认知无线电系统中的噪声消除：进化算法的性能比较
信号处理
2018-01-31 v1
摘要
噪声消除是任何通信系统中重要的信号处理功能，因为噪声影响数据完整性。在现有系统中，使用传统滤波器从接收信号中消除噪声。这些滤波器使用固定硬件，能够滤除特定频率或频率范围。然而，下一代通信技术（如认知无线电）将需要使用可针对任何频率动态重新配置其滤波参数的自适应滤波器。为此，已提出若干噪声消除技术，包括最小均方（LMS）及其变体。然而，这些算法易受非线性噪声影响，且无法为去噪找到全局最优解。本文研究了两种基于全局搜索优化的算法——遗传算法和粒子群优化——在认知无线电系统中执行噪声消除的效率。实现了这些算法，并使用误码率和均方误差作为性能评估指标将其性能与 LMS 进行比较。使用加性白高斯噪声和随机非线性噪声进行仿真。结果表明，对于 AWGN corrupted 信号，GA 和 PSO 表现优于 LMS，但对于非线性随机噪声，PSO 优于其他两种算法。
引用
@article{arxiv.1801.09725,
title = {Noise Cancellation in Cognitive Radio Systems: A Performance Comparison of Evolutionary Algorithms},
author = {Adnan Quadri and Mohsen Riahi Manesh and Naima Kaabouch},
journal= {arXiv preprint arXiv:1801.09725},
year = {2018}
}