基于FAM算法的认知无线电循环平稳特征检测

资 源 简 介

本项目基于MATLAB平台开发了一套高效的认知无线电频谱感知系统，核心在于利用FFT累加法（FAM）实现对微弱信号的循环平稳特征检测。该系统主要用于在低信噪比（SNR）以及存在不确定性噪声干扰的复杂电磁环境中，准确检测主用户信号（如BPSK、QPSK、AM等调制信号）的存在性。功能流程包括三个主要阶段：首先是信号模拟阶段，系统生成具有特定循环平稳特性的数字调制信号，并叠加高斯白噪声以模拟真实信道环境；其次是核心处理阶段，程序实现了计算效率优于传统带状相关法（Strip Spectral Correlation Algorithm）的FAM算法，通过将输入信号进行信道化处理、执行复数FFT运算、下变频及相关平滑累积，计算出信号的谱相关密度（Spectral Correlation Density, SCD）函数；最后是检测与分析阶段，系统通过在循环频率（Cycle Frequency）域和谱频率域搜索特征峰值，利用恒虚警率（CFAR）或预设阈值准则进行二元假设检验，判定信号是否存在。此外，项目还包含性能评估模块，能够绘制三维循环谱图、二维切片图以及在不同SNR条件下的检测概率（Pd）与虚警概率（Pfa）曲线，直观展示算法在抑制噪声和干扰方面的优势。

详 情 说 明

基于FAM算法的认知无线电循环平稳特征检测仿真

项目介绍

本项目基于MATLAB平台实现了一套认知无线电频谱感知仿真系统。核心算法采用FFT累加法（FAM, FFT Accumulation Method），用于在低信噪比（SNR）和噪声干扰环境下，对微弱的数字调制信号进行循环平稳特征检测。该仿真主要演示了针对BPSK调制信号的生成、处理、特征提取及检测性能评估的全过程。

功能特性

• 信号环境模拟：能够生成具有特定波特率和载波频率的BPSK调制信号，并叠加指定信噪比的高斯白噪声。
• 高效算法实现：集成了FAM算法的核心流程，相比传统带状相关法，能更高效地计算信号的谱相关密度（SCD）。
• 多维可视化分析：提供三维谱相关密度图和二维循环频率切片图，直观展示信号在双频域（循环频率-频谱频率）的统计特性。
• 自动化检测判定：内置基于统计特性的自适应阈值检测逻辑，自动判定目标信号是否存在。
• 性能评估体系：包含Monte Carlo仿真模块，通过多次试验绘制不同信噪比条件下的检测概率（Pd）曲线，评估算法鲁棒性。

系统要求

• MATLAB R2016a 或更高版本
• Signal Processing Toolbox（信号处理工具箱）

使用方法

直接运行主脚本即可启动仿真。程序将依次执行以下步骤：

1. 初始化系统参数并生成演示信号。
2. 调用FAM算法计算循环谱。
3. 弹出图形窗口显示三维特征图及二维检测切片，并在控制台输出单次检测结果。
4. 自动进入Monte Carlo性能评估阶段，仿真完成后绘制检测概率随SNR变化的折线图。

详细实现逻辑与代码分析

本项目的主程序（main.m）逻辑结构严谨，具体实现细节如下：

1. 系统参数配置

程序首先定义了全局仿真参数：

• 采样率设定为 2000 Hz，载波频率为 400 Hz，波特率为 100 Bd。
• 为配合FFT运算，信号持续时间设定为保证采样点数为2的幂次（2048点）。
• FAM算法特定参数：窗口大小（通道数）设为 64，抽取因子设为 16（即窗口大小的1/4）。

2. 信号生成与预处理

该模块负责构建“基带-搬移-加噪”的完整链路：

• 基带生成：利用随机整数生成器产生二进制比特流，映射为双极性码（-1, 1）。
• 脉冲成型：采用矩形脉冲（rectpulse）对符号进行上采样，使其匹配系统采样率。
• 调制与加噪：将基带信号乘以余弦载波完成BPSK调制，随后根据预设的演示信噪比（-5 dB）添加高斯白噪声。

3. 核心算法：FAM谱相关密度计算

系统调用 fam_algorithm 函数执行核心运算：

• 输入：接收含噪信号、采样率及算法参数（窗口与步长）。
• 处理：记录运算时间，计算得到复数形式的谱相关密度矩阵（Sx）以及对应的循环频率向量和频谱频率向量。
• 后处理：对输出的复数矩阵取模（求幅度），并进行全局归一化处理，以便于后续的绘图和阈值判定。

4. 结果可视化与单次检测

可视化模块包含两个子图：

• 3D视图：绘制谱相关密度（SCD）曲面。为提高绘图效率，代码中对数据网格进行了2倍降采样。图中特意在 $2 times f_c$ （即800 Hz）处绘制了红色标记线，指示理论上的BPSK循环平稳特征峰位置。
• Alpha Profile（切片图）：将二维SCD矩阵沿频谱频率轴取最大值，得到随循环频率变化的幅度曲线。
• 检测逻辑：

* 利用 findpeaks 函数寻找切片图中的峰值。 * 计算自适应检测阈值：均值 + 4倍标准差。 * 特定检查 $2 times f_c$ 频率附近的幅度值，若超过阈值，则判定检测到主用户信号，并在图中标记。

5. Monte Carlo 性能评估

程序最后包含一个完整的性能仿真循环：

• 参数范围：扫描信噪比从 -15 dB 到 5 dB，步长 3 dB。
• 循环试验：每个SNR点下进行 50 次独立试验（为了演示速度）。
• 加速策略：在Monte Carlo循环中，调用FAM算法时减半了窗口分辨率（Np/2），以牺牲少量精度换取仿真速度的提升。
• 动态判定：

* 每次试验均重新生成随机信号和噪声。 * 在该模块中，程序计算特定目标频率（$2 times f_c$）附近的局部峰值。 * 实现了简化的恒虚警（CFAR）思想：排除直流和目标区域，利用剩余背景噪声统计量计算动态阈值。 * 统计超过阈值的次数，计算检测概率（Pd）并绘图。

6. 子函数逻辑 (FAM Algorithm)

虽然代码片段末尾截断，但从已有的实现可以看出：

• 函数首先进行信道化处理（Channelization），利用汉明窗（Hamming）对输入数据进行分段和STFT（短时傅里叶变换）计算。
• 它是整个系统的计算引擎，负责将时域信号转换为双频域（循环频率-频谱频率）的相关统计量。