One Bit Spectrum Sensing in Cognitive Radio Sensor Networks
提出了一种基于单比特测量的认知无线电传感器网络频谱感知算法。推导了一比特频谱感知问题的似然比检验。与文献中的单比特频谱感知研究不同，该方法假设信号是离散随机相关高斯过程，相关性仅存在于接收信号的连续样本中。所采用的模型有利于设计一个强大的检测标准与可测量的分析性能。推导了单传感器的单比特频谱感知准则，并将其推广到多传感器。检测器的性能进行了分析，通过获得封闭形式的虚警概率和检测概率的公式。仿真结果证实了理论研究结果，并确认了所提出的检测器的有效性，在高度相关的信号和大量的传感器的情况下。
2019-03-24 eess.SP stat.AP
Uniform Planar Array Based Weighted Cooperative Spectrum Sensing for Cognitive Radio Networks
针对认知无线电中基于均匀平面阵列（UPA）的协作频谱感知（CSS）研究不足的问题，提出多波束UPA加权CSS框架，通过设计加权因子提升检测可靠性，分析性能并验证其优越性。
2025-04-14 eess.SP
Wideband Cognitive Radio for Joint Communication and Sensing: Optimization of Subcarrier Allocation and beamforming
针对6GHz及以上频段通信与雷达共存的干扰与宽带利用问题，提出支持宽带认知无线电的多用户多目标通感一体化系统，通过子载波分配、波束成形与信号设计及对应优化算法，在12天线场景下较非协作基准实现通信和速率10%、感知和速率32%的提升。
2025-03-22 eess.SP
A Survey of Wideband Spectrum Sensing Algorithms for Cognitive Radio Networks and Sub-Nyquist Approaches
认知无线电（CR）网络提出了一种范式转变，旨在缓解频谱稀缺的问题加剧了日益增长的需求，这一有限的资源。它促进了动态频谱接入、异构设备之间的协作和频谱共享。频谱感知是一项关键的认知无线电功能，它需要扫描RF频谱，以揭示未充分利用的频谱频段，以供机会性使用。为了在保持高服务质量QoS的同时实现更高的数据速率，有效的宽带频谱感测例程是至关重要的，因为它们能够在宽频率范围内实现频谱感知并有效地利用可用的机会。然而，在严格的尺寸、重量、功率和成本要求（例如，对于便携式设备）带来了巨大的设计挑战，例如解决潜在的过高的复杂性和数据采集速率。本文给出了各种宽带频谱感知方法概述其优点和局限性的调查，特别注意的方法，利用次奈奎斯特采样技术。CR的其他方面，如合作感测和性能要求进行了简要说明。次奈奎斯特传感方法之间的比较。
2020-01-02 eess.SP stat.AP
RL-Aided Cognitive ISAC: Robust Detection and Sensing-Communication Trade-offs
Ruhr University Bochum（鲁尔大学波恩分校）；Robert Bosch GmbH（罗伯特·博世有限公司）
本文提出一种RL辅助的认知ISAC框架，结合Wald型检测器和SARSA算法实现鲁棒目标检测与自适应位置估计，并通过联合波形优化平衡感知精度与通信吞吐量，显著提升了检测概率且保持通信性能。
2025-11-04 cs.LG eess.SP
A Cooperative Spectrum Sensing Scheme Based on Compressive Sensing for Cognitive Radio Networks
提出了一种基于压缩感知的协作频谱感知方案。在该方案中，二级用户（SU）被组织在集群中。在每个集群中，SU将其压缩信号转发给集群头。然后，簇头将本地感知数据报告给融合中心，以做出最终决策。采用模数转换器对接收到的SU信号进行采集。所提出的方案进行评估，使用几个指标，包括检测概率，压缩比，错误的概率，和处理时间。仿真结果与其他合作感知方案进行了比较。该方案的检测概率高达97%，处理时间仅为2 ms，压缩比仅为10%，出错率仅为35%。这些结果表明，我们提出的方法优于频谱感知没有压缩感知。
2019-12-10 cs.IT eess.SP math.IT
Bayesian Compressive Sensing with Circulant Matrix for Spectrum Sensing in Cognitive Radio Networks
对于宽带频谱感知，压缩感知已经被提出作为加速高维信号感知和降低计算复杂度的解决方案。压缩感知包括从稀疏信号中获取必要的信息，并在接收机处基于有效的采样矩阵和重构技术来恢复它。为了处理不确定性，提高信号捕获性能，降低感知和重构过程中的随机性，压缩感知需要一个鲁棒的采样矩阵和高效的重构技术。在本文中，我们提出了一种方法，结合了循环矩阵与贝叶斯模型的优点。这种方法的实施，广泛的测试，其结果进行了比较的l1范数最小化与循环或随机矩阵的基础上的几个指标。这些指标是均方误差、重建误差、相关性、恢复时间、采样时间和处理时间。结果表明，我们的技术是更快，更有效。
2018-02-09 cs.IT eess.SP math.IT
Achievable Rates of Opportunistic Cognitive Radio Systems Using Reconfigurable Antennas with Imperfect Sensing and Channel Estimation
我们考虑一个机会认知无线电（CR）系统中，次级发射机（SUtx）配备了一个可重构天线（RA）。利用RA的波束控制能力，我们考虑了一个集成的基于扇区的频谱感知和数据通信的设计框架。在该框架中，SUtx感测频谱并检测与活跃主用户（PU）位置相对应的波束。SUtx还发送训练符号（在数据符号之前），以使得能够在辅助接收机（SUTx）处进行信道估计，并且选择SUtx-SUTx之间的最强波束用于数据传输。我们建立了一个下界的SUTx-SURCH链路的可实现的速率，在频谱感测和信道估计错误的存在下，和错误，由于不正确的检测对应于PU的位置和不正确的选择最强的波束数据传输的波束。我们制定了一个新的约束优化问题，旨在最大限度地提高推导出的可实现的速率下限受到平均发射和干扰功率的约束。我们优化了空间频谱感知和信道训练的持续时间以及数据符号传输功率。我们的数值结果表明，优化频谱感知和信道训练持续时间之间，后者是更重要的提供更高的可实现的速率。
2020-07-08 eess.SP
Robust Deep Sensing Through Transfer Learning in Cognitive Radio
University of Electronic Science and Technology of China（电子科技大学）；Massey University（梅西大学）；University of California at San Diego（加州大学圣地亚哥分校）
提出了一种基于深度学习的鲁棒频谱感知框架。在次级用户的接收机处接收到的信号被滤波、采样，然后被直接馈送到卷积神经网络中。尽管当在与所收集的训练数据相同的场景中操作时，这种深度感测是有效的，但是当将其应用于具有不同无线信号和传播的不同场景中时，感测性能降级。我们将迁移学习融入到框架中，以提高鲁棒性。实验结果验证了所提出的深频谱感知框架的有效性和鲁棒性。
2019-08-01 cs.IT cs.LG eess.SP
Large Array Antenna Spectrum Sensing in Cognitive Radio Networks
本文针对配备大阵列天线的认知无线电频谱感知问题，基于随机矩阵理论中的线性谱统计提出三种检测器，推导其理论分布并通过仿真验证其在大规模天线场景下的有效性。
2024-02-22 eess.SP
A Novel Low Complexity High Resolution Spectrum Hole Detection Technique for Cognitive Radio
认知无线电是一种潜在的解决方案，以满足即将到来的频谱紧缩问题。在认知无线电中，可以使用频谱感测技术来识别频谱空洞。高分辨率的频谱空洞检测可以确保即使是频谱中最小的无效部分也被有效利用。本文提出了一种频谱空洞检测技术，在该技术中，首先进行粗感知，以便同时检测占用信道。使用精细感测方法可以有效地检测占用频带中的频谱空洞。两级频率响应掩蔽（FRM）滤波器夹在两个基于Pascal结构的采样率转换器之间，导致带宽的任意变化。带宽的这种任意变化可以用于精细感测频谱，使得可以以高分辨率检测频谱空洞。该方法在不增加硬件复杂度的前提下，实现了高分辨率的频谱空洞检测。所提出的方法的硬件复杂度与最先进的比较，并被发现是显着减少
