CN101808327B - 无线通信中基于视觉认知的方法与系统 - Google Patents

无线通信中基于视觉认知的方法与系统 Download PDF

Info

Publication number
CN101808327B
CN101808327B CN201010117678XA CN201010117678A CN101808327B CN 101808327 B CN101808327 B CN 101808327B CN 201010117678X A CN201010117678X A CN 201010117678XA CN 201010117678 A CN201010117678 A CN 201010117678A CN 101808327 B CN101808327 B CN 101808327B
Authority
CN
China
Prior art keywords
information
wireless
communication
scene
radio
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201010117678XA
Other languages
English (en)
Other versions
CN101808327A (zh
Inventor
邵士海
杨琳
夏金祥
唐友喜
符初生
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201010117678XA priority Critical patent/CN101808327B/zh
Publication of CN101808327A publication Critical patent/CN101808327A/zh
Application granted granted Critical
Publication of CN101808327B publication Critical patent/CN101808327B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提出一种无线通信中基于视觉认知的方法,包括视觉信息获取、图像特征检测以及目标识别、无线场景分析、无线通信模式选择和资源管理等步骤。本发明通过“看”的方式来观察无线通信环境,积极主动与无线环境交互,对无线环境全景认识充分,并对无线通信环境进行学习和推理,做出更有效准确的决策。能广泛应用于现有的无线通信系统中,可以灵活提供更多样化的应用业务,为满足用户多方面的需求提供具有针对性的解决方案,实现无线通信的人性化和智能化。

