0 引言
在实际的无线通信环境中，单节点的频谱感知技术容易受到多径效应、隐蔽终端、路径损等因素的影响[1]，无法得出正确的感知结果。传统的单节点频谱感方法有能量检测[2]、匹配滤波器检测[3]以及循环平稳特征检测[4]等。传统的数据融合方式有“OR”准则、“AND”准则等硬判决，但这些数据融合方式都忽视了单个节点所处感知环境的差异。文献[5]第一次将D-S证据理论应用于频谱感知中，其结果优于传统的硬判决规则。文献[6]提出了一种基于证据理论的噪声不确定性检测，通过把噪声信号建模成具有已知分布的随机变量，利用D-S证据理论规则，对前后置信值进行组合，得到全局决策。但他们所采用的本地检测都是能量检测，其感知性能容易受到噪声干扰。近年来，一些学者提出了两种新型的频谱感知算法：最大最小特征值之比算法(MME)[7]以及最大最小特征值之差算法(DMM)[8]，具有良好的频谱感知性能，受噪声影响较小，但该算法服从Tracy-Wisdom分布，没有固定的分布函数。针对上述问题，本文提出了一种基于D-S证据理论的特征值之比协作频谱感知算法(TROIET)，该算法避免了噪声的干扰，具有较高安全性。TROIET算法以改进的特征值之比算法作为本地检测，然后通过D-S证据理论，结合路径损耗，计算出合适的加权系数，对数据进行融合。仿真结果表明，该算法具有较高的检测性能和安全性。
本文详细内容请下载：http://www.chinaaet.com/resource/share/2000003744。
作者信息：
石 新，刘顺兰，张无际
(杭州电子科技大学 电子信息学院，浙江 杭州310018)