2022-07-03 eess.SP
One-Bit Spectrum Sensing for Cognitive Radio
本文针对认知无线电频谱感知，提出基于一位ADC的盲检测器，利用Rao检验推导闭式解，并分析其性能损失与补偿方法，仿真验证了理论结果。
2023-06-23 eess.SP
Spectrum Sensing Based on Deep Learning Classification for Cognitive Radios
频谱感知是认知无线电的关键技术。我们将频谱感知作为一个分类问题，并提出了一种基于深度学习分类的感知方法。我们规范化的接收信号功率，以克服噪声功率不确定性的影响。我们用尽可能多的信号类型以及噪声数据来训练模型，以使经过训练的网络模型能够适应未经训练的新信号。我们还使用迁移学习策略来提高真实世界信号的性能。进行了大量的实验来评估这种方法的性能。仿真结果表明，该方法的性能优于两种传统的频谱感知方法，最大最小特征值比法和频域熵法。此外，对新的未训练信号类型的实验结果表明，我们的方法可以适应这些新的信号的检测。实际信号检测实验结果表明，迁移学习可以进一步提高检测性能。最后，在有色噪声环境下的实验表明，该方法在有色噪声环境下具有优越的检测性能，而传统方法在有色噪声环境下检测性能下降明显，进一步验证了该方法的优越性。
2019-09-13 cs.LG eess.SP
PRISM: Decision-Centric Predictive Sensing for Cognitive Digital Twins in 6G
King Fahd University of Petroleum and Minerals（阿卜杜拉国王科技大学）
本文提出PRISM引擎，将数字孪生转为全网推理系统，实现以决策为中心的预测感知，在XL-MIMO混合设备场景中降低感知开销，支撑6G网络自主编排。
2026-08-18 eess.SP
Intelligent Reflecting Surface-Aided Spectrum Sensing for Cognitive Radio
频谱感知是认知无线电的关键使能技术，它提供有关频谱可用性的重要信息。然而，由于严重的无线信道衰落和路径损耗，在CR或次要用户（SU）处接收的主要用户（PU）信号实际上可能太弱而不能进行可靠检测。为了解决这个问题，我们认为在这封信中一个新的智能反射表面（IRS）辅助频谱感知方案CR，通过利用大孔径和被动波束形成增益的IRS提高PU信号强度接收在SU，以促进其频谱感知。具体地，通过根据给定的码本随时间动态地改变IRS反射，其反射信号功率在SU处基本上变化，这被用于机会信号检测。此外，我们提出了一种加权的能量检测方法，通过结合不同的IRS反射的接收信号的功率值，这显着提高了检测性能。仿真结果验证了所提出的IRS辅助频谱感知方案的性能增益，与不同的基准方案相比。
2022-02-05 cs.ET cs.IT eess.SP
On the Combined Effect of Directional Antennas and Imperfect Spectrum Sensing upon Ergodic Capacity of Cognitive Radio Systems
我们考虑一个认知无线电系统，包括一个主发射机（PUtx），一个主接收机（PUrx），一个辅助发射机（SUtx），和一个辅助接收机（SUrx）。次级用户（SU）配备有可操纵的定向天线。我们假设SU和主用户（PU）共存，SUtx知道网络的几何形状。我们找到了SUtx和SUnix之间信道的遍历容量，并研究了频谱感知误差对容量的影响。在我们的系统中，SUtx首先感测频谱，然后根据感测的结果以两个功率电平发送数据。在平均发射功率和平均干扰功率约束下，通过最大化各态历经容量，得到最优SUtx发射功率电平和SUtx发射天线和SUtx接收天线的最优方向.为了研究衰落信道的影响，我们考虑了三种情况：1）当SUtx知道SUtx和PUrx、PUtx和SUrx、SUtx和SUrx之间的衰落信道时，2）当SUtx只知道SUtx和SUrx之间的信道以及其他两个信道的统计信息时，以及3）当SUtx只知道这三个衰落信道的统计信息时。对于每一种情况下，我们探索的最佳SUtx发射功率电平和SUtx和SUnix天线的最佳方向，使遍历容量最大化，而功率约束得到满足。
2017-11-30 eess.SP
