自回归信道模型研究

doi:10.3778/j.issn.1002-8331.2009.20.031

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (20): 103-105.DOI: 10.3778/j.issn.1002-8331.2009.20.031

自回归信道模型研究

董春利^1，2，董育宁^1，3，王莉²

1.南京邮电大学通信与信息工程学院，南京 210003
2.南京交通职业技术学院信息工程系，南京 211188
3.苏州大学江苏省计算机信息处理技术重点实验室，江苏苏州 215006

收稿日期:2009-02-25 修回日期:2009-04-07 出版日期:2009-07-11 发布日期:2009-07-11
通讯作者: 董春利

Research of autoregressive channel models

DONG Chun-li ^1，2，DONG Yu-ning^1，3，WANG Li²

1.College of Communication and Information Engineering，Nanjing University of Posts and Telecommunications，Nanjing 210003，China
2.Department of Information Engineering，Nanjing College of Transportation Vocational Technology，Nanjing 211188，China
3.Jiangsu Provincial Key Lab of Computer Information Processing Technology，Suzhou University，Suzhou，Jiangsu 215006，China

Received:2009-02-25 Revised:2009-04-07 Online:2009-07-11 Published:2009-07-11
Contact: DONG Chun-li

摘要/Abstract

摘要： 高效、可靠地检测频谱空洞是认知无线电研究的重要技术。采用基于卡尔曼滤波的自回归信道预测模型可较好地估计频谱空洞，自回归模型常用于近似离散时间随机过程。首先讨论了ALOHA系统中认知用户和授权用户共存的系统模型；其次采用p阶模型近似平坦瑞利衰落信道，对瑞利衰落信道进行了仿真，给出了求解模型参数的算法，并讨论了p阶模型的平稳性。仿真实验表明，自回归信道模型的自相关函数能较好地和理论值匹配，而且易于实现。

关键词: 认知无线电, 频谱空洞, 瑞利衰落信道, 模型

Abstract: Efficient and reliable detection of spectrum holes is an important technology for cognitive radio.Autoregressive channel models based on Kalman filtering can estimate the spectrum holes well，and are commonly used to approximate discrete-time random processes.Firstly，this paper discusses the system model of the coexistence with rental users and licensed users for ALOHA system.Secondly，an AR model of order p is used to approximate the flat Rayleigh fading channels.The simulation is performed.An algorithm for solving the AR model parameters is given，and its stability is also discussed.Simulation results show that the autocorrelation of autoregressive channel models can better match the theoretical value，and implement easily.

Key words: cognitive radio, spectrum hole, Rayleigh fading channel, AR model

董春利^1，2，董育宁^1，3，王莉². 自回归信道模型研究[J]. 计算机工程与应用, 2009, 45(20): 103-105.

DONG Chun-li ^1，2，DONG Yu-ning^1，3，WANG Li². Research of autoregressive channel models[J]. Computer Engineering and Applications, 2009, 45(20): 103-105.

[1]	张小峰，谢钧，罗健欣，杨涛. 深度学习语音合成技术综述[J]. 计算机工程与应用, 2021, 57(9): 50-59.
[2]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[3]	张韩钰，吴志昊，徐勇，陈斌. 增强卷积神经网络的人脸篡改检测方法[J]. 计算机工程与应用, 2021, 57(8): 220-224.
[4]	潘沛鑫，潘中良. 结合显著性的主动轮廓图像分割[J]. 计算机工程与应用, 2021, 57(8): 225-230.
[5]	高铖铖，陈锡程，张瑞，宋秋月，易东，伍亚舟. 三种新型智能算法在疫情预警模型中的应用——基于百度搜索指数的COVID-19疫情预警[J]. 计算机工程与应用, 2021, 57(8): 256-263.
[6]	李俊. 结合最短路径改进的社会力人群疏散仿真模型[J]. 计算机工程与应用, 2021, 57(8): 264-270.
[7]	崔增乐，钱晓东. 区块链社交网络信息传播模型的优化研究[J]. 计算机工程与应用, 2021, 57(7): 59-69.
[8]	廖列法，李浩瀚，李帅，朱合隆，李志军. 结合Winner-Take-All的足球机器人控制策略研究[J]. 计算机工程与应用, 2021, 57(7): 136-143.
[9]	逯曼皎，张伟，徐涛. 基于动态矩阵模型的可优化的补货策略[J]. 计算机工程与应用, 2021, 57(7): 263-268.
[10]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[11]	张福良，梁意文，谭成予. Android恶意软件的人工自然杀伤细胞检测模型[J]. 计算机工程与应用, 2021, 57(6): 74-80.
[12]	雷恒林，古兰拜尔·吐尔洪，买日旦·吾守尔，张东梅. 新奇检测综述[J]. 计算机工程与应用, 2021, 57(5): 47-55.
[13]	刘畅，邱卫根，张立臣. 基于可变形掩膜对齐卷积模型的行人再识别[J]. 计算机工程与应用, 2021, 57(5): 146-152.
[14]	沈瑜，刘成，杨倩. 利用子空间稀疏特征的超分辨率图像重建算法[J]. 计算机工程与应用, 2021, 57(5): 173-182.
[15]	王凤琴，柯亨进. 卷积神经网络及其分析在抑郁症判别中的应用[J]. 计算机工程与应用, 2021, 57(5): 245-250.

自回归信道模型研究

Research of autoregressive channel models

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics