CN101867420A - 一种基于频谱感知及预测的水下多路通信方法 - Google Patents
一种基于频谱感知及预测的水下多路通信方法 Download PDFInfo
- Publication number
- CN101867420A CN101867420A CN201010204687A CN201010204687A CN101867420A CN 101867420 A CN101867420 A CN 101867420A CN 201010204687 A CN201010204687 A CN 201010204687A CN 201010204687 A CN201010204687 A CN 201010204687A CN 101867420 A CN101867420 A CN 101867420A
- Authority
- CN
- China
- Prior art keywords
- channel
- node
- probability
- perception
- information
- 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.)
- Granted
Links
Images
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及水下通信技术领域,目的是提供一种基于频谱感知及预测的水下多路通信方法。本发明首先对各个频道的使用状态信息建立预测模型,然后利用占用频道的节点的时延信息来预测频道当前的使用状态,并在此基础上选择合适的频道进行通信,本发明提供的频谱预测机制,使得节点可以快速接入空闲频道,减少了接入时延,提高了通信效率。本发明通过对各个频道的使用状态信息建立预测模型,利用占用频道的节点的时延信息来预测频道当前的使用状态,减少了多路通信的数据碰撞概率,提高了数据传输速率和频谱利用率,节省节点能量,延长网络生命周期。
Description
技术领域
本发明涉及水下通信技术领域,特别涉及一种基于频谱感知及预测的水下多路通信方法。
背景技术
随着现代信息技术的飞速发展,通信已经成为一个陆海空三维一体的需求网络,特别是以海洋为代表的水下通信网络已经成为各国国防、通讯、监视、探测等活动中不可或缺的一部分。
迄今为止,在人们所熟知的各种辐射信号中以声波在水中的传播性能为最佳,因此声通信是目前水下无线通信的主要手段。由于吸收、散射、反射、几何扩展等因素的影响,高频声信号在水中的传播衰减非常大,使得水声通信的可利用频带非常有限,因此在多用户的水声通信系统中,如何有效地分配和利用有限的频谱资源是一个技术难题。现有的水下频谱共享技术主要有时分多址(TDMA)、载波侦听多路访问(CSMA)、频分多址(FDMA)等几种,但这些技术应用到水声通信时存在着较大的局限性,例如:TDMA技术要求精确的定时和同步条件,在水下通信的大传播延时环境下很难实现,同时,为避免相邻时隙信息的干扰,往往需要在数据传输过程中插入长度至少为最大传播时延的保护间隔,明显降低通信的效率;CSMA技术中大的传播延时,会导致节点间多次冲突,从而造成节点能量的多次消耗,互相交换控制信息则需要大量时间,同样降低通信效率;FDMA技术虽然不受大传播时延的影响,但目前静态的FDMA方案在多路通信的情况下,会造成某些频道拥挤而部分频道空闲的情况,频谱利用率不高。
认知无线电(Cognitive radio)技术是近年来陆上无线通信研究中提出的一种智能通信新技术,它的基本思想是让无线终端通过感知周围无线环境的历史和当前状况来调整自己的传输参数,使用最合适的无线资源(包括频率、调制方式、发射功率等)来完成无线传输,主要涉及频谱感知技术和频谱分析、决定、分配及移动等频谱资源管理等技术。由于认知无线电的思想能让无线终端高效地利用频谱资源、适应多变的无线环境,因此在频带有限、环境复杂的水下通信,特别是多用户、高速率的水下通信中具有很大的发展潜力。但由于声波在水中的传播速度远小于电磁波在空气中的传播速度(声波在水中的传播速度约为1500米/秒,仅为电磁波在空气中传播速度的二十万分之一),使得水下频谱感知与陆上频谱感知相比具有非实时和异步的特点:一方面,由于水下通信网络中的节点通常分布比较稀疏,距离较远,因此传播时延非常大,节点获得的频谱感知信息并非实时的待测频道的使用状态信息;另一方面,当被感知节点与认知终端的距离差别较大时,它们发出的声信号到达认知终端时会有明显的时间差,即在水声通信中,认知终端感知到的环境信息常常是异步的。这些都显著地增加了后续的频谱分配处理的难度。
