上优于认知无线电系统的频谱感知

文摘

本文提出了一种新的模式识别方法在协作频谱感知认知无线电系统。方案,从接收到的信号中提取出的区别的特征在每个节点和使用的分类器在一个中央节点决定全球可用性的认知无线电网络频谱孔使用。具体来说,线性和多项式分类器与能量,提出了周期平稳或相干特性。仿真结果的检测和假警报概率的提出方案。得出cyclostationary-based方案最可靠的检测主用户的频谱,然而,牺牲一个更长的感应时间连贯的基础方案。结果表明,性能得到了改进,更多的用户合作提供特征分类器。它也表明,在这个光谱遥感应用程序中,一个线性分类器有一个类似的性能,一个二阶多项式分类器,因此提供了一个更好的选择,因为它很简单。最后,观察窗对检测性能的影响。

1。介绍

在过去的几年中,有卓越的无线通信技术的发展导致无线应用程序的快速增长。然而,这显著增加无线应用程序严重限制了带宽不足。传统上,固定的频谱分配,频带的静态分配给授权用户使用。静态频谱分配防止从分配空谱带新用户和服务。此外,频谱占用测量表明,一些授权乐队远远没有得到充分的利用。例如,频谱政策工作组报道,广播频道通常占据15%的时间(1]。因此,可用频谱的限制乐队发生主要是由于产生的未充分利用可用的频谱效率低下的静态分配技术。未充分利用的可用频谱资源已经导致监管机构敦促动态频谱分配模式的发展,被称为认知无线电(CR)网络。

CR网络感觉空的操作环境动态频谱机会和利用可用的无线电资源(2,3]。在CR技术、无证(二级)允许用户共享频谱的最初分配给授权用户(主)。因此,频段分配给主用户合法利用的二级用户当主用户闲置。然而,主要用户有权占领他们的分配乐队时必要的。因此,二级用户应该意识到周围环境的变化,应准备好相应的调整操作参数,使生产使用的频谱4]。

CR二级用户网络约束的条件为主要用户提供足够的保护。因此,二级用户需要采用高效的频谱感知技术,保证主用户的服务质量和利用所有动态频谱共享的机会。也就是说,为了促进动态频谱接入许可乐队,需要开发有效的频谱感知算法,高可靠性和有效利用。

频谱感知方法通常被认为是在CR应用包括能源检测,检测周期平稳特性,和相干检测(2,4- - - - - -6]。基于先验知识的二次用户对主用户,一个特定的技术可能更合适。例如,如果一个主用户信号的先验信息的次要用户,可以利用相干检测。相干检测使用特性,比如同步消息,飞行员,前言,midambles,光谱扩散序列。当这些模式都是已知的,CR网络,传感执行通过关联输入信号与已知的模式(6]。基于导频相干传感检测实施实验(7]。另一方面,当CRs有非常有限的信息的主要信号,能量检测使用。使用能源检测光谱遥感应用程序的另一个原因是低复杂性。然而,能源的性能检测的检测主要信号是退化的能力,特别是在低信噪比(信噪比)的条件。

光谱遥感的另一种方法是基于周期平稳检测意义的存在主用户利用周期平稳特性表现出原始信号的统计(8]。周期平稳检测的谱相关函数(SCF)调制信号分析决定的主要目标频谱的信号。检测周期平稳特性提出了基于多周期的检测(9,10),比较检测到循环频率的倍数。在正交频分复用(OFDM)系统中,循环前缀是故意插入保护间隔,可用于检测比较现任主要信号(11,12]。此外,OFDM波形可以被修改以生成特定的签名在特定频率(13)这样的循环特性由这些签名然后通过检测周期平稳实现一个有效的信号提取识别机制。

为了保护主用户的服务质量,辅助用户造成的干扰需要维护一个可接受的水平以下。因此,可靠的需要由二级用户频谱感知检测主用户的存在,尤其是在阴影和淡入淡出效果。空间取代二次用户之间的协作,因此,需要减轻这些影响不需要过分长时间检测。在这种情况下,几个CR节点利用空间分集增益所提供的合作频谱感知衰落环境中实现更好的性能(4,9,10,14,15]。

