車(chē)載認(rèn)知無(wú)線(xiàn)電中的信號(hào)檢測(cè)與參數(shù)估計(jì)技術(shù)研究.pdf

1、為了使未來(lái)的無(wú)線(xiàn)通信系統(tǒng)能滿(mǎn)足更多的商業(yè)和公共服務(wù)的需求，擴(kuò)大系統(tǒng)容量已經(jīng)成為當(dāng)今無(wú)線(xiàn)通信領(lǐng)域最重要的研究課題。認(rèn)知無(wú)線(xiàn)電技術(shù)是通過(guò)機(jī)會(huì)主義的頻譜資源共享來(lái)提高整個(gè)系統(tǒng)的容量，所以近年來(lái)該技術(shù)作為最有競(jìng)爭(zhēng)力的備選方案已經(jīng)被廣泛研究。認(rèn)知無(wú)線(xiàn)電應(yīng)用中第一步也是最重要的技術(shù)是在感興趣的頻段內(nèi)檢測(cè)頻譜的使用情況，即判斷原始用戶(hù)是否存在。為保障原始用戶(hù)不受到干擾并且為認(rèn)知無(wú)線(xiàn)電用戶(hù)爭(zhēng)取到更多的可用時(shí)間，原始用戶(hù)的檢測(cè)工作必須在低信噪比和短時(shí)間內(nèi)

2、完成。所以，認(rèn)知無(wú)線(xiàn)電中信號(hào)檢測(cè)問(wèn)題的最大挑戰(zhàn)是尋找在低信噪比和小樣本數(shù)情況下性能優(yōu)良的檢測(cè)算法和檢測(cè)策略。本論文提出用多部車(chē)輛做為檢測(cè)設(shè)備的載體，對(duì)原始用戶(hù)進(jìn)行快速檢測(cè)。根據(jù)不同的檢測(cè)要求和環(huán)境情況，研究了不同的檢測(cè)策略和檢測(cè)技術(shù)，包括時(shí)頻技術(shù)、合作協(xié)作、空域技術(shù)等。主要工作和貢獻(xiàn)如下：
　　1.以已開(kāi)放頻段的原始用戶(hù)信號(hào)——ATSC數(shù)字電視信號(hào)為例，提出了不同的時(shí)頻信號(hào)檢測(cè)算法。在完成ATSC數(shù)字電視信號(hào)建模的基礎(chǔ)上，通過(guò)分析

3、其頻譜特性，提出了導(dǎo)頻信號(hào)檢測(cè)算法。根據(jù)ATSC數(shù)字電視信號(hào)的特殊編碼結(jié)構(gòu)，提出了數(shù)據(jù)域同步信號(hào)檢測(cè)算法和數(shù)據(jù)段同步信號(hào)檢測(cè)算法。通過(guò)分析ATSC數(shù)字電視信號(hào)的統(tǒng)計(jì)特性，提出了周期平穩(wěn)信號(hào)檢測(cè)算法。通過(guò)仿真實(shí)驗(yàn)，給出了這幾種檢測(cè)算法的性能分析，為工程實(shí)現(xiàn)提供了可靠的理論依據(jù)。
　　2.對(duì)車(chē)載合作感知系統(tǒng)進(jìn)行討論并完成系統(tǒng)仿真。在該系統(tǒng)中，多部車(chē)載設(shè)備通過(guò)中心協(xié)調(diào)式合作策略對(duì)ATSC數(shù)字電視信號(hào)進(jìn)行合作檢測(cè)。整個(gè)仿真系統(tǒng)可以分為信號(hào)

4、產(chǎn)生，信號(hào)檢測(cè)以及數(shù)據(jù)融合三個(gè)部分。信號(hào)產(chǎn)生部分主要生成需要檢測(cè)的原始用戶(hù)信號(hào)，即將通過(guò)車(chē)載信道后的ATSC數(shù)字電視信號(hào)為接收數(shù)據(jù)。車(chē)載信道包括不同環(huán)境下的衰落、陰影效應(yīng)和多徑等。信號(hào)檢測(cè)部分可以采用簡(jiǎn)單的盲檢測(cè)算法也可以采用特征檢測(cè)算法。數(shù)據(jù)融合部分主要使用了軟判決和硬判決的數(shù)據(jù)融合策略。在仿真實(shí)驗(yàn)中，采用經(jīng)典的環(huán)境參數(shù)并且對(duì)檢測(cè)算法和數(shù)據(jù)融合算法進(jìn)行不同的組合。仿真實(shí)驗(yàn)結(jié)果為不同情況下的策略選擇提供了理論依據(jù)。
　　3.通過(guò)多

5、信號(hào)特征分析，提出了基于樣本特征值的檢測(cè)算法。在該算法中，首先將多部車(chē)輛接收到的樣本組成數(shù)據(jù)矩陣，然后通過(guò)特征分解得到樣本特征值并且利用樣本特征值構(gòu)造出檢測(cè)統(tǒng)計(jì)量，最后通過(guò)和檢測(cè)門(mén)限做比較獲得判決結(jié)果。提出了兩種適用于樣本數(shù)較少情況下的檢測(cè)統(tǒng)計(jì)量，并且根據(jù)樣本特征值的波動(dòng)特性給出相應(yīng)的檢測(cè)門(mén)限。通過(guò)仿真實(shí)驗(yàn)可以證明這兩種算法能夠有效地在短時(shí)間內(nèi)完成對(duì)原始用戶(hù)的檢測(cè)。
　　4.討論了原始用戶(hù)個(gè)數(shù)估計(jì)算法。分析了傳統(tǒng)個(gè)數(shù)估計(jì)算法在樣本

6、數(shù)較少時(shí)性能下降的原因，給出了利用特征值完成信號(hào)檢測(cè)時(shí)所需的極限能量。提出了利用樣本特征值構(gòu)造檢測(cè)統(tǒng)計(jì)量的兩種方法，并結(jié)合序列假設(shè)檢驗(yàn)方法給出了原始用戶(hù)個(gè)數(shù)估計(jì)算法。通過(guò)理論分析和仿真實(shí)驗(yàn)，證明了這兩種估計(jì)算法在樣本數(shù)較少的環(huán)境下，比傳統(tǒng)信號(hào)源個(gè)數(shù)估計(jì)算法和許多近年來(lái)提出的改進(jìn)算法具有更優(yōu)的估計(jì)性能。
　　5.討論了原始用戶(hù)的來(lái)波方向估計(jì)算法。首先，分析了短數(shù)據(jù)和低信噪比情況下，基于子空間的測(cè)向算法性能衰減的原因，然后，提出了一種