供支持，進而實現(xiàn)對頻譜資源的動態(tài)共享（Dynamic Spectrum Sharing，DSS）。
　　論文首先分析了現(xiàn)有的基礎(chǔ)的頻譜

3、感知算法，并給出了天線陣模型下的能量檢測算法，給出了其性能分析表達式在天線陣模型下的推廣形式。然后，分析了基于協(xié)方差特性的頻譜感知方法，該方法的核心思想是信號的出現(xiàn)將反映在協(xié)方差矩陣的形式上，通過衡量協(xié)方差矩陣形式的改變，來衡量是否有效感知到信號的存在。基于特征值的頻譜感知方法由協(xié)方差矩陣頻譜感知算法發(fā)展而來，該算法基于特征子空間技術(shù)，能有效反映出協(xié)方差的變化。同時該方法在物理意義上也能反映出信號的功率、相關(guān)性等，是便捷有效的頻譜感知方

4、法。在上述兩類算法中，對協(xié)方差矩陣的估計精度將直接影響頻譜感知的性能。文中通過使用時空二維協(xié)方差估計算法對協(xié)方差矩陣的估計算法進行了改進，能有效提高上述兩類頻譜感知算法的性能。
　　由于特征值分布比較復(fù)雜，因此基于特征值的頻譜感知算法難以實現(xiàn)對關(guān)鍵指標參數(shù)的控制。對于天線陣環(huán)境下，我們通過分析空間譜密度與特征值的關(guān)系，說明了空間譜密度對特征值的可替代性。本文通過特征向量子空間方法，建立特征值與譜密度的關(guān)系，分析提出了天線陣條件下基