在这项工作中,我们提出一个在CR应用协作频谱感知方法。具体来说,我们利用分类技术用于模式识别应用程序识别可用的无线电频谱和繁忙的乐队。以前,模式识别技术主要用于确定类型的调制信号分类而不是光谱传感(16- - - - - -18]。拟议中的模式识别方案代表了一个集中式合作CR网络,即频谱可用性的决定是在一个中央节点收集光谱传感信息后所有用户合作。遥感信息进行一个分类器模型,输出一个全球决定的可用性目标谱带。多项式分类器作为分类器模型提出了工作,在一线和二阶扩张。三个光谱传感技术实现提供信息特征分类器对周围的环境。光谱遥感技术用于特征提取可以分为参数和非参数。非参数检测包括能量检测的认知网络没有在主用户信号的先验知识。另一方面,在参数检测、循环功能描述主要信号和同步序言模式是利用先验知识。周期平稳特性参数检测方案包括相干检测和检测。

许多之前的协作技术工作实现最大比率相结合,似然比检验,或艰难的决策规则,如逻辑运算和one-out-of-n规则(4,5,19,20.]。基于能源合作传感检测提出了在4),当地的线性组合测试统计数据来自多个用户的决策。cyclostationary-based频谱感知的性能合作CR系统被认为是在20.,21),二进制决定不同融合规则的二级用户的决定使用循环检测器进行了比较。此外,多个用户单探测器提出了适应二级用户协作(9),由不同的用户和不同的循环频率利用合并起来成为一个全球的决定。在[10的总和),采用二级用户的本地测试统计数据作为多周期的检测是由CRs时融合规则。最后,基于合作困难的决策规则与相干检测研究[7]。

本文的贡献如下。在CR网络协作频谱感知的问题从一个新的角度研究了基于模式识别的方法。更具体地说,多项式分类器被用于这项工作。的设计、验证和评估一线和二阶多项式分类器。这些分类器的参数优化是基于个人的信号强度二级用户协作的方式。性能的误警率和探测概率在低信噪比条件下已经彻底的检查和分析。综合性能评价能源检测。最后,执行广泛的模拟评估提出了分类器的性能与参数频谱感知方案、载波频率和同步序言模式被认为是已知的CR网络。这次调查的结果部分中给出(22,23]。

剩下的纸是组织如下:在部分2介绍信号模型和提出了合作频谱感知方案。节3,不同的特征提取技术。多项式分类器结构开发的部分4。给出了仿真结果和讨论部分5。最后,部分6总结了纸。本文中使用的所有符号和符号表中解释1。

2。信号模型和系统描述

我们认为在协作CR网络动态频谱分配结构见图1。主网络用户和CR是假定在同一地理区域内共存。CR网络组成用户提供一个中央节点检测到存在的主要信号和信道可用性决定。CRs暂时访问未充分使用授权频段,没有冲突主要频谱持有者的使用。

频谱感知是制定的二元假设检验 在哪里代表的接收信号CR用户的th即时的时间,表示主用户传输信号。代表一个被占领的谱的假设,而对应于一个空闲频谱。在接收到的信号th用户被为加性高斯白噪声(AWGN),与方差。主要的信号通过无线通道到达th CR用户提供一个通道增益。无线信道建模为平面和慢衰落通道。每个通道都有一个复杂的价值系数与瑞利分布的范围大小和均匀分布阶段。网络中的信道系数不同的CRs假定为常数的接收信号符号,即慢衰落,也认为是独立同分布的。

本文在CR网络频谱感知是制定一个模式识别问题。一般来说,模式识别用于给定的数据集进行分类成几个不同的类别。模式识别系统分配一个输入信号已知的类别之一,基于功能派生强调这些信号之间的共性。一个通用的术语,用来描述输入信号需要分类识别系统中模式。通常,不得用于分类模式,因此他们需要处理获得更有用的输入分类器(24,25]。这种处理信息特性。在监督学习中,标记训练集的特征向量是通过分类处理的算法来确定分类器模型参数。这些参数用于预测新数据的类,并没有出现在学习阶段。摘要监督模式识别是利用CR基站(crb)分类可用频谱孔,最大检测是实现预期的误警率。

在拟议的系统中,辅助用户不断感知主要信号的目标谱带的存在。在二级用户接收机,区别的特性从感觉中提取信号。提取的特征从不同二级用户传播到crb通过相对较低数据速率控制通道。这个控制通道用于CRs和crb之间交换信息。crb,决定频谱可用性是基于先前的模式识别分类器训练。提出了系统的框图如图2显示的信号流CR输入通过特征提取和分类导致crb决定频谱可用性。