在陆上无线通信中,现有的认知无线电信道状态感知和预测方法可以利用信道的统计信息计算出信道的状态转移概率矩阵,进而可以根据信道初始时刻处于各状态的概率来预测以后其任一时刻各状态的概率,可以有效地减少数据碰撞、提高频谱利用率,但由于电磁波在空气中的传播速度很快,因此通常都假设感知的频谱信息是实时和同步的,不能有效地处理水下频谱感知的非实时和异步信息,目前的水下通信技术中也尚无有效的解决方法。
发明内容
本发明的目的是克服了现有技术的不足,提供了一种能有效地处理水下频谱感知中的非实时和异步信息,提高频谱利用率,减少节点传输的数据碰撞概率和接入时延的基于频谱感知及预测的水下多路通信方法。
为解决上述技术问题,本发明的技术方案是:
一种基于频谱感知及预测的水下多路通信方法,包括下列步骤:
步骤1:网络中各节点按预定的感知时间间隔周期性地对各频道感知,获取频道的使用状态的统计信息,计算各频道的统计占用概率及状态转移概率矩阵,并对各个频道的使用状态建立预测模型;
步骤2:当网络中某节点需要传输数据时,该节点对各频道进行频谱感知,若某频道正在被占用,则该节点接收并解调正在各频道中传输的数据,如果某频道的数据可以被解调且能提取时间信息,则根据提取的时间信息估计该频道数据传输时延;如果某频道的数据不能被解调或无法从解调的数据中提取时间信息,则将该频道的时延信息标注为缺失;若该节点感知到某频道该时刻空闲,则将该频道的时延信息标注为缺失;
步骤3:将步骤2中感知到的各频道使用状态作为初始状态,当某频道的数据传输时延能估计出来时,利用步骤1中得到的各频道使用状态的预测模型对当前该频道的使用状态进行预测,计算当前该频道被占用的概率;当某频道的时延信息缺失时,将各频道的统计占用概率作为当前该频道被占用的概率;
步骤4:该节点根据步骤3计算得到各频道被占用概率与规定门限值比较,比较结果分为:
A、若计算的频道占用概率均大于门限值,则该频道当前不可用,该节点当前时刻没有合适频道可以接入;
B、若计算的频道占用概率小于门限值且该频道的数据传输时延小于等于步骤1所述的预定的感知时间间隔,则当前时刻该频道可用,该节点直接接入;
C、若计算的频道占用概率小于门限值且该频道的数据传输时延大于步骤1所述的预定的感知时间间隔,则当前时刻该频道可用,但该节点不能直接接入。
步骤5:节点根据步骤2中感知到的各频道使用状态及时延信息,更新各频道的统计占用概率和预测模型。
所述的基于频谱感知及预测的水下多路通信方法中,步骤1所述预测模型为马尔科夫链预测模型:A(n)=A(0)Pn,其中A(0)表示初始时刻各个频道的状态概率矩阵,P为状态转移概率矩阵,A(n)为n时刻各个频道的状态概率矩阵。
所述的水下多路通信方法中,步骤2所述各频道中传输的数据是定时、间隔地在传输的数据包上加入时间标签。
所述的基于频谱感知及预测的水下多路通信方法中,步骤4中A项各频道被占用概率均大于规定门限值时,则该节点1经步骤5返回步骤2,直至找到可用的合适频道。
所述的基于频谱感知及预测的水下多路通信方法中,步骤4中C项所述节点再次感知该所述频道,感知次数为该频道数据传输时延长度与步骤1所述的预定的感知时间间隔的比值,直至每次感知、预测结果均表示该所述频道可用,该节点才接入。
所述的基于频谱感知及预测的水下多路通信方法中,步骤5是采用双端队列方式,即每加入一个新的感知信息,则去除最前的一个统计信息来更新各频道的统计信息。
本发明相对于现有技术的有益效果是:
1.针对水下通信大传播时延造成的非实时性及异步性问题,本发明通过对各个频道的使用状态信息建立预测模型,利用占用频道的节点的时延信息来预测频道当前的使用状态,减少了多路通信的数据碰撞概率,提高了数据传输速率和频谱利用率。
2.本发明提供的频谱预测机制,使得节点可以快速接入空闲频道,减少了接入时延,提高了通信效率。
3.本发明提供的基于频谱感知及预测的水下多路通信方法,可以有效的解决水下可用频带窄的问题,减少节点传输的数据碰撞概率,节省节点能量,延长网络生命周期。
附图说明
图1为本发明实施例的水下多路通信网络结构图;
图2为本发明实施例的水下多路通信网络节点装置结构图;
图3为本发明实施例的工作流程图;
图4为本发明实施例的水下频道马尔科夫链状态转移图;
图5为本发明实施例的图论着色模型图。
具体实施方式
下面结合附图通过具体实施方式对本发明作进一步详细的说明,但本发明的实施和保护范围不限于此。
