搜索结果: 1-5 共查到“通信技术 特征值”相关记录5条 . 查询时间(0.151 秒)
采用最新的随机矩阵理论，对多个认知用户接收信号采样协方差矩阵的最小特征值的极限分布进行了分析，提出了一种改进的最大最小特征值合作感知和门限判决方法。该算法不需预知授权用户信号的先验知识，且能有效克服噪声不确定度的影响。与现有算法相比，在给定虚警概率时，仿真结果显示该算法判决门限更低、检测概率更高；而且在认知用户和采样数较少时，也能获得很好的检测性能。
频谱感知的任务在于利用感知节点（无线传感器或者认知用户）采集的数据判断频谱空洞是否存在。基于最大特征值检测（MED）和最小特征值检测（SED）的方法最近被应用到频谱感知当中。这两种算法在检测实际应用当中普遍存在的相关信号时表现出良好的检测性能。然而，MED和SED算法对应的判决门限求解非常复杂，从而限制了它们在实际的认知无线电频谱感知中的应用。该文利用取样协方差矩阵的所有特征值，提出了一种新的基于...
基于最大特征值的协作频谱检测算法
协作频谱 检测算法 最大特征值 随机矩阵理论
2012/4/11
准确的频谱感知是实现认知技术的关键。根据随机矩阵理论，提出了一种认知网络中基于最大特征值的多节点协作频谱感知算法。该算法利用不同节点接收到主信号的相关性，将不同认知节点获取的采样信号构成接收信号矩阵，通过协方差矩阵的最大特征值构建频谱检测判决量，缩短了检测周期，提高了频谱检测性能。仿真结果表明，该协作算法与单节点MED算法相比改善了信噪比5dB左右。
基于广义特征值的合作频谱感知方法
认知无线电 合作频谱感知 采样协方差矩阵 广义特征值
2013/4/24
现有的基于特征值的合作频谱感知方法要求认知用户各感知节点接收到的授权用户信号具有相关性。针对这个问题，提出了一种基于广义特征值的合作频谱感知方法。该方法利用过去不存在授权用户的感知周期采样协方差矩阵与当前感知周期采样协方差矩阵之间的最大广义特征值（MGED, maximum generalized eigenvalue detection）作为检验统计量，以此判决当前感知周期是否存在授权用户信号，...