我校电子信息工程学院胡国兵教授团队在无线通信领域顶级期刊《IEEE Transactions on Cognitive Communications and Networking》（IEEE TCCN，中科院一区）上发表题为《Spectrum Sensing Based on Graph Fourier Transform Using Laplacian Matrix and Vertex Probability Vector》的学术论文。

在当前的认知无线电网络中，频谱感知是实现频谱资源高效利用的关键技术之一。传统基于量化图变换的频谱感知算法虽然能够利用图拓扑特性，但在低信噪比、存在干扰信号以及衰落信道等复杂场景中，往往难以达到理想的检测效果，原因在于现有算法未能充分考虑信号的统计特征。针对这一问题，本文创新性地提出了一种基于图傅里叶变换（GFT）的频谱感知算法。该算法通过将功率谱的块最大值和最小值之和转换为简单无向图，定义其顶点概率向量为图信号，而后利用图拉普拉斯矩阵的特征向量构建特征矩阵，并通过矩阵运算以获得图信号的GFT，最后计算GFT的加权能量作为检测统计量。文中引入超优序，从理论上证明不同假设下统计量之间的大小关系，并推导了检测门限、检测概率的理论表达式，并通过仿真验证算法的有效性与优越性。

图1 与现有算法的检测性能对比

本文网址：https://ieeexplore.ieee.org/document/11015589?denied=