基于遗传算法(GA)的通信抗干扰决策引擎

基于认知无线电思想设计了一种多参数联合自适应通信抗干扰决策引擎,并利用遗传算法(Genet-ic Algorithm)作为决策算法,实现了系统频率、功率、调制方式、信道编码方式等参数的自适应选择。文章给出了算法的流程和仿真分析,仿真结果表明,该引擎对单目标函数以及有偏好的多目标函数的参数选择与理论值相符,验证了抗干扰决策引擎实现参数自适应选择的可行性和有效性。     

基于压缩感知和Welch的宽带频谱感知新算法

基于压缩感知的谱分析技术是宽带频谱感知的重要方法之一。文章将压缩感知与Welch法相结合,提出了一种新的宽带频谱感知算法。在不重构原信号波形的条件下,直接利用观测矩阵获得的低速观测值进行信号的功率谱估计,降低了采样速率,避免了重构算法的高复杂度。仿真结果表明,与基于压缩感知的多窗口联合奇异值分解算法(CS-MTM-SVD)相比,新算法在压缩率为0.5时能以更高的准确率估计出信号功率谱,估计精度与压缩率的变化成正比关系,并且新算法对噪声容忍度也更高。     

基于复杂度特征的干扰识别算法

复杂度可以用来刻画信号的波形变化特征。文中使用了L-Z复杂度和分形维数这两种复杂度作为干扰识别的特征参数并结合支持向量机对干扰进行分类。仿真结果表明L-Z复杂度和分形维数计算复杂度低,且具有较好的类别差异度,同时文中提出的算法具有较高的识别准确率。