参见图1、图2,本发明实施例为一个主要由6个独立的水下节点组成的水下多路通信网络,每个节点支持3个频道,网络结构图如图1所示。其中每一个节点包括水声换能器(接收换能器和发射换能器)、A/D和D/A转换器、数字信号处理器;水声换能器用于声信号和电信号的相互转换;A/D和D/A转换器用于模拟信号和数字信号的转换;数字信号处理器用于对接收/发射信号的处理,包括解调/加入时间标签、对各频道建模并计算各频道被占用概率。接收换能器、A/D转换器、数字信号处理器和D/A转换器、发射换能器依次信号连接。节点的装置结构图如图2所示。
本发明实施例主要工作流程图如图3所示,主要包括如下步骤:
步骤1:网络中各节点按预定的感知时间间隔周期性地对各频道感知,获取频道的使用状态的统计信息,计算各频道的统计占用概率及状态转移概率矩阵,并对各个频道的使用状态建立预测模型。
每个频道分为占用、空闲两种状态,分别用“0”、“1”表示。约定无节点利用该频道传输数据时,认为是空闲;反之,则为占用。频道的马尔科夫链状态转移图如图4所示。
备节点选取一定长度时间、周期性地选择待测频道等间隔感知其状态信息,接收换能器接收感知信息。感知时间长度取决于节点所处的通信环境,时间越长,节点获取的频道状态统计信息越充分,频谱预测的结果也就更精确。
各节点获得各频道状态统计信息后,经模/数转换,启动数字信号处理器,利用马尔科夫链预测模型对各频道状态信息进行建模,计算得出各频道的状态转移概率矩阵及统计占用概率。
马尔可夫过程是较普遍随机过程的一种,该过程考虑了当前事件对后来事件的影响,即从一种状态转移到另一种状态,随时间变化所作的状态转移,且状态转移具有概率性质。时间离散、状态离散的马尔可夫过程称为马尔可夫链。对一重(一阶)平稳的马尔可夫链,系统每次转移,仅依赖于前一次的状态i与更前一次的状态i-1无关,且这个概率与几次转移无关。
马尔科夫链预测模型为:A(n)=A(0)Pn,其中A(0)表示初始时刻各个频道的状态概率矩阵,A(n)为n时刻各个频道的状态概率矩阵,P为状态转移概率矩阵,结合本实例,P可用下式表示:
其中,p00表示从状态“0”一步转移到状态“0”的概率;p01表示从状态“0”一步转移到状态“1”的概率;p10表示从状态“1”一步转移到状态“0”的概率;p11表示从状态“1”一步转移到状态“1”的概率。t到t+l时刻,状态从Si转移为Sj的频数nij与总频数n之比,则为状态Si转移为Sj的转移概率Pij=nij/n。
步骤2:当网络中某节点需要传输数据时,该节点对各频道进行频谱感知,若某频道正在被占用,则该节点接收并解调正在各频道中传输的数据,如果某频道的数据可以被解调且能提取时间信息,则根据提取的时间信息估计该频道数据传输时延;如果某频道的数据不能被解调或无法从解调的数据中提取时间信息,则将该频道的时延信息标注为缺失;若该节点感知到某频道该时刻空闲,则将该频道的时延信息标注为缺失;
为解决水下大传播延时造成的获取信息的非实时性和异步性问题,本发明实施例规定利用频道进行数据传输的每个节点定时、间隔的在传输的数据包上加入时间标签,感知节点通过解调感知信息获得的时间标签来估计该频道数据传输的时延。
本实例中,假设t时刻,节点1和节点4需要传输数据,则以节点1为例,首先选择频道a进行感知,接收换能器收到感知信息后,经过模/数转换,送到数字信号处理器进行解调。如果节点1能够解调并提取出时间信息t-l,则可据此估计出该频道数据传输的时延为l,且t时刻感知到的频道状态实际上是t-l时刻的频道使用状态,即t-l时刻频道a被占用。同理,节点1依次选择频道b、频道c分别进行感知,分别得到频道b和频道c的时延信息和状态信息;如果距离太远,衰减过大,节点1不能解调某频道的数据或无法从解调的数据中提取时间信息,如节点1与频道c相距较远,无法解调感知信息或不能提取时间标签,则节点1将频道c的时延信息标注为缺失;若节点1该时刻感知到某频道如频道b为空闲,无法提取时间信息,估计出时延,则同样将频道b的时延信息标注为缺失。
同理,节点4依次对频道a、频道b、频道c进行感知,获取各频道的使用状态信息和时延信息。
步骤3:将步骤2中感知到的各频道使用状态作为初始状态,当某频道的数据传输时延能估计出来时,利用步骤1中得到的各频道使用状态的预测模型对当前该频道的使用状态进行预测,计算当前该频道被占用的概率;当某频道的时延信息缺失时,将各频道的统计占用概率作为当前该频道被占用的概率;
本实例中,t时刻节点1在步骤2中分别得到了频道a、频道b、频道c的使用状态信息,对于频道a,得到其数据传输时延为l,且t-l时刻频道a被占用。相应的,马尔科夫链预测模型中频道a初始时刻的状态概率矩阵为Aa(t-l)=(pa0 pa1)=(0 1),带入预测模型A(n)=A(0)Pn(其中状态转移概率矩阵P在步骤1中已得到),就可以计算出t时刻频道a的状态概率矩阵;对于频道b和频道c,由于其时延信息均为缺失,则根据步骤1中求得的统计占用概率作为当前该频道被占用的概率。