Towards Smarter Sensing: 2D Clutter Mitigation in RL-Driven Cognitive MIMO Radar
Institute of Digital Communication Systems, Ruhr University Bochum（鲁尔大学波鸿分校数字通信系统研究所）
本文提出一种RL增强的认知MIMO雷达系统，通过平面阵列自适应波形与波束形成，结合Wald检测器和SARSA算法抑制二维杂波，显著提升低信噪比多目标检测概率。
2025-02-07 cs.LG eess.SP
FAS-Driven Spectrum Sensing for Cognitive Radio Networks
本文研究FAS驱动的认知无线电频谱感知，通过交替优化和逐次凸逼近联合优化SU的波束成形与流体天线位置，显著提升了检测概率。
2024-11-13 eess.SP
Beam Selection and Discrete Power Allocation in Opportunistic Cognitive Radio Systems with Limited Feedback Using ESPAR Antennas
我们考虑一个机会认知无线电（CR）系统由一个主用户（PU），次级发射机（SUtx），和次级接收机（SUtx），SUtx配备了一个电可操纵的寄生阵列辐射器（ESPAR）天线与波束转向能力的传感和通信，并有一个有限的反馈信道从SUtx。采取整体的方法，我们开发了一个框架，集成的基于扇区的频谱感知和基于扇区的数据通信。在感测到信道忙时，SUtx确定与PU的方向相对应的波束。在感测到信道空闲时，SUtx使用对应于SUtx和SUcnt之间的最强信道的所选波束向SUcnt发送数据。我们制定了一个约束优化问题，其中SUtx SUTx链路遍历容量最大化，受到平均发射功率和干扰约束，优化变量是感知持续时间，在SUTx的信道量化器的阈值，在SUTx的发射功率电平。由于这个问题是非凸的，我们开发了一个次优的计算效率的迭代算法来找到解决方案。我们的数值计算结果量化的ESPAR天线提供的容量改善，并表明，我们的CR系统产生较低的中断和符号错误概率，与CR系统相比，其SUtx具有全向天线。
2019-07-13 eess.SP
Collaborative Spectrum Sensing in Cognitive and Intelligent Wireless Networks: An Artificial Intelligence Perspective
University of Electronic Science and Technology of China（电子科技大学）
本文从人工智能视角探讨认知与智能无线网络中的协作频谱感知，分析其核心方法与贡献，包括经典检测器设计、融合策略及AI驱动的深度学习模型分类。
2026-04-30 eess.SP
Steady-State Rate-Optimal Power Adaptation in Energy Harvesting Opportunistic Cognitive Radios with Spectrum Sensing and Channel Estimation Errors
我们考虑一个机会认知无线电网络，由Nu个次级用户（SU）和一个接入点（AP）组成，可以访问授权给一个主用户的频谱带。每个SU都能够收集能量，并配备有限大小的电池用于能量存储。SU在时隙方案下操作，其中每个时隙由三个不重叠的阶段组成：频谱感测阶段、信道探测阶段和数据传输阶段。AP将其对SUs-AP链路的衰落系数的估计反馈给SU。为了在能量收集和能量消耗之间取得平衡，我们提出了一种参数化的功率控制策略，该策略允许每个SU根据反馈信息和其存储的能量来调整其功率。建模随机到达的能量包在一个时隙作为一个泊松过程，我们建立了一个下界的SUS-AP链路的可实现的和速率，在频谱感知和信道估计误差的存在下。我们优化的参数，建议的功率控制策略，使派生的和率下限最大化，受干扰约束。通过仿真，我们证实了我们的分析，并探讨频谱感测通道探测数据传输的权衡。
2021-02-05 cs.IT eess.SP math.IT
On the Coverage of Cognitive mmWave Networks with Directional Sensing and Communication
本文利用随机几何建模含PPP次级用户的认知毫米波网络，分析定向感知与传输阈值下的接入概率、活动比例及主次链路覆盖概率，表明定向性和位置感知可提升并均衡覆盖。