Description

无线通信中基于视觉认知的方法与系统
技术领域
本发明涉及认知无线通信领域,且首次提出基于视觉认知无线通信环境的方法。
背景技术
随着无线通信业务需求的快速增长,可用无线资源变得越来越稀缺,同时也对接入设备的功耗要求也更加严格,认知无线电技术(CR,Cognitive Radio)在这样的背景下应运而生,JosefMitola在1999提出了此概念,它定义的认知无线电是一种采用基于模式的推理达到特定无线相关要求的无线电,包括的主要环节为环境感知,适应环境,重新配置,自主运行。即具有认知能力的无线设备能对周围无线环境进行自适应感知探测,获取无线背景知识,智能调整系统相关参数以适应环境的变化。国内外目前研究和开发主要集中在非授权用户(认知用户)对授权用户(主用户)不造成干扰的情况下,伺机接入暂时的空闲频段并进行通信,在大部分文献中定义为频谱感知无线电,关键技术包含频谱感知、动态频谱和功率资源管理。整个认知过程描述如下:
认知无线电系统通过对所处环境的观察,将了解的情况作为频谱感知部分的输入信息,通过频谱检测功能获得频谱空洞信息,频谱分析部分利用此信息和相关的射频RF特征,完成分析归纳频谱特性和信道容量,再根据服务质量(QoS,Quality of Service,)要求为当前的传输选择合适的运行频段,然后自适应调整传输参数(例如频率,功率,调制方式,编码方案,物理层波形),完成信号传输。详细内容见:谢显中主编的《感知无线电技术及其应用》,电子工业出版社,2008。
目前认知无线电系统感知环境的主要方法是检测无线环境的无线电频率(RF)特征,有以下三种常用方法:
(1)匹配滤波器检测法
匹配滤波器检测的工作原理是指滤波器的性能与信号的特性取得某种一致,使滤波器输出端的信号瞬时功率与噪声平均功率的比值最大,即当信号与噪声同时进入滤波器时,它使信号成分在某一瞬间出现尖峰值,而噪声成分受到抑制。在认知无线电设备中使用匹配滤波器,实际上完成的是解调授权用户的信号,这样认知无线电用户就要知道授权用户的物理层和媒体控制层的信息,包括调制方式、时序、脉冲形状、封装格式等。利用这些信息实现与待检测信号在时域和频域上的同步,从而解调这些信息,并存放在CR的存储器里。匹配滤波器检测的优点是可以在很短时间内完成同步,提高了信号的处理增益;缺点是要求认知用户掌握每一类授权用户的各种信息。匹配滤波器法可应用于对授权用户信息比较了解的频谱环境中,如超高频的电视频段等。
(2)能量检测
当认知用户对主用户发射信号不是很了解,而只知道随机高斯噪声功率时,可以采用能量检测,由于这种方法实现起来较简单,故目前对主用户进行检测时一般都采用这种检测技术。但缺点是能量检测容易受到噪声功率的不确定性影响。
(3)循环特征检测
由于信号受人工周期信号的调制,对信号的离散采样、扫描、调制以及物理现象固有的周期性都使信号的统计特性呈现周期性,因此调制信号具有典型的循环平稳性,可利用其循环谱密度函数特征完成其检测及参数估计。在认知无线电中,采用循环特征检测技术检测频谱空洞就是利用其调制信号具有典型的循环平稳性。谱相关函数(SCF)又称循环谱,是一个二维的复函数。谱相关函数的最大特点就是能够区分噪声能量和调制信号能量,由于不同循环平稳信号具有不同的频谱冗余特性,所以可以用谱相关函数区别调制信号中的噪声和有用信号。同时,具有相同功率谱密度函数调制信号的循环谱呈现出完全不同的特性,平稳噪声和干扰也具有不同的循环谱。实验表明,该方法性能良好,即使在-20dB信噪比的情况下也能检测出调制信号。它的缺点是计算量大,检测时间相对长一些。详细内容见:周晓飞主编的《认知无线电原理及应用》,北京邮电大学出版社,2007。
从以上的方法可以概括出目前研究的感知环境方法都是基于“听”的方式,即无线系统被动监听无线电磁环境,硬性判断目标信息的有无,缺少对现实通信环境的全景多维认知,无法利用环境中存在的软性信息(如地理特征、人群特征等)。因此,基于“听”的认知方式并没有充分观察和利用信道环境和场景信息,具体表现如下:
(1)二元判决,缺少软性信息辅助。现有认知技术的首要任务一般是判断出特定频段是否被占用,对频谱占用时间、被谁占用、如何占用、以及占用概率(即周围还有多少用户想占用)等影响系统性能和资源消耗的关键性软性信息缺少认知,或很难通过频谱“监听”的方式获取这些软性信息。所以,基于频谱有无的二元判决只是解决了频谱接入的可行性问题,并没有给出使用该频谱的系统参数和代价成本。
(2)认知参数单一,缺少全景多维信息。通过“听”的方式认知的参数仅局限在RF特征上,无法掌握用户周围的基站分布情况、建筑楼群密度、用户密集程度和用户移动趋势等无线通信环境的全景多维信息参数,而这些参数能极大地增强对无线环境了解的相关信息量,所以,认知参数单一化极易导致通信模式选择和资源分配的决策失误。
(3)判断准确性低。认知用户采取“监听”方式时,由于无法知道主用户的位置,只能对主用户的微弱信号进行探测,极易受到无线环境干扰,而且当探测路径存在遮蔽时,甚至无法探测到主用户,这种盲目认知无线环境的方式,将导致判决主用户通信信息时极低的准确率。
(4)认知方式和决策方式本质上是被动的。因为“听”的方式在认知环境和做决策时完全依赖于信道的RF特征变化,而不主动去与无线环境交互,获取通信背景信息。如当用户信号是“监听”不到的范围(信号强度极其微弱、位置未知等),就会认为用户处于静默状态,对其通信需求不予理会。消极的去响应无线环境,将无法保证通信的质量和用户满意度。
发明内容
本发明提供一种无线通信中基于视觉认知的方法与系统,提出通过视觉的方式与无线通信环境进行信息交互,获取更多的无线环境背景信息,为高质量通信提供可靠保障。
本发明的无线通信中基于视觉认知方法包括以下步骤:
步骤1视觉信息获取,视觉信息获取可以通过光学、声学、电信号成像等技术获取环境实时图像,图像中涵盖了无线环境的全景多维信息;
步骤2将步骤1获取的视觉信息进行特征检测以及目标识别,并将提取出的特征和目标信息导入到一个场景动态数据库;
步骤3无线通信场景分析,根据场景动态数据库先验信息和步骤2导入的特征和目标信息推理出当前无线环境的状态,映射出无线场景的通信参数和用户特征,更新场景动态数据库;
步骤4利用步骤3中分析出的无线场景的通信参数和用户特征,结合网络协同信息数据库中的网络信息进行无线通信模式选择和资源管理,制定出通信方案;