同理,节点4与节点1采用相同的处理方法预测出当前各频道的占用概率。
步骤4:节点根据步骤3计算得到各频道被占用概率,选择接入的频道;
结合本实例,节点1启动数字信号处理器把步骤3中计算出的3个频道的占用概率相比较,选取占用概率最小的频道,并将其占用概率值与规定的门限值作比较,比较结果有以下几种情况:
(1)若占用概率值小于门限值,并且如果该频道的数据传输时延为小于等于预定的感知时间间隔,则当前时刻该频道可用,节点1可以直接接入;
(2)若占用概率值小于门限值,并且如果该频道的数据传输时延大于预定的感知时间间隔,则规定当前时刻该频道虽可用,但节点1不能直接接入,需要再次感知该频道,感知次数为该频道数据传输的时延长度与周期性感知时间间隔的比值,直至每次感知、预测结果均表示该频道可用,节点1才接入;
(3)若占用概率值大于门限值,则表示当前时刻该频道不可用,其他两个占用概率大的频道更不可用,节点1在当前时刻没有合适频道可以接入,此时,节点1经步骤5返回步骤2,重新感知频道状态,进行新一轮的预测工作,直至找到可用的合适频道。
节点4预测结果的处理方法同节点1。该处理方法可以有效减少由于同一频道感知信息到达两个节点的异步性且两个节点预测结果为同一个频道而造成的数据碰撞概率,例如,若节点1和节点4同时预测频道a可用,但节点1对频道a的数据传输时延小于等于预定的感知时间间隔,而节点4的时延为大于预定感知时间间隔,则节点1可根据预测结果直接选择频道a进行接入,而节点4在对频道a进行第二次感知时获知频道a已经被占用,则放弃频道a,重新选择可用频道,这样可有效避免两个节点在频道a的数据碰撞。
本发明实施例应用图论着色模型对各节点感知及预测到的可用频道进行频谱分配,模型图如图5所示。首先将感知节点组成的网络拓扑结构抽象成图,图中的每一个顶点代表感知节点,每一条边表示一对顶点间的冲突或者干扰,即如果图中的某两个顶点由一条边连接,则这两个节点不能同时使用相同的频谱;然后,将每一个顶点与一个集合相关联,这个集合代表该顶点所在区域位置可以使用的频谱资源(由频谱感知及预测得到),由于每个顶点地理位置的不同,因而不同顶点所关联的资源集合是不同的,同时规定当两个不同顶点间存在m色边(频道m)的时候,这两个顶点不能同时着m色;最后,应用图论着色理论对基于频谱感知及预测的感知节点进行频谱分配。此外,本发明实施例还可以应用目前常见的其他频谱分配算法如基于干扰温度模型、博弈论模型、拍卖竞价模型等的频谱分配算法对各节点感知及预测到的可用频道进行分配。
步骤5:根据步骤2中感知到的各频道使用状态及时延信息,更新各频道的统计占用概率和预测模型;
为避免节点存储统计信息太长造成严重负荷,本发明中规定节点感知各个频道的统计信息采用双端队列方式进行存储,每加入一个新的感知信息,则去除最前的一个统计信息,这样保证各频道的统计占用概率不断的更新,保证频道预测的准确性。
结合本实例,节点1和节点4对各频道每进行一次频谱感知和预测,则将新的感知信息加入到存储的该频道的统计信息中,同时,从双端队列中去除最前的一个统计信息,保证各个频道统计概率模型不断的更新,从而提高频道预测的准确性。
Claims (6)
1.一种基于频谱感知及预测的水下多路通信方法,其特征在于:包括下列步骤:
步骤1:网络中各节点按预定的感知时间间隔周期性地对各频道感知,获取频道的使用状态的统计信息,计算各频道的统计占用概率及状态转移概率矩阵,并对各个频道的使用状态建立预测模型;
步骤2:当网络中某节点需要传输数据时,该节点对各频道进行频谱感知,若某频道正在被占用,则该节点接收并解调正在各频道中传输的数据,如果某频道的数据可以被解调且能提取时间信息,则根据提取的时间信息估计该频道数据传输时延;如果某频道的数据不能被解调或无法从解调的数据中提取时间信息,则将该频道的时延信息标注为缺失;若该节点感知到某频道该时刻空闲,则将该频道的时延信息标注为缺失;
步骤3:将步骤2中感知到的各频道使用状态作为初始状态,当某频道的数据传输时延能估计出来时,利用步骤1中得到的各频道使用状态的预测模型对当前该频道的使用状态进行预测,计算当前该频道被占用的概率;当某频道的时延信息缺失时,将各频道的统计占用概率作为当前该频道被占用的概率;
步骤4:该节点根据步骤3计算得到各频道被占用概率与规定门限值比较,比较结果分为:
A、若计算的频道占用概率均大于门限值,则该频道当前不可用,该节点当前时刻没有合适频道可以接入;