2023-06-02 cs.IT eess.SP math.IT
Learning-based Spectrum Sensing and Access in Cognitive Radios via Approximate POMDPs
Arizona State University（亚利桑那州立大学）
提出了一种新的基于学习的频谱感知和接入（LESSA）框架，其中认知无线电（CR）学习无线电生态系统中授权用户（LU）频谱占用的时频相关模型，同时设计感知约束下的近似最优频谱感知和接入策略.提出了一种Baum-Welch算法，用于学习基于噪声频谱测量的LU频谱占用的参数马尔可夫转移模型。频谱感知和接入被转换为部分可观测的马尔可夫决策过程，通过基于随机点的值迭代近似优化。分段，汉明距离状态滤波器和蒙特卡洛方法，提出了以减轻固有的计算复杂度，和一个加权的奖励度量，以调节CR吞吐量和LU干扰之间的权衡。数值评估表明，LESSA的性能在基因辅助上限的5%以内，并且在整个权衡区域内优于最先进的算法：基于相关性的聚类为71%，Neyman-Pearson检测为26%，Viterbi算法为6%，自适应深度Q网络为9%。LESSA，然后扩展到一个分布式多代理设置（MA-LESSA），提出了新的邻居发现和信道接入秩分配。MA-LESSA比合作TD-SARSA提高了43%的CR吞吐量，比合作贪婪分布式学习提高了84%，比通过g统计和ACK的非合作学习提高了3倍。最后，MA-LESSA在DARPA SC2平台上实现，在真实世界的TDWR-UNII WLAN仿真中表现出优于竞争对手的性能;其实现的可行性在ESP 32无线电的测试平台上得到进一步验证，表现出96%的成功概率。
2021-07-14 cs.LG eess.SP
UAV-Sensing-Assisted Cellular Interference Coordination: A Cognitive Radio Approach
空中-地面干扰抑制被认为是实现蜂窝连接无人机（UAV）通信的主要挑战。由于视距（LoS）占主导地位的空中-地面信道，与地面用户相比，UAV在其上行链路/下行链路通信中的大得多的区域上产生/遭受到/来自蜂窝基站（BS）的强得多的干扰。因此，传统的小区间干扰协调（ICIC）技术迎合地面网络变得无效，在减轻更严重的无人机引起的干扰。为了应对这一新的挑战，这封信介绍了认知无线电为基础的解决方案，将无人机和地面用户作为次要和主要用户在网络中，分别。特别地，具有地面BS/用户的LoS信道赋予UAV强大的频谱感测能力，用于在比其服务BS大得多的区域上检测地面信号。通过利用这一独特的功能，我们提出了一种新的无人机传感辅助ICIC设计的无人机下行链路和上行链路通信。具体地，UAV分别在其服务BS处可用的资源块（RB）上感测其接收到的干扰和地面用户在下行链路和上行链路中的传输，以帮助其向UAV的RB分配，从而避免对同信道地面通信的干扰。数值结果表明，所提出的无人机辅助ICIC优于传统的地面ICIC从事相邻BS的合作。
2020-01-31 cs.IT eess.SP math.IT
Online Cognitive Data Sensing and Processing Optimization in Energy-harvesting Edge Computing Systems
移动边缘计算（MEC）最近已成为减轻物联网（IoT）网络中密集计算负担的流行技术。然而，有限的设备电池容量和严格的频谱资源严重限制了MEC使能的物联网网络的数据处理性能。为了解决这两个性能限制，我们在本文中考虑了具有能量收集（EH）无线设备（WD）的MEC启用的物联网系统，该能量收集（EH）无线设备（WD）机会性地访问覆盖的主通信链路的许可频谱以进行任务卸载。我们的目标是最大限度地提高长期平均感知率的WD的服务质量（QoS）的要求，主链路，MEC服务器（MS）的平均功率约束和数据队列的稳定性MS和WD。我们制定的问题作为一个多阶段的随机优化，并提出了一个在线算法PLySE，应用扰动李雅普诺夫优化技术分解成每槽确定性优化问题的原始问题。对于每个时隙的问题，我们推导出封闭形式的最优解的数据传感和处理控制，以促进低复杂度的实时实现。有趣的是，我们的分析发现，最优解表现出基于阈值的结构。仿真结果与我们的分析合作，并证明了超过46.7%的数据感知率的提高，建议PLySE的代表性基准方法。
2021-06-27 cs.IT eess.SP math.IT
