基于子空间分析理论的高效并行盲多带频谱感知理论与技术研究

The design of multiband spectrum sensing algorithm is of great importance for improving the throughput of cognitive radio network, improving the efficiency of spectrum utilization and ensuring the quality of secondary user communication. The design of high efficient blind multiband spectrum sensing algorithm is a hot topic in the field of cognitive radio. Based on the unified subspace analysis framework, we use the theory of subspace dimension analysis, perturbation analysis and feature clustering analysis to design high efficient parallel blind multiband spectrum sensing scheme. The main contents are as follows: ① Based on the theory of subspace dimension analysis, a high efficient parallel blind multiband spectrum sensing algorithm with excellent false alarm performance and detection performance under low SNR is designed. ② Based on the theory of subspace disturbance analysis, a high efficient parallel blind multiband sensing algorithm which is insensitive to noise statistical characteristics is designed. ③ Based on the theory of feature clustering analysis, a high efficient parallel blind multiband spectrum sensing algorithm whose detection performance is robust to the size of the occupied subbands is designed. ④ Design a class of high efficient parallel blind multiband spectrum sensing algorithms with low complexity based on subspace analysis theories. The research results will provide reference basis and theoretical support for the design of high efficient blind multiband spectrum sensing algorithms, which will greatly enrich the design theory and method of multiband spectrum sensing algorithms and has important theoretical research value and practical application value.

多带频谱感知算法的设计对于提升认知无线电网络吞吐量，提高频谱利用效率和保证次级用户通信质量有极其重要的意义。高效盲多带频谱感知算法的设计是当前认知无线电领域的热点研究问题。项目基于统一的子空间分析理论框架，综合运用子空间维数分析理论、扰动分析理论和特征聚类分析理论设计行之有效的高效并行盲多带频谱感知方案。主要内容包括：① 基于子空间维数分析理论设计低信噪比条件下兼具优良虚警性能和检测性能的高效并行盲多带频谱感知算法；② 基于子空间扰动分析理论设计对噪声统计特征不敏感的高效并行盲多带感知算法；③ 基于子空间特征聚类分析理论设计对子带占用规模稳健的高效并行盲多带频谱感知算法；④ 设计一类低复杂度的基于子空间分析理论的高效并行盲多带频谱感知算法。研究成果将为高效盲多带频谱感知算法的设计提供参考依据和理论支持，将极大丰富多带频谱感知算法设计理论与方法，具有重要的理论研究价值和实际应用价值。

高效宽带频谱感知技术是认知无线电领域的热点研究问题。注意到在实际的频谱感知场景中，次级用户往往缺乏主用户发射信号、无线信道以及噪声统计特征等先验信息，因此高效盲多带频谱感知算法的设计具有重要的研究价值。项目组围绕这一问题展开研究，在如下四个方面取得了系列研究成果：（1）针对均匀噪声场景提出了一种接收信号子空间满秩条件下基于球形假设检验的高可靠频谱感知算法，解决了精确门限的分析难题，并提出了一种非渐近条件下高精度低复杂度的实时门限计算方法，进一步将这些方法拓展到非均匀噪声场景中初步提出了一种基于独立假设检验的高可靠频谱感知算法；（2）利用接收信号序列统计相关特征，提出了基于极值特征值差异、特征值调和平均、基于学生t分布检测等系列启发式盲宽带频谱感知算法，同时考虑到计算复杂度及硬件实现等问题，提出了基于数值计算理论的高效特征值检测的盲宽带频谱感知算法；（3）提出了接收信号子空间非满秩条件下基于聚类分析理论的高效多带频谱感知算法，具体包括基于K均值聚类的高效多带检测算法及其改进低复杂度算法，以及适用于主用户的发射功率不一致场景的基于模糊C均值聚类的高效多带检测算法；此外提出了一种带约束粒子群智能优化技术的高效多用户多带协作频谱感知算法，并进一步提出了一种改进的具有快速收敛特性的粒子群优化算法；（4）研究了基于数据驱动的智能宽带主用户信号检测算法设计问题，分别提出了基于传统机器学习SVM技术、深度学习技术的高效频谱感知算法，以及提出了利用深度神经网络感知主用户信号信噪比、信道编码方式以及MAC协议等关键信息的系列智能频谱感知分析算法。研究成果有望为不同场景下的盲多带频谱感知提供解决方法，具有广泛的适用范围和很好的应用价值。