B、若计算的频道占用概率小于门限值且该频道的数据传输时延小于等于步骤1所述的预定的感知时间间隔,则当前时刻该频道可用,该节点直接接入;
C、若计算的频道占用概率小于门限值且该频道的数据传输时延大于步骤1所述的预定的感知时间间隔,则当前时刻该频道可用,但该节点不能直接接入。
步骤5:节点根据步骤2中感知到的各频道使用状态及时延信息,更新各频道的统计占用概率和预测模型。
2.根据权利要求1所述的基于频谱感知及预测的水下多路通信方法,其特征在于:步骤1所述预测模型为马尔科夫链预测模型:A(n)=A(0)Pn,其中A(0)表示初始时刻各个频道的状态概率矩阵,P为状态转移概率矩阵,A(n)为n时刻各个频道的状态概率矩阵。
3.根据权利要求1所述的水下多路通信方法,其特征在于:步骤2所述各频道中传输的数据是定时、间隔地在传输的数据包上加入时间标签。
4.根据权利要求1所述的基于频谱感知及预测的水下多路通信方法,其特征在于:步骤4中A项各频道被占用概率均大于规定门限值时,则该节点1经步骤5返回步骤2,直至找到可用的合适频道。
5.根据权利要求1所述的基于频谱感知及预测的水下多路通信方法,其特征在于:步骤4中C项所述节点再次感知该所述频道,感知次数为该频道数据传输时延长度与步骤1所述的预定的感知时间间隔的比值,直至每次感知、预测结果均表示该所述频道可用,该节点才接入。
6.根据权利要求1所述的基于频谱感知及预测的水下多路通信方法,其特征在于:步骤5是采用双端队列方式,即每加入一个新的感知信息,则去除最前的一个统计信息来更新各频道的统计信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102046872A CN101867420B (zh) | 2010-06-18 | 2010-06-18 | 一种基于频谱感知及预测的水下多路通信方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102046872A CN101867420B (zh) | 2010-06-18 | 2010-06-18 | 一种基于频谱感知及预测的水下多路通信方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101867420A true CN101867420A (zh) | 2010-10-20 |
CN101867420B CN101867420B (zh) | 2013-02-13 |
Family
ID=42958999
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010102046872A Expired - Fee Related CN101867420B (zh) | 2010-06-18 | 2010-06-18 | 一种基于频谱感知及预测的水下多路通信方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101867420B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102122993A (zh) * | 2011-03-11 | 2011-07-13 | 华南理工大学 | 一种远距离水声通信的方法和装置 |
CN102164008A (zh) * | 2011-04-22 | 2011-08-24 | 华南理工大学 | 一种无控制信道的水下动态频谱接入方法 |
CN102355440A (zh) * | 2011-07-08 | 2012-02-15 | 上海大学 | 基于甚小线性调频键控调制的水声通信方法 |
CN102404099A (zh) * | 2011-11-25 | 2012-04-04 | 华南理工大学 | 一种动态分配频谱的水下多用户语音通信方法及装置 |
CN102625319A (zh) * | 2012-04-06 | 2012-08-01 | 电信科学技术研究院 | 无线认知传感网的实现方法和设备 |
CN103020665A (zh) * | 2012-08-09 | 2013-04-03 | 江苏科技大学 | 一种用于水下的声学标签读写系统 |
CN103428704A (zh) * | 2013-07-30 | 2013-12-04 | 北京邮电大学 | 一种频谱感知方法及装置 |
CN103957537A (zh) * | 2014-03-26 | 2014-07-30 | 北京邮电大学 | 基于信道聚类的频谱感知方法及装置 |
