关键词:
认知无线电
认知无线传感器网络
宽带频谱感知
压缩感知
高阶统计量
盲检测
能量检测
摘要:
无线传感器网络(Wireless Sensor Networks,WSN)因应用广泛而备受研究人员关注,但是频谱资源紧缺问题限制了它的发展。将认知无线电(Cognitive Radio,CR)技术应用到无线传感器网络中组成认知无线传感器网络(Cognitive Radio Sensor Networks,CRSN)为解决这一问题提供了方法。为了在不干扰主用户(Primary User,PU)的正常通信的前提下接入授权频谱,认知无线传感器网络的认知节点需要不断地检测周围的频谱资源是否被主用户占用。因此,频谱感知技术不仅是认知无线电技术的重要基础,也是区分认知无线传感器网络与无线传感器网络的重要功能。然而,认知无线传感器网络中的频谱感知检测技术研究仍然面临着一些挑战:首先,现有的采用压缩感知(Compressive Sensing,CS)理论的算法大都需要重构原信号,算法计算复杂度很高;其次,传统的能量检测(Conventional Energy Detection,CED)频谱感知方法需要大量的采样样本数并且在低信噪比时检测性能容易因噪声波动而产生影响。为了解决以上问题,本文提出了两种频谱检测算法:(1)提出一种基于高阶统计量(High-Order Statistic,HOS)的压缩宽带频谱盲检测算法(简称HOS-CWSBD),该算法利用了压缩观测数据使采样数据量大大减少;并采用高阶统计量作为频谱检测的判决量,不需要重构出原信号,计算复杂度降低,在不知道主用户先验知识的情况下,也有良好的检测性能。(2)提出一种小样本能量检测中的双门限协作频谱感知方法,该算法不需要知道主用户的先验知识,并采用双门限减少了低信噪比时认知用户对主用户的干扰,利用多维高斯(Cubeof-Gaussian,CoG)近似处理检测结果,克服了传统能量检测方法因需要足够大的样本数使得传输数据大而导致认知无线传感器网络的节点能量消耗过大的问题,在融合中心(Fusion Center,FC)使用“大多数投票”原则做出最终判决,提高整个系统的检测性能。