步骤5根据步骤4中制定出的通信方案调整相应的无线通信参数,进行资源的整合与调度,输出对无线环境认知的响应。
本发明的实质是通过“看”的方式来观察无线通信环境,获取比“听”的方式更多的与无线环境相关的背景信息,在此基础上对无线环境进行学习和推理,实现与无线环境的动态交互,使无线电系统能脱离对无线环境认识的盲目,从预置程序的盲目执行者转变为智能的决策者。按照本发明方法构成的视觉认知无线通信系统有如下有益效果:
(1)由于采用“看”的视觉观察方式,比“听”的方式获得了更多的无线通信环境中影响系统性能和资源消耗的软性信息和无线环境的全景多维信息,对无线环境认识得更充分,做出的决策将更准确有效。
(2)由于“看”无线环境可以理解为一种积极主动与无线环境交互的方式,改变了频谱感知中被射频激励驱动去认知无线环境的消极方式,使学习推理过程得以高效的进行,感知周期时间短,决策迅速。
(3)从以上所述两点还可知基于视觉认知的无线通信系统适用的场景将更广泛,可以灵活提供更多样化的应用业务,为满足用户多方面的需求提供全面的具有针对性的解决方案,实现无线通信的人性化和智能化。
附图说明
图1是实现本发明方法的一个认知无线电系统中视觉认知处理部分的模块级结构图。
其中,101是视觉信息获取模块,102是视觉信息识别模块,103是无线场景分析模块,104是场景动态数据库,105是网络协同信息数据库,106是执行模块,107是无线通信模式选择和资源管理模块。
具体实施方式
图1提供一种实现本发明的无线通信系统的模块结构,只需在一般通信系统的组成基础上增加视觉信息获取模块101、视觉信息识别模块102,无线场景分析模块103,场景动态数据库104,网络协同信息数据库105,执行模块106,无线通信模式选择和资源管理模块107,前述各个模块依次连接后构成一个独立设备,该独立设备再连接到基站或/和移动台上,前述各个模块也可以直接嵌入到组成通信系统的基站或/和移动台中,前述各模块与移动台和/或基站中各个功能模块的连接方式一般技术人员根据具体的移动台是能够自行解决的。
利用图1中的视觉认知处理部分实现本发明方法为:
通过视觉信息获取模块101获得无线通信环境中的实时图像,视觉信息获取模块101可以是光学、声学、电信号成像的设备,具体地获取无线通信环境的实时图像的方式,可以是布置在覆盖范围内的专用视频采集设备构建的网络(该网络通过多方位多角度对目标区域进行实时追踪拍摄获取);也可以是雷达成像技术获取一些特定区域(被遮蔽范围,禁区)的图像,这些技术在大量文献中已经公开,具体采用的方式并不影响本发明基于视觉方式来感知无线环境的核心思想。视觉信息获取模块的功能形象地描述为确保系统能准确地“看”到无线通信环境。
视觉信息识别模块102对视觉信息获取模块101获取的无线通信环境的图像进行处理分析,识别出与无线通信有关的信息参数,信息参数包括两个方面:1)地理位置相关的信息,例如,用户周围正在进行无线通信的设备的数目、建筑楼群密度、基站分布位置情况,用户与各基站间的位置关系,用户的移动趋势;2)用户特征,例如,使用的无线通信设备的类型、用户身份特征、用户生理特征(看到是否受伤,是否需要紧急救援)。以上信息的提取,现在已有非常成熟的目标识别技术和图像检测技术可以实现。需要特别说明的是以上参数是无法通过“听”的方式获取的。系统看到关于无线环境如此丰富的全景信息,极大的增强了其对环境的认识。
无线场景分析模块103根据视觉信息识别模块102提取出的参数,进而分析出无线场景的通信参数和用户特征。通信场景参数是包括噪声干扰、阴影衰落、多径属性、遮蔽属性、多普勒属性等无线电特征;用户特征是通过定位技术锁定具体用户后,采用例如定向波束对其信号进行监测获取,也可以由动态更新的场景数据库提供。
场景动态数据库104包含以下四个主要组成部分:一是地理位置信息数据子库,所述的地理位置信息数据子库存储通信环境特征(如人群及建筑物密度的计算模型,阴影区的面积计算模型,小区的特征参数)和移动位置信息(如用户当前位置坐标,移动载体的速度);二是无线电传输特性数据子库,所述的无线电传输特性数据子库是与地理位置信息子库内容相对应的无线电特征,比如从地理位置信息子库中的建筑密集程度映射出无线电传输特性数据子库中的信道环境模型;三是用户信息数据子库,所述的用户信息数据子库存储登记的用户特征,用户特征包含了用户的身份特征、用户选用的通信制式、通信时间、通信信号的质量、通信设备的各种参数;四是典型业务的应用场景的特征参数数据子库,为制定通信方案提供信息支持。
无线场景分析模块103的的功能是对场景动态数据库104的信息进行读取、分析与更新,过程如下:将视觉信息识别模块102提取出的参数输入到场景动态数据库,学习场景动态数据库中的先验信息,推理出无线场景的状态特征,同时根据当前输入的信息和推理出的参数信息更新场景数据库内容,进行此学习——推理——更新的迭代过程,直到获得通信质量要求所需的实时有效参数。先验信息是指数据库有基本的通信的模型(各通信制式下的调制方式,编译码方案,物理层波形等)估计预测算法(估计衰减、多径、多普勒频移等,预测用户未来的位置,通信需求)、初始化的区域地理数据等
经过以上处理步骤,无线通信模式选择和资源管理模块107获得了无线环境实时的全景多维信息,结合网络协同信息105(如网络资源分配信息,其他基站传送的辅助信息)进行无线通信模式选择和资源管理。例如,根据周围用户通信时间(信道占用时间)和通信行为(是否要接入或离开网络),结合监听获取的空闲频谱信息,寻找合适频谱,设置占用时间;根据噪声干扰,阴影衰落,多径属性等无线电特征选择适合的调制方式和物理层波形;根据与基站的距离、方向和周围基站分布情况,可以多基站协同或进行功率控制,保证用户获得优良的通信质量,基站附近的用户数量少时,基站进入低功耗工作模式,以节省功率资源;根据用户位置坐标信息和移动趋势,预测用户未来位置,选择切换方式,还能使用波束实现对特定目标的追踪;为用户提供更人性化多样化的服务,用户在郊区迷路或遇紧急情况时实时传递用户生理状态信息,提供相应的救援帮助信息等。
综上所述,本发明的基于视觉认知方法的无线通信系统,主动去认识无线环境,了解用户的通信需求,并快速做出响应,保证无线通信的高质量和用户对通信服务的满意度,让通信真正做到无处不在的畅通和便捷。

