论文部分内容阅读
随着无线电通信需求的不断增长,适用于无线通信的频谱资源变得日益紧张,因此人们提出采用认知无线电(Cognitive Radio, CR)技术来解决频谱资源不足的难题。其关键技术之一的频谱检测技术是指检测找出周围环境中未使用的空白频段(频谱空穴)进行通信,从信号检测角度来看就是需要正确并及时检测得出授权信号是否存在。另外,由于CR用户所处的环境非常恶劣,信噪比(SNR)十分低,甚至低到SNR = ? 20 ~ ?4 0dB,那么其信号检测方法必须有很好的抗噪能力才能适用。因此,找到一些能适用在负信噪比环境下的信号检测与分类的方法,对于CR通信的频谱检测是至关重要的。本文重点研究了CR通信中频谱检测技术的信号检测部分,对现有的主流方法进行了分析与分类,并针对调频信号提出了抗噪性能较好的改进的时频分析算法。主要工作如下:(1)将传统频谱检测方法分为两步进行,第一步为检测宽带信号进行频段划分,第二步为检测划分后的各频段内的信号。本文使用基于小波变换的方法来进行频谱检测的第一步,但由于单纯小波变换抗噪能力不佳,因此本文提出了在小波变换之前先进行小波去噪这一思想,使其能适用于噪声大的环境中。对基于模拟的信号功率谱密度进行了仿真并得出了有效的结论。(2)进行频谱检测的第二步,即为信号特征检测。讲述了基于循环平稳性的特征检测方法,推导了该方法的核心函数——频谱相关函数(SCF),对具有循环平稳性的AM和PSK信号进行了仿真分析,仿真表明该方法能适用在信噪比相当低的环境下,这是它的主要优势。(3)对于调频信号,循环平稳方法并不适用。本文介绍了本地多相时频变换(LPTFT)方法,使用基于该时频分析方法的算法对三种FM信号进行了仿真分析,得出了相应的时频图,填补了循环平稳法不适用于调频信号的空缺。(4)由于LPTFT方法存在抗噪能力不佳的缺点,本文根据信号具有相关性而噪声不具有的思想,提出了一种新的改进算法——相关多相时频变换(C-LPTFT)来提高抗噪能力。对C-LPTFT进行了理论上的推导,同样对三种FM信号分别进行了仿真分析,结果表明该算法确实较LPTFT能适用在SNR更低的噪声环境中。虽然文献表明存在许多能适用于CR通信的信号检测方法,但其实每种方法都有各自的优点和缺陷,以及适用的信号、频段和环境。后续的工作应该继续提高每种方法的抗噪能力,寻找新的可使用的方法,并将它们合理地有效地结合起来,针对不同CR通信情况应用合适的检测方法。