认知无线电网络中基于绝对值求和的基于拉普拉斯噪声的频谱感知

在非高斯噪声的情况下进行频谱感测对于认知无线电网络是一个具有挑战性的问题。 但是,在这种情况下,很少有可以正常工作的检测器。 基于这些原因,我们提出了一种通过拉普拉斯噪声绝对值累加(AVC)进行频谱感知的算法。 AVC充分利用了拉普拉斯噪声的随机性质和中心极限定理。 然后得出所提出的检测器的统计量。 对低信噪比条件下噪声不确定性的影响进行了性能分析,表明AVC的SNR Wall是能量检测的一半。 该算法被进一步引入现有的协作频谱感知方案中。 仿真结果验证了该算法的有效性,表明所提算法在拉普拉斯噪声的情况下可以将现有算法的性能至少提高3 dB。