Claims (6)

1.无线通信中基于视觉认知的方法,其特征在于:包括以下处理步骤: 
步骤1:视觉信息获取; 
步骤2:将步骤1获取的视觉信息进行特征检测以及目标识别,并将提取出的特征和目标信息导入到一个场景动态数据库; 
步骤3:无线通信场景分析,根据场景动态数据库先验信息和步骤2导入的特征和目标信息推理出当前无线环境的状态,映射出无线场景的通信参数和用户信息,更新场景动态数据库; 
步骤4:利用步骤3中分析出的无线场景的通信参数和用户信息,结合网络协同信息数据库中的网络信息进行无线通信模式选择和资源管理,制定出通信方案; 
步骤5:根据步骤4中制定出的通信方案调整相应的无线通信参数,进行资源的整合与调度,输出对无线环境认知的响应。 
2.根据权利要求1所述的无线通信中基于视觉认知方法的系统,包括了一般通信系统的所有组成部分,其特征在于:在一般通信系统的组成基础上增加了视觉信息获取模块(101)、视觉信息识别模(102),无线场景分析模块(103),场景动态数据库(104),网络协同信息数据库(105),无线通信模式选择和资源管理模块(107),前述各个模块依次连接后构成一个独立设备,该独立设备再连接到基站或/和移动台上,其中视觉信息获取模块(101)获得无线通信环境中的实时图像,完成步骤1的功能;视觉信息识别模块(102)对视觉信息获取模块(101)获取的无线通信环境的图像进行处理分析,提取特征和目标信息,并将提取出的特征和目标信息导入到场景动态数据库(104),即完成步骤2的功能;无线场景分析模块(103)根据场景动态数据库(104)先验信息和视觉信息识别模块(102)提取出的特征和目标信息推理出当前无线环境的状态映射出无线场景的通信参数和用户特征,并更新场景动态数据库,无线场景分析模块(103)再结合网络协同信息数据库(105)中的网络信息进行无线通信模式选择和资源管理,制定出通信方案,即完成步骤3和步骤4的工作;无线通信模式选择和资源管理模块(107)根据步骤4制定出的通信方案调整相应的无线通信参数,进行资源的整合与调度,输出对无线环境认知的响应,即完成步骤5的工作。 
3.根据权利要求2所述的无线通信中基于视觉认知方法的系统,其特征在于各个模块直接嵌入到组成通信系统的基站或/和移动台中。 
4.根据权利要求1所述的无线通信中基于视觉认知的方法,其特征在于:视觉信息获取是通过光学、声学、电信号成像技术获取的环境实时图像。 
5.根据权利要求2所述的无线通信中基于视觉认知方法的系统,其特征在于:所述的场景动态数据库(104)包含四个主要组成部分:一是地理位置信息数据子库,所述的地理位置信息数据子库存储通信环境特征和移动位置信息;二是无线电传输特性数据子库,所述的无线电传输特性数据子库是与地理位置信息子库内容相对应的无线电特征;三是用户信息数据子库,所述的用户信息数据子库存储登记的用户信息;四是典型业务的应用场景的特征参数数据子库。 
6.根据权利要求1所述的无线通信中基于视觉认知的方法其特征在于:所述无线场景的通信参数包括了噪声干扰、阴影衰落、多径属性、遮蔽属性、多普勒属性无线电特征,所述用户特征包括了身份特征、生理特征、用户选用的通信制式、通信时间、通信信号的质量、通信设备的各种参数。 
CN201010117678XA 2010-03-04 2010-03-04 无线通信中基于视觉认知的方法与系统 Active CN101808327B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201010117678XA CN101808327B (zh) 2010-03-04 2010-03-04 无线通信中基于视觉认知的方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201010117678XA CN101808327B (zh) 2010-03-04 2010-03-04 无线通信中基于视觉认知的方法与系统

