认知无线电频谱感知仿真平台

资 源 简 介

本项目实现了一套完整的认知无线电频谱感知技术仿真方案，专门用于评估在复杂无线环境下识别授权用户信号的能力。系统核心功能包含多种感知算法的建模，如计算简单且无需先验知识的能量检测法、在已知信号特征下性能最优的匹配滤波器法，以及在低信噪比下具备强抗噪能力的循环平稳特征检测法。仿真流程严格遵循无线通信物理层规范，涵盖了信号调制、通过AWGN及多径衰落信道、接收端噪声抑制及检测量计算。项目特别强调了性能指标的全面分析，能够自动生成ROC曲线并计算不同信噪比下的检测统计量。此外，系统具备参数化配置界面，允许研究人员

详 情 说 明

认知无线电频谱感知仿真平台

项目介绍

本项目是一款基于MATLAB开发的认知无线电频谱感知仿真系统。频谱感知是认知无线电（CR）的核心技术，旨在实时监测无线环境，精准识别授权用户（Primary User）是否存在。本平台重点模拟了物理层的信号检测过程，涵盖了从信号调制、信道干扰到接收端检测的全流程。通过量化的性能指标对比分析，为研究人员提供了一个直观、科学的算法验证环境，有助于深入理解不同感知算法在实际无线通信环境（如AWGN信道与多径衰落信道）下的表现。

功能特性

1. 算法多样化：集成了能量检测法、匹配滤波器法以及循环平稳特征检测法三种主流技术方案。
2. 真实环境模拟：实现了BPSK信号的生成，模拟了多径衰落（通过自定义滤波器模拟路径延迟与增益）及加性高斯白噪声（AWGN）对信号的影响。
3. 全面的性能评估：支持自动生成检测概率（Pd）随信噪比（SNR）变化的曲线，以及反映虚警概率（Pfa）与检测概率关系的ROC曲线。
4. 统计仿真保障：基于蒙特卡罗方法进行多次迭代计算，通过统计学数据确保仿真结果的准确性和稳定性。
5. 参数化配置：支持自定义采样频率、载波频率、感知时长、SNR范围等物理层关键参数。

核心算法实现细节

本项目通过MATLAB代码精确实现了以下三种检测逻辑：

1. 能量检测 (Energy Detection)

实现原理：该算法最为简洁，无需任何先验知识。系统计算接收信号在观测时长内的平均能量，并将其与预设阈值对比。 阈值处理：根据虚警概率目标值，利用逆Q函数（qfuncinv）和噪声方差动态计算判定阈值。

1. 匹配滤波 (Matched Filtering)

实现原理：在已知授权用户信号波形的假设下，系统将接收信号与本地参考信号进行互相关运算。当互相关峰值超过设定阈值的判定为存在信号，这是信噪比最优的检测方法。 阈值处理：程序通过统计H0假设（仅噪声）下的分布特性，利用百分位数（Percentile）方法或高斯分布理论推导确定阈值。

1. 循环平稳特征检测 (Cyclostationary Feature Detection)

实现原理：利用受调信号具有周期性的特点，在特定的循环频率（如载波频率的两倍）处提取信号分量。由于噪声不具备这种周期性，该方法在低信噪比下能有效区分噪声与信号。 阈值处理：通过对纯噪声环境下的循环相关统计量进行建模，利用非参数化方法确定检测门限。

仿真逻辑流程

1. 参数初始化：定义采样率（1MHz）、载波频率（100kHz）、感知时间（1ms）及仿真次数。
2. 信号发射：生成随机BPSK序列，进行矩形脉冲成形并调制到载波上。
3. 信道传输：

- 模拟多径效应：通过3抽头滤波器引入不同延迟和增益的路径信号。 - 叠加噪声：根据信噪比范围（-25dB至5dB）向信号注入高斯白噪声。

1. 感知检测：

- 算法并行计算：分别调用三种感知逻辑。 - 假设检验：在H1（信号+噪声）和H0（纯噪声）下计算统计量，判断是否检测成功。

1. 数据绘图：统计所有蒙特卡罗循环的结果，计算Pd，最终绘制性能对比图表。

关键辅助函数

为了提高代码的可移植性和计算精度，系统内置了以下数学工具函数：

• 逆Q函数实现：利用erfinv函数实现，用于计算正态分布下的概率反函数。
• Q函数实现：基于erfc函数实现，用于评估高斯噪声环境下的检测误码及虚警概率。

系统要求

• 软件环境：MATLAB R2016b 及以上版本
• 必备工具箱：信号处理工具箱（Signal Processing Toolbox）、通信系统工具箱（Communications Toolbox）。

使用方法

1. 启动MATLAB软件。
2. 打开仿真代码文件，直接点击“运行”按钮。
3. 系统将先后执行“SNR性能分析仿真”和“ROC曲线分析仿真”。
4. 仿真结束后，程序将自动弹出图形窗口，展示不同算法在不同环境下的性能对比曲线。
5. 观测主界面的命令行窗口，可查看仿真进度。