第一步是频谱感知包括输入数据采集处理在不同的CR接收器天线接收到的信号。接收到的信号的th用户都要遵循所描述的数学模型(1)。这些信号被转换成多维特征向量,简洁地描述感觉信号。

当二级用户在CR网络没有之前的信息传播主要信号,接收信号的能量用于特征提取阶段,利用分类器只区分噪声和主信号目前的情况。另一方面,如果之前的信息,如载波频率和同步模式,对主用户的信号,特征提取将通过利用循环特性出现在信号或通过相干检测。特征提取的任何提到检测方案将展示特定的模式被主用户频谱时,不同的模式提取时只出现在光谱噪音。这些模式之间的区别将利用输入数据歧视pretrained分类器的决策。以下部分将讨论在本文中使用的不同的特征提取方案。

3所示。特征提取技术

在这个工作中,三个不同的特征提取方案已经使用,也就是说,不相干的能源特性,cyclostationary-based特性和相干检测功能。

3.1。能源特征提取

能量检测是一种最常用的频谱感知技术由于其低计算复杂度和简单实现。它不需要任何先验知识的主要用户的信号;因此,它被认为是一种非参数检测方案。分类系统识别频谱可用性依赖于接收信号的能量在一个观察期。然而,检测信号的任务变得非常具有挑战性的在低信噪比水平和衰落信道(5,14]。作为一个预处理步骤中,接收到的信号的th次要用户,,它遵循模型中指定的(1),是根据所需的频段获取过滤。信号的采样版本是用于提取一个代表能量的特性定义为 在哪里在样本观察期间的长度。因此,一个特征向量观测时期建造的用户的信号等,在那里是向量转置操作。这个特性向量将分类器在分类阶段。一套新的能量特性获得每一个观察窗。

3.2。Cyclostationary-Based特征提取

大多数通信信号周期平稳随机过程,可以建模为他们通常表现为内置的均值和自相关的周期的研究。这些底层使用正弦载波周期的研究出现,重复传播代码,脉冲火车,在信号传输或循环前缀。另一方面,噪音信号不表现出这样的周期性特征。因此,频谱可用性的感知可以基于周期性的检测信号。

一个二进制相移键控(BPSK)数字调制信号与符号持续时间有一个循环自相关函数(CAF)定义为 在哪里是一个非零延迟,。代表的傅里叶变换延迟产品评估的频率。信号据说包含二阶周期性当且仅当的傅里叶变换在非零频率离散谱线吗(26,27]。

推导一个信号会导致特定模式的存在的光谱信号,可以检查使用所谓的谱相关密度函数(SCD) [27,28)定义为其CAF的傅里叶变换 SCD之间的互相关函数光谱信号的转换,对于一些循环频率。这个函数是使用频率平滑平滑向量(窗口)与频率垃圾箱。由于离散时间收到的样品是用于估算SCD,可以表明,该化合物是由 与 在哪里,是样品的数量,计算接收信号的频谱(FFT长度)。SCD估计实现得到循环特征提取接收机结构如图3。接收信号的分割将取决于主传输信号的存在与否根据以下: 在哪里SCD AWGN只的吗th CR用户是科学传播的主要信号的循环频率。由于情况下是一种宽平稳过程,不具有二阶进行比较,它不会在任何循环频率峰值。另一方面,展品二阶带通BPSK信号循环频率(2,9),对于一些整数。以来最强的谱线的BPSK信号出现在最强劲的循环组件被观察到(9]。因此,当地对周期平稳检测的决策变量th CR用户选择的值SCD (7)评估。这个值被用作th元素特征向量这将分类器在分类阶段,与。

3.3。基于相干特征提取

这项工作的另一个传感方案调查是使用相干检测特征提取。相干检测是由解调主用户的信号,这就要求原始信号的先验信息,如包格式、控制,或同步序列。(6]。如果同步序言模式是已知的CR网络一端,相干传感可以利用关联输入信号与已知的模式。这是有效地关联本身导致的信号的自相关函数的峰值在零延迟当主用户存在。主要用户是假定使用帧的大小位和一个位同步序言称为。因此,认知用户将获得数据在序言期间(例如,位每位)。接收到的信号th CR用户,,序言与序言阐述序列长度来获得 在假设下成为一个传播序言拥有强大的自相关峰。然而,在,不会表现出强烈的山峰。的峰值用作th元素特征向量这将分类器在分类阶段,。

4所示。多项式分类器

在本文中,我们使用多项式分类器(pc)作为分类模型来决定频谱可用性。多项式计算复杂度较低的分类器的识别性能有了显著的提高,相对于其他认识方法,如神经网络和隐马尔可夫模型(25,29日]。此外,多项式分类器处理简单的数学操作,比如乘法和求和,这使得它们适合实际实现数字信号处理算法。一个多项式的原则分类器输入特征空间的扩张成高维空间是线性可分的30.]。

考虑一个输入模式,在那里的特性和数量吗代表了转置操作。的阶多项式的分类器首先执行一个矢量映射N维特征向量,,变成一个维向量。的元素是单项的形式24,25] 然后,输出得分手得到后在输出层线性结合扩展条款呢使用 在哪里模型(重量)的类吗。扩展向量的维数可以用多项式来表示顺序和输入向量的维数。分类器的设计包括两个阶段,即训练和测试。

4.1。培训

训练过程包括发现最优模型参数,最好将多维输入序列映射到对应的一维目标序列。模型设计分类之间的两个不同的类,为,对应于二进制假说(1)。多维输入序列是一个矩阵,输入特征向量的维数(所提供的吗CR用户)和特征向量的个数用于培训过程。培训矩阵是由 一维目标向量为由元素,如果相应的特征向量属于类,如果相应的特征向量不属于类,因为。

培训向量是扩大到多项式的定义在(9)导致模型训练数据集的大小所定义的 一旦训练特征向量扩展成多项式的基础条件,多项式分类器的训练找到一组最佳的权重,,最小化之间的欧式距离理想的目标向量和相应的分类器的输出使用均方误差准则 的问题(13)可以解决使用正规方程显式的方法获得最优模型两种光谱传感问题[25,29日]

4.2。测试

在测试阶段,小说特征向量用来表示测试数据集。最初的特性扩展到他们的基础术语吗然后训练模型获得相应的分数作为 因此,我们分配测试特征向量的假设满足[25] 理想情况下,分类器的输出模型,在一定的输入特征向量,应该是当频谱占用和零空闲频谱时,我们把它应用到相应的模型。然而,当新的输入数据的分类器,输出值不同在一个假设和价值观的不同在零附近反之亦然。为了达到所需的水平的恒虚警率,需要定义一个阈值分离两类,而不只是比较不同模型输出的分数。

迭代算法在训练阶段搜索阈值对不同信号的水平达到一个特定的误警率如下。首先,计算输出分数对验证数据集对模型(与已知的类标签)。阈值初始化,这样的全球决策变量如果和否则。然后估计误警率通过比较输出决定所有验证特征向量的理想输出。假警报时,输出将宣布的决定是一个表明光谱忙而理想的输出是零,表明实际的可用频谱。阈值递增或递减一个小值,获得了理想的误警率与指定的精度,例如,均方误差小于1%。重复上述步骤的验证数据与不同的接收信噪比水平时形成一个查找表,可以使用新的测试数据接收。注意,阈值设置操作,除了训练过程,执行离线。培训和验证数据从数据库中检索序列保持crb的离线训练和验证。

5。仿真结果

在本节中,一阶多项式的性能分类器(也称为线性分类器(LC))和二阶多项式分类器(pc)使用前面讨论的特征提取方法进行了评价。时可使用带通主要BPSK信号周期平稳特性检测是利用,而映基带信号在相干检测。模仿一个更有挑战性的工作和实际情况,我们认为CR网络和主发射机之间的距离相对较大;因此,平均接收信噪比_avg在低信噪比范围内,也就是说,。此外,th CR接收信号信噪比这取决于CR的距离从主用户。考虑到信号跟踪,遵循对数正态分布和方差分布dB和平均相当于。小规模的通道变化遵循平坦瑞利衰落模型。也假定信道变化相对缓慢,持续时间(慢衰落模型)。我们的话,用于说明目的,仿真参数和其他值可以不失一般性。

