基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对经典特征值类频谱感知算法在低采样、低信噪比下检测效果不佳的问题,基于最大最小特征值之差算法(DMM),利用最小特征值极限分布以及特征值均值的能量特征,提出了一种基于随机矩阵特征值差的频谱感知改进算法(DAM),该算法以特征值均值与最小特征值为检测量,分析比较了算法在两种计算门限下的检测性能(DAM1与DAM2),理论与仿真结果表明,该算法在不增加运算复杂度的同时,在低采样、低信噪比的情况下,较DMM算法以及现有最大特征值与能量差改进算法(ME-S-ED)提升了检测概率,其中DAM1更适用于低信噪比,DAM2更适用于低采样.
推荐文章
基于随机矩阵最大特征值分布的频谱感知算法
频谱感知
随机矩阵理论
样本协方差矩阵
最大特征值
几何平均特征值
一种基于最大最小特征值的频谱感知改进算法
认知无线电
频谱感知
最大最小特征值
数值分析
聂曼—皮尔逊准则
恒虚警率门限
基于随机矩阵特征值比的频谱感知改进算法
频谱感知
随机矩阵理论
样本协方差矩阵
平均特征值
特征值比
基于最大特征值的协作式频谱感知
频谱感知
随机矩阵理论
最大特征值
多用户
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于随机矩阵特征值差的频谱感知改进算法
来源期刊 火力与指挥控制 学科 工学
关键词 认知无线电 频谱感知 随机矩阵理论 特征值极限分布 最大最小特征值之差
年,卷(期) 2018,(8) 所属期刊栏目 理论研究
研究方向 页码范围 17-21
页数 5页 分类号 TN92
字数 4005字 语种 中文
DOI 10.3969/j.issn.1002-0640.2018.08.004
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘芸江 空军工程大学信息与导航学院 61 288 8.0 13.0
2 高鹏 空军工程大学信息与导航学院 21 88 5.0 9.0
3 高维廷 空军工程大学信息与导航学院 18 21 3.0 3.0
4 李曼 26 20 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (81)
共引文献  (55)
参考文献  (13)
节点文献
引证文献  (3)
同被引文献  (10)
二级引证文献  (0)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(5)
  • 参考文献(1)
  • 二级参考文献(4)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(3)
  • 参考文献(1)
  • 二级参考文献(2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(4)
  • 参考文献(1)
  • 二级参考文献(3)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(4)
  • 参考文献(0)
  • 二级参考文献(4)
2008(8)
  • 参考文献(0)
  • 二级参考文献(8)
2009(16)
  • 参考文献(2)
  • 二级参考文献(14)
2010(7)
  • 参考文献(1)
  • 二级参考文献(6)
2011(12)
  • 参考文献(0)
  • 二级参考文献(12)
2012(13)
  • 参考文献(0)
  • 二级参考文献(13)
2013(5)
  • 参考文献(2)
  • 二级参考文献(3)
2014(2)
  • 参考文献(0)
  • 二级参考文献(2)
2015(6)
  • 参考文献(2)
  • 二级参考文献(4)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
认知无线电
频谱感知
随机矩阵理论
特征值极限分布
最大最小特征值之差
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
火力与指挥控制
月刊
1002-0640
14-1138/TJ
大16开
山西太原193号信箱
22-134
1976
chi
出版文献量(篇)
9188
总下载数(次)
26
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导