文献

J-GLOBAL ID：201802259204662193   整理番号：18A0708795

主要固有ベクトルマッチングを用いた協調スペクトルセンシングアルゴリズム【JST・京大機械翻訳】

A cooperative spectrum sensing algorithm using leading eigenvector matching

著者 (1件)： Song Yuhui (China FAW Group Corporation R&D Center, Changchun, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICACT  ページ： 1034-1039  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 認知無線は,厳しいスペクトル不足問題を緩和する新しい傾向として出現した。認知無線における重要な問題として,スペクトルセンシングは最近広く議論されている。信号特性,チャネルおよび雑音パワーの事前知識なしで一次ユーザの信号の存在を感知するブラインド検出技術は,非ブラインド検出より多くの注意を引き付ける。特に雑音不確実性の場合に,エネルギー検出を上回るランダム行列理論に基づくセンシングアルゴリズムを示した。本論文では,誘導固有ベクトル整合(LEM)を用いたセンシングアルゴリズムを協調スペクトルセンシングプロセスに導入した。LEM検出器は,事前知識として特徴学習アルゴリズム(FLA)からブラインド的に学習された特徴を使用する。LEMアルゴリズムは,テスト統計としてサンプル共分散行列の特徴学習と主要固有ベクトルの間の相関係数を含む。本論文では,一定の誤警報率検出を達成するために,閾値の閉形式表現も導出した。数値シミュレーションにより,提案した検出アルゴリズムがMME検出器よりも優れていることを示し,雑音電力不確実性問題を被ることなく,検出ノード間の相関減少に対してよりロバストであることを証明した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  *アルゴリズム ,  *スペクトル ,  不確実性 ,  学習 ,  信号特性 ,  *固有ベクトル ,  ロバスト性 ,  検出器
準シソーラス用語： 共分散行列 ,  ブラインド検出 ,  事前知識 ,  *スペクトル検出 ,  コグニティブ無線 ,  *協調スペクトルセンシング , 【Automatic Indexing@JST】

分類 (1件)： 無線通信一般  (ND08010L)

タイトルに関連する用語 (4件)： 固有ベクトル ,  マッチング ,  協調スペクトルセンシング ,  アルゴリズム