5.1。能源特征提取

能量检测执行各种次要用户,并提供了决策变量中提取crb识别模型。检测通过LC和PC的概率在不同平均收到信号水平呈现在图4。结果获得了200位的窗口大小和目标假警报()的10%。误警率的值被选为符合IEEE 802.22 CR网络的要求‎(3]。有趣的是注意到,尽管个人电脑需要更多的内存和计算复杂度进行膨胀操作,它不提高探测概率的性能比信用证。因此,建议使用信用证,因为它提供了不错的性能需要较少内存空间和计算成本导致更快的决策对频谱的可用性。此外,合作遥感相比single-radio-based传感的优点是证明了检测性能的改善二级用户的数量导致信号分类是增加。例如,一个收到的信噪比dB是合适的达成三个CRs的探测概率为90%,而接收信号的平均信噪比dB需要达到同样的检出率与CR,导致分贝增益,改善避免干扰的能力薄弱的初级用户。这是明显的从图4增强的性能减少接收器在全球合作的决定数量的增加。

检测结果的概率为接收信号的能量探测器,用户,描绘在图5LC和PC作为观察窗口大小的函数。很明显,检测性能高的窗口大小的影响当地的决策变量估计。随着窗口大小的增加,这个数据用于训练和测试变得更代表目前的信号的频谱,因此分类器的输出分数更准确。然而,窗口大小越大,时间越长对频谱可用性的决策分类器在基站。这产生了一个延迟在频谱分配频谱可用,因此,导致频谱利用率较低。

一个有用的性能测量是接受者操作特征(ROC)代表的变化检测概率与虚警概率在特定操作参数。自信用证与能量检测,提供了一个更好的选择获得中华民国如图6当主信号接收的和观察窗口的大小位。是观察到的探测概率恶化时低误报率,提高更高的假警报概率是可以忍受的。预计这种行为以来,为了实现较低的误警率,阈值水平有待提高。提高阈值水平高于分类器的输出分数,对应于占领光谱类,可能会导致错过检测主要信号的存在,从而导致更多的干扰主网络用户。它可以指出,较高的检测是CRs更多的合作来完成。

5.2。基于周期平稳的特征提取

仿真结果提出了分类系统的周期平稳特性是美联储的crb光谱遥感呈现在图7。结果表明,周期平稳特性检测可以实现很高的探测概率甚至较低信噪比的值通过使用更多的CRs合作。例如,检测概率的平均信噪比达到90%左右当使用5 CRs dB。结果显示改进的性能相比,能源探测器。例如,大约4 dB的增益时观察到的CRs合作决定从一个增加到三个。在能源的情况下检测,发现没有显著的性能改进分类器的顺序增加从一阶到二阶。此外,由于增加合作CRs饱和性能改进更高的用户数量。

检测周期平稳的性能检测方案改善了通过增加观察窗口大小如图8。并给出了LC和PC的检测结果,用户,。从20增加观察窗大小部分结果在改善检测的概率从70%到98%,在一个的dB。ROC曲线如图9对于一个和观察窗位表明使用更多合作收音机导致更好的检测性能。

5.3。Coherent-Based特征提取

coherent-based方案图10显示了检测概率的主要信号的水平是不同的。相干检测为主要模拟信号序言的大小6位和一个帧的长度位。它是发现的增益dB是实现合作收音机的数量从一个增加到三个,检测概率为90%。然而,实现增益降低左右dB是从三个增加到五个。相干探测提供了可靠的信号识别上面,当接收到的信号电平dB和。我们注意到LC和PC执行相对相干检测是利用在特征提取。

中华民国曲线coherent-detection-based传感为各种数量的合作CRs显示在图11。很明显,有一个性能变化的不同数量的CRs合作做出的决定。CRs的各个数据之间的性能差距缩小的假警报概率增加。

最后,图12显示了性能通过使用相干检测LC计划随着序言序列的长度增加。图给出了信噪比_avg需要获得一个特定的探测概率和误警率,随着序言长度增加。序言长序列的降低值所需的信噪比_avg表明低水平的接受主要信号足以实现一定的检出率随着序言长度增加。

5.4。讨论

在三考虑计划,周期平稳特性检测提供了最好的性能方面的检测和假警报率,而能源检测结果最差。周期平稳特性检测的实现依赖于知识的原始信号的载频和调制类型。明显的周期平稳检测的缺点是所需的高计算复杂度提取循环特性在CRs,相比其他技术。另一方面,它提供了高可靠性的CR在低信噪比条件下网络。

它已经表明,延长传感时间可以大大提高检测的性能。然而,由于增加传感检测改进时间为代价来实现降低网络的敏捷性,因为需要长时间决定光谱的空缺。这句话是非常重要的在比较连贯的计划周期平稳性能的方案。具体来说,cyclostationary-based计划达到更好的检测性能相比,相干检测方案。这是因为前者使用整个框架在决策的过程中。另一方面,coherent-based方案使用较短的观察窗(序言)导致更及时的决策。增加序言长度将改善coherent-based方案的性能为代价但减少主用户的频谱效率,而cyclostationary-based计划不会受到这个缺点。

最后,尽管能源检测与至少代表了特征提取方案检测能力在低信噪比条件下,代表严重的衰落和阴影,这仍然是一个有吸引力的技术在高信噪比的情况下制度由于其简单性和最小之前的信息需求。

6。结论

本文提出了模式识别的模型来解决频谱感知在CR网络的问题。该分类器模型是基于协作感知,在二级用户监控通道的使用在一个给定的区域合作通过一个集中的节点提供频谱占用信息。二次用户之间的合作是通过第一和二阶多项式建模的分类器,训练,验证和评估。结果表明,线性和多项式分类器提供高检出率基本信号在无线衰落信道和很小的信号噪声比。此外,仿真结果表明,这两种分类器执行相对;因此,线性分类器是选为合作的最佳模式CR网络由于其低复杂性。能源、周期平稳,coherent-based特征提取技术进行了比较。仿真结果表明,周期平稳检测构成特征提取的最佳人选时主要信号的信息是可用的,因为它大大优于能源和相干检测。然而,卓越的周期平稳检测的检测能力是高代价的,那就是实现复杂性。

引用

1. m . Naraghi和t . Ikuma Autocorrelation-based对认知无线电频谱感知,“IEEE车辆技术59卷,第733 - 718页,2010年。视图:出版商的网站|谷歌学术搜索
2. e·侯赛因和诉Bhrgava,认知无线通信网络施普林格,第1版,2007年版。
3. c . Cordeiro k Challpali, d . Birru”IEEE 802.22:介绍第一个基于认知无线电的无线标准,“杂志通讯,卷1,38-47,2006页。视图:谷歌学术搜索
4. 崔z, s, a·h·赛义德”最优线性合作频谱感知认知无线电网络中,“IEEE杂志在信号处理所选主题,卷2,不。1,28-40,2008页。视图:出版商的网站|谷歌学术搜索
5. t . Yucek h·亚斯兰,“调查认知无线电的频谱感知算法的应用,”IEEE通信调查和教程,11卷,不。1,第130 - 116页,2009。视图:出版商的网站|谷歌学术搜索
6. d . Cabric s . m . Mishra, r·w·Brodersen”为认知无线电频谱感知,实现问题”美国第38艾斯洛玛尔会议信号,系统和电脑1卷,第776 - 772页,2004年11月。视图:谷歌学术搜索
7. d . Cabric a Tkachenko, r·w·Brodersen“光谱传感测量飞行员、能源和协作检测”美国军事通信会议(亚06年)2006年10月,页1 - 7,。视图:出版商的网站|谷歌学术搜索
8. j . p . Wang方:汉族,h·李”Multiantenna-assisted对认知无线电频谱感知,“IEEE车辆技术卷,59号4、1791 - 1800年,2010页。视图:出版商的网站|谷歌学术搜索
9. m . Derakhshani m . Nasiri-Kenari, t . Le-Ngoc”合作周期平稳在认知无线电频谱感知在低信噪比政权,”IEEE国际会议通信学报》(ICC的10)2010年5月,页604 - 608。视图:出版商的网站|谷歌学术搜索
10. j . Lunden诉Koivunen、a . Huttunen和h .诉穷,“合作周期平稳认知无线电的频谱感知系统”,IEEE信号处理卷,57号11日,第4195 - 4182页,2009年。视图:出版商的网站|谷歌学术搜索
11. n . Khambekar c·斯普纳,诉Chaudhary”Listen-while-talking:主要用户保护技术”IEEE无线通信和网络研讨会论文集(WCNC ' 09)2009年4月,页1 - 5,。视图:出版商的网站|谷歌学术搜索
12. n . Khambekar d .梁,诉Chaudhary“利用OFDM光谱传感保护间隔,”IEEE无线通信和网络研讨会论文集(WCNC ' 07)2007年3月,页38-42,。视图:出版商的网站|谷歌学术搜索
13. p·d·萨顿k·e·诺兰和l·e·道尔”周期平稳信号在实际认知无线电的应用程序,“IEEE在选定地区通讯》杂志上,26卷,不。1、24里面,2008页。视图:出版商的网站|谷歌学术搜索
14. d . Cabric a Tkachneko, r . Brodersen”实验研究基于能量检测的频谱感知和网络合作,“技术。代表,伯克利无线研究中心,1997年伯克利,加州,美国。视图:谷歌学术搜索
15. n . s . Shankar c Cordeiro, k . Challapali“敏捷无线电频谱:利用率和传感体系结构”学报第一IEEE国际研讨会上新的前沿动态频谱接入网络(DySPAN ' 05)2005年11月,页160 - 169。视图:出版商的网站|谷歌学术搜索
16. k金、中情局Akbar k . k . Bae j . s .嗯,c·m·斯普纳和j·h·里德“周期平稳信号检测和分类方法在认知无线电中,”第二届IEEE国际研讨会在动态频谱接入网络的新领域2007年4月,页212 - 215。视图:出版商的网站|谷歌学术搜索
17. k . Assaleh k Farrel, r . Mammone”数字调制信号的调制分类的新方法,”《IEEE军事通信会议,2卷,第716 - 712页,1992年。视图:谷歌学术搜索
18. a . f . Cattoni m . Ottonello m . Raffetto和c . s . Regazzoni“神经网络模式分类基于频率分布特性,”第二届国际会议上面向认知无线电的无线网络和通信,CrownCom2007年8月,页251 - 257。视图:出版商的网站|谷歌学术搜索
19. t y Yucek h·亚斯兰,“针对机会认知无线电系统的频谱特性,”《IEEE军事通信会议,2006年,页1 - 6。视图:谷歌学术搜索
20. b .王动态频谱分配和共享认知协作网络[博士。论文)马里兰大学,2009。
21. 张t、g . Yu和c .太阳”周期平稳特性的性能基于光谱遥感方法在多天线认知无线电系统,”IEEE无线通信和网络研讨会论文集(WCNC ' 09)2009年4月,页1 - 5,。视图:出版商的网站|谷歌学术搜索
22. 哈桑y、m . El-Tarhuni和k . Assaleh”比较线性多项式为合作的认知无线电网络分类器,”《IEEE 21个人室内移动无线电通信国际研讨会(PIMRC 10),页797 - 802,伊斯坦布尔,土耳其,2010年9月。视图:出版商的网站|谷歌学术搜索
23. 哈桑y、m . El-Tarhuni和k . Assaleh“基于知识的合作频谱感知在认知无线电网络中,使用多项式分类器”诉讼的第四届国际会议在信号处理和通信系统(ICSPCS 10)2010年12月,悉尼,澳大利亚,。视图:出版商的网站|谷歌学术搜索
24. Theodoridis和k . Koutroumbas模式识别、学术出版社,圣地亚哥,加利福尼亚州,美国第3版,2006年版。
25. w·m·坎贝尔,k . t . Assaleh, c . c . Broun“说话人识别多项式分类器,”IEEE语音和音频处理,10卷,不。4、205 - 212年,2002页。视图:出版商的网站|谷歌学术搜索
26. w·加德纳比较在通信和信号处理,IEEE出版社,第1版,1994年版。
27. w·a·加德纳“开发周期平稳信号的谱冗余”IEEE信号处理杂志,8卷,不。2,14-36,1991页。视图:谷歌学术搜索
28. 他林y和c,“Subsection-average周期平稳特性检测在认知无线电中,”《IEEE国际会议上神经网络与信号处理,第608 - 604页,2008年。视图:谷歌学术搜索
29. t . Shanableh、k . Assaleh和m . Al-Rousan“时空特征提取技术孤立在阿拉伯语手语手势识别,”IEEE系统,人,控制论B,37卷,不。3、641 - 650年,2007页。视图:出版商的网站|谷歌学术搜索
30. d . Specht”生成多项式判别函数的模式识别,”IEEE电子计算机,16卷,不。3、308 - 319年,1967页。视图:出版商的网站|谷歌学术搜索

版权

版权©2012优思明哈桑et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。