您的位置: 专家智库 > >

陕西省自然科学基金(2012JZ8002)

作品数:10 被引量:41H指数:4
相关作者:李赞齐佩汉高锐司江勃郝本建更多>>
相关机构:西安电子科技大学佛山科学技术学院惠州学院更多>>
发文基金:陕西省自然科学基金国家自然科学基金高等学校学科创新引智计划更多>>
相关领域:电子电信自动化与计算机技术更多>>

文献类型

  • 10篇中文期刊文章

领域

  • 8篇电子电信
  • 2篇自动化与计算...

主题

  • 5篇频谱
  • 5篇频谱感知
  • 4篇低信噪比
  • 4篇信噪比
  • 3篇信号
  • 3篇随机共振
  • 3篇感知
  • 2篇调制
  • 2篇认知无线
  • 2篇认知无线电
  • 2篇无线
  • 2篇无线电
  • 2篇感知方法
  • 2篇不确定度
  • 1篇低信噪比条件
  • 1篇调制识别
  • 1篇多输出
  • 1篇多输入多输出
  • 1篇多输入多输出...
  • 1篇信号调制

机构

  • 10篇西安电子科技...
  • 3篇佛山科学技术...
  • 1篇惠州学院

作者

  • 10篇李赞
  • 5篇高锐
  • 5篇齐佩汉
  • 4篇郝本建
  • 4篇司江勃
  • 3篇杨发权
  • 2篇吴利平
  • 2篇关磊
  • 2篇刘进
  • 1篇罗中良
  • 1篇李红艳
  • 1篇樊耘
  • 1篇李群伟
  • 1篇潘蕾
  • 1篇潘忠显

传媒

  • 2篇电子学报
  • 2篇西安交通大学...
  • 2篇高技术通讯
  • 1篇系统工程与电...
  • 1篇电信科学
  • 1篇物理学报
  • 1篇西安电子科技...

年份

  • 2篇2015
  • 5篇2014
  • 3篇2013
10 条 记 录,以下是 1-10
排序方式:
基于一阶循环均值算法的VHF频段信号调制分类识别方法研究被引量:1
2014年
针对现有调制识别算法在低信噪比环境条件下识别率较低的问题,首次提出一阶循环均值算法对VHF频段信号进行调制分类识别,识别率得到大幅度提高。在估测一阶循环频率系列对应的一阶循环均值的基础上,选择一阶循环均值绝对值超过设定的截止值所对应的一阶循环频率作为候选循环频率,再通过循环平稳测试决定选择候选循环频率数目,实现对信号的调制分类识别,在信噪比大于-6 dB时,分类识别率可达到98%以上。
杨发权李赞罗中良
关键词:VHF频段
低信噪比下基于双检测长度的频谱感知算法被引量:1
2014年
针对现有认知网络中低信噪比条件下频谱感知性能差、速度慢的问题,提出了一种基于双检测长度的感知算法.该算法先进行一次短数据长度能量检测,当第1次判决主用户不存在时,再进行第2次长数据长度能量检测,并作出最终的感知判决.从理论上推导了平均样本数、检测性能、算法复杂度等重要性质.基于matlab的仿真结果验证了理论推导的正确性,表明所提算法在低信噪比条件下,在感知性能较传统能量检测算法有所提升的同时,具有更少的平均样本数和更低算法复杂度的特点,并有望应用于未来实际认知网络中.
高锐李赞齐佩汉关磊刘进
关键词:认知无线电频谱感知
基于粒子群优化与SVR-ADLA算法的MIMO系统识别研究被引量:1
2015年
针对现有基于径向基函数(RBF)网络对多输入多输出(MIMO)系统识别中存在收敛速度慢、系统识别稳定性不高的问题,提出了一种新的MIMO系统识别方法:采用支持向量回归(SVR)算法建立RBF网络初始化结构,确定初始化网络参数;采用退火动力学习(ADL)算法对系统识别网络进行训练,在训练过程中采用粒子群优化(PSO)迭代算法选出最佳学习率组合,使识别网络实现对MIMO系统的识别。对一个两输入输出系统进行了识别仿真,仿真结果表明,用该识别方法重建的识别系统性能优于目前RBF网络参数优化过程中常用的最小平方算法或梯度下降法算法。RBF网络识别系统易于实现,在MIMO系统识别中具有广泛的应用前景。
杨发权李赞郝本建樊耘
关键词:径向基函数(RBF)网络
基于蜂群算法和神经网络的通信调制识别方法被引量:4
2013年
针对现有基于误差反向传播算法的多层感知器神经网络分类器在信号识别中存在收敛速度缓慢、出现假饱和现象等问题,采用蜂群算法提取信号的联合特征模块,提出快速支持、超级自适应误差反向传播、共轭梯度3种不同算法分别应用于多层感知器神经网络分类器,实现对通信信号的自动识别。所提算法和误差反向传播算法相比有更高的识别率。仿真结果表明,所提算法能够克服误差反向传播算法的缺陷,在隐藏层神经元仅为20个、信噪比为4dB条件下,3种算法的识别率均高于95%,且系统易于实现,在信号识别中具有广泛的应用前景。
杨发权李赞李红艳郝本建潘忠显
关键词:蜂群算法调制识别
基于TDOA与GROA的信号源被动定位偏差消除技术被引量:13
2014年
本文针对Ho提出的基于TDOA(Time Difference of Arrival)与GROA(Gain Ratio of Arrival)信号源定位的代数闭式解,提出两种偏差消减方法.首先对其闭式解偏差进行了推导,然后给出BiasRed法与BiasSub法两种偏差消减算法,BiasSub法从Ho给出的解中直接减去期望偏差,BiasRed法通过分析误差表达方程并引入二次约束来提升定位估计精度;分析表明两种方法均可针对远距离信号源,在较小高斯误差情况下有效消减定位偏差,BiasRed法可将偏差降低到最大似然估计算法的水平;计算机仿真分析验证了所提算法的性能.
郝本建李赞万鹏武司江勃齐佩汉关磊
低信噪比条件下基于随机共振的感知方法与性能分析被引量:7
2013年
针对认知网络实际环境中常呈现出噪声高动态变化、低信噪比特征,无法快速准确进行频谱感知的问题,本文将物理学非线性领域中的随机共振理论引入到频谱感知中,提出了一种基于广义随机共振的能量检测算法.该算法引入匹配噪声,通过匹配非线性系统、噪声和信号三者的关系,从而改变能量检测统计量的分布,有效地检测信号的存在性.本文从理论上推导了最佳匹配噪声的表达式,并得到了检测性能、受噪声不确定度的影响、感知时间等方面的重要理论结论.仿真结果验证了理论推导的正确性,表明所提算法能够在信噪比为-20dB等低信噪比条件下较现有能量检测算法提高3dB以上,且具有感知速度快、受噪声不确定度影响小等特点.
高锐李赞吴利平李群伟齐佩汉
关键词:频谱感知随机共振低信噪比
低信噪比下采用广义随机共振的能量检测算法被引量:6
2015年
针对低信噪比下认知无线电中采用能量检测(ED)的频谱感知方法错误概率较大的问题,提出了一种采用广义随机共振的改进的能量检测(IED)算法。该算法首先对接收信号添加一个直流分量,并借助偏移系数确定直流分量的最优幅值,使其与信号中的直流产生广义随机共振;其次,对共振后的信号进行采样和能量累加得到检测统计量,然后根据最小平均错误概率准则确定最佳检测门限并与检测统计量进行比较从而做出判决;最后,从错误概率、样本检测点数和算法复杂度等几个方面给出算法的性能分析。理论推导和仿真结果表明:在信噪比为-15dB的低信噪比条件下,IED算法的错误概率性能比传统的ED算法提升了约3dB;在相同的错误概率条件下,IED算法所需的检测样本点数比ED算法显著减少。
刘进李赞高锐
关键词:认知无线电频谱感知
传感器网络基于特征值分解的信号被动定位技术被引量:4
2014年
基于传感器网络的信号被动定位技术在电磁学、声学、声呐系统以及传热学等领域具有广泛的应用前景,当传感器网络节点所接收噪声强度不同或传输信道存在阴影衰落效应时,给出了目标信号到达距离比定位关联度量的估计方法与基于信号到达距离比的被动定位算法.将特征值分解技术引入到信号到达距离比定位关联度量估计中,通过接收信号协方差矩阵特征值分解技术估计各节点所接收噪声强度,并通过网络参考节点轮换与特征值分解方法消除阴影衰落效应所引入的定位误差,最后给出该算法的最小二乘定位解.该方法可较好的消除由于节点接收噪声强度不同以及阴影衰落效应等因素所带来的定位性能恶化.
郝本建李赞万鹏武司江勃
关键词:传感器网络特征值分解
基于随机共振的复杂电磁环境下频谱感知方法及其性能分析被引量:3
2013年
针对实际认知无线电网络常处于低信噪比、噪声高动态变化等复杂电磁环境,无法快速、准确频谱感知的问题,将非线性领域中的随机共振理论引入到频谱感知中,提出了一种基于双稳态随机共振的能量检测算法。该算法通过调节双稳态系统参数,使得噪声、信号和非线性系统产生随机共振,从而有效增强信号。从理论上推导了所提算法改善接收信噪比、提升能量检测算法性能、抑制噪声不确定度三个重要结论,并分析了算法复杂度。仿真结果验证了理论推导的正确性,表明所提算法能够在复杂电磁环境下较现有能量检测算法提高3dB以上,且具有抑制噪声不确定度的特点。
高锐李赞吴利平司江勃齐佩汉
关键词:复杂电磁环境频谱感知随机共振
一种双重序贯检测的协作频谱感知方法被引量:2
2014年
针对现有认知传感网在低信噪比条件下感知性能差、感知时间长、协作开销大的问题,提出了一种双重序贯检测的协作频谱感知(CSDS)方法。该方法首先在各传感器节点将数据进行分段处理,以各分段的能量作为一个样本点进行序贯检测,当各节点的对数似然比和大于门限时向融合中心发送协作信息,然后在融合中心再进行序贯检测直到作出判决。理论推导给出了平均样本数、平均感知时间等性能参数的精确表达式。采用Matlab的仿真结果表明:CSDS方法在低信噪比条件下,在保持感知性能的同时,所需平均样本数和平均感知时间低于能量检测的40%,且协作开销较现有协作序贯检测方法显著减少。
高锐李赞司江勃齐佩汉潘蕾
关键词:协作感知低信噪比序贯检测
共1页<1>
聚类工具0