基于随机矩阵的特征值方差频谱感知检测算法
传统的频谱感知能量检测易受噪声方差不确定性的影响,存在"信噪比墙"效应.频谱感知特征值检测跟能量检测一样,不需要信号任何先验信息,并且能在低信噪比下取得较好的检测性能.经典的特征值检测有最大最小特征值(maxi-mum-minimum eigenvalues,MME)之比算法,最大最小特征值之差(maximum-minimum eigenvalues difference,DMM)算法等.这些算法只利用特征值的一阶统计量,不能充分反映全部特征值的统计特征.利用特征值二阶统计量提出一种基于特征值方差的频谱感知算法,选取能反映特征值整体波动的方差当作观测统计量,并利用矩阵迹的性质推导出该算法的理论门限.仿真证明:当噪声方差不确定性等于0 dB时,该算法的检测性始终优于MME算法.当噪声方差不确定性等于0.2 dB时,能量检测(energy detection,ED)算法检测概率急剧下降,而特征值方差(eigenvalue variance,EV)算法检测概率仅下降10%左右,并且当信噪比(signal noise ratio,SNR)大于-17 dB时,EV算法的检测概率优于ED算法和MME算法.
频谱感知、特征值检测、特征值方差
19
TN911
2019-12-05(万方平台首次上网日期,不代表论文的发表时间)
共5页
179-183