matlab匹配滤波项目（毕业设计）

简介：
该项目涉及matlab匹配滤波代码的期末设计，涵盖电子与通信工程（2013-2017）年度的研究成果。该存储库提供了用于频谱传感及其模拟的多项不同技术对应的matlab代码。本文提出了一种基于人工智能的决策方法，旨在集中实现频谱感知技术，特别是在软结合技术框架下进行决策制定。为了评估不同人工智能技术的适用性，我们详细分析了三种类型的模型：人工神经网络（ANN）、模糊逻辑以及模糊神经网络（FNN），这些模型用于确定通道的占用情况，即通道状态。在这些FNN模型中，我们针对频谱空缺提出了高效的决策策略。这些神经网络的设计依据诸如能量检测、匹配滤波器、以及PU与SU之间的距离等参数，同时考虑了信号到噪声比（SNR）和频谱效率等关键指标。为了提升频谱感知的性能，本文采用GLRT组合方法替代了一种有效的方案——空间虚警，并将其与GLRT相结合以增强系统的鲁棒性、恢复能力和感知间隔的缩短。此外，协作频谱感知技术被应用于降低噪声不确定性和解决隐藏节点问题，从而在二级用户（SU）的虚警概率（PFA）和检测概率（PD）方面实现卓越的性能指标。通过模拟实验和结果分析，展示了我们所提出方法的架构及其所用技术的流程图以及最终结果。