Publications (2)

Publication Number Publication Date
CN101808327A CN101808327A (zh) 2010-08-18
CN101808327B true CN101808327B (zh) 2013-11-06

Family

ID=42609899

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201010117678XA Active CN101808327B (zh) 2010-03-04 2010-03-04 无线通信中基于视觉认知的方法与系统

Country Status (1)

Country Link
CN (1) CN101808327B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110035551B (zh) * 2014-11-05 2022-05-31 上海朗帛通信技术有限公司 一种laa调度方法和装置
CN105207726B (zh) * 2015-04-09 2018-11-27 北京交通大学 无线信道综合测试装置
US9811915B2 (en) * 2015-08-24 2017-11-07 Huawei Technologies Co., Ltd. Integration of image/video pattern recognition in traffic engineering
CN105721079B (zh) * 2016-01-22 2018-07-03 桂林电子科技大学 一种基于认知无线技术的无线信道“指纹”特征使用方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101459445A (zh) * 2008-12-29 2009-06-17 浙江大学 一种认知无线电系统中的合作频谱感知方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6393294B1 (en) * 1998-09-22 2002-05-21 Polaris Wireless, Inc. Location determination using RF fingerprinting

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101459445A (zh) * 2008-12-29 2009-06-17 浙江大学 一种认知无线电系统中的合作频谱感知方法

Also Published As

Publication number Publication date
CN101808327A (zh) 2010-08-18

Similar Documents

Publication Publication Date Title
Anandakumar et al. An efficient optimized handover in cognitive radio networks using cooperative spectrum sensing
Qihang et al. A distributed spectrum sensing scheme based on credibility and evidence theory in cognitive radio context
CN104320845B (zh) 一种基于传感器和量子智能计算的主用户定位方法
Sato et al. On the performance of neural network residual kriging in radio environment mapping
Chen et al. Secure centralized spectrum sensing for cognitive radio networks
Popoola et al. Application of neural network for sensing primary radio signals in a cognitive radio environment
CN101808327B (zh) 无线通信中基于视觉认知的方法与系统
CN107027122A (zh) 一种伪基站检测定位系统
Ali et al. Reinforcement-learning-enabled massive internet of things for 6G wireless communications
Chen et al. Providing spectrum information service using TV white space via distributed detection system
Gul et al. Fine-grained augmentation for RF fingerprinting under impaired channels
Suchanski et al. Radio environment maps for military cognitive networks: construction techniques vs. map quality
Dabcevic et al. Cognitive radio as the facilitator for advanced communications electronic warfare solutions
He Chaotic stochastic resonance energy detection fusion used in cooperative spectrum sensing
Yang et al. IoT technologies and applications
Yilmaz Cooperative spectrum sensing and radio environment map construction in cognitive radio networks
Perumal et al. A machine learning‐based compressive spectrum sensing in 5G networks using cognitive radio networks
Palicot et al. Special issue on 10 years of cognitive radio: state-of-the-art and perspectives
CN115086965B (zh) 基于降元处理和联合迭代优化的动态频谱分配方法及系统
Boyacı et al. A cross-layer adaptive channel selection mechanism for IEEE 802.11 P suite
CN103179574A (zh) 基于地理位置与定位精度的信道分类感知方法
Santana et al. Assessing LoRaWAN radio propagation for smart parking service: An experimental study
Zhou et al. Indoor Positioning With Multibeam CSI From a Single 5G Base Station
de Alencar et al. Spectrum Sensing Techniques and Applications
Adams et al. Source localization in a cognitive radio environment consisting of frequency and spatial mobility

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant