宋永健 朱晓梅 包亚萍 朱楹栋

(南京工业大学计算机科学与技术学院，江苏南京 211816)

1 引言

无线频谱是不可再生的宝贵资源,提高频谱利用率是无线通信的主要目标。但传统的固定频谱分配政策使得频谱利用率极其低下,也就是说,存在很多授权频谱空缺,而绝大部分未授权频谱却过于拥挤。认知无线电(Cognitive Radio,CR)的出现就是解决这一问题[1-2]。在CR系统中,频段上主用户(Primary User,PU)的活动情况由认知用户(Secondary User,SU)时刻感知,即频谱感知技术[3-5]。传统的频谱感知算法很适合在高斯噪声背景检测,但在实际信道中存在人为因素和自然因素,背景噪声大都为非高斯噪声(如Alpha分布噪声、Laplace分布噪声、混合高斯噪声等),这类噪声较高斯噪声而言具有更为厚重的拖尾,从而导致传统检测器的性能大大退化甚至失效[6-7]。

由于实际环境中的PU、噪声及信道的先验信息是很难提前获取,所以利用接收数据的采样协方差矩阵的盲检测器已受到越来越多学者的关注。文献[8]提出了最大最小特征值之比(MME)算法,首先通过计算求出采样协方差矩阵,接着再根据随机矩阵理论(RMT)求得采样协方差矩阵的最大特征值和最小特征值[9-11]之比为统计量进行判决,在噪声不确定性影响下,MME算法的检测性能明显优于能量检测算法(ED)。文献[12]提出一种改进的NMME算法,首先是对接收信号的采样协方差进行估计,接着根据RMT进行最小特征值分解[13],计算统计量,正是由于该算法门限值比传统的MME更小,所以其检测性能优于传统的MME。……