CN104954088A (zh) * | 2014-03-28 | 2015-09-30 | 中国科学院声学研究所 | 基于部分可测马尔科夫决策过程模型的频谱检测方法 |
CN105357158A (zh) * | 2015-10-26 | 2016-02-24 | 天津大学 | 水下认知网络中节点准确高效接入多信道的方法 |
CN105406928A (zh) * | 2015-10-26 | 2016-03-16 | 天津大学 | 水下认知网络中提高预测准确性的频谱预测方法 |
CN106100772A (zh) * | 2016-06-03 | 2016-11-09 | 天津大学 | 生物友好的认知水声网络频谱分配方法 |
CN108463956A (zh) * | 2015-12-21 | 2018-08-28 | 湖西大学产学合作团 | 水下通信方法 |
CN114050856A (zh) * | 2021-09-27 | 2022-02-15 | 南京邮电大学 | 一种卫星频谱占用状态拟合与预测方法 |
CN116056091A (zh) * | 2023-03-30 | 2023-05-02 | 西南科技大学 | 一种海上多移动平台通信组网方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101013926A (zh) * | 2007-02-05 | 2007-08-08 | 华中科技大学 | 一种无线传感器网络通信方法和系统 |
CN101483818A (zh) * | 2009-02-17 | 2009-07-15 | 华中科技大学 | 一种水下无线传感器网络节点的三维定位方法 |
CN101567707A (zh) * | 2008-04-24 | 2009-10-28 | 赵力 | 一种基于cdma水声网络的媒质访问控制方法 |
-
2010
- 2010-06-18 CN CN2010102046872A patent/CN101867420B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101013926A (zh) * | 2007-02-05 | 2007-08-08 | 华中科技大学 | 一种无线传感器网络通信方法和系统 |
CN101567707A (zh) * | 2008-04-24 | 2009-10-28 | 赵力 | 一种基于cdma水声网络的媒质访问控制方法 |
CN101483818A (zh) * | 2009-02-17 | 2009-07-15 | 华中科技大学 | 一种水下无线传感器网络节点的三维定位方法 |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102122993A (zh) * | 2011-03-11 | 2011-07-13 | 华南理工大学 | 一种远距离水声通信的方法和装置 |
CN102122993B (zh) * | 2011-03-11 | 2013-09-25 | 华南理工大学 | 一种远距离水声通信的方法和装置 |
CN102164008B (zh) * | 2011-04-22 | 2013-11-27 | 华南理工大学 | 一种无控制信道的水下动态频谱接入方法 |
CN102164008A (zh) * | 2011-04-22 | 2011-08-24 | 华南理工大学 | 一种无控制信道的水下动态频谱接入方法 |
CN102355440A (zh) * | 2011-07-08 | 2012-02-15 | 上海大学 | 基于甚小线性调频键控调制的水声通信方法 |
CN102404099A (zh) * | 2011-11-25 | 2012-04-04 | 华南理工大学 | 一种动态分配频谱的水下多用户语音通信方法及装置 |
CN102404099B (zh) * | 2011-11-25 | 2014-07-30 | 华南理工大学 | 一种动态分配频谱的水下多用户语音通信方法及装置 |
CN102625319B (zh) * | 2012-04-06 | 2015-04-22 | 电信科学技术研究院 | 无线认知传感网的实现方法和设备 |
CN102625319A (zh) * | 2012-04-06 | 2012-08-01 | 电信科学技术研究院 | 无线认知传感网的实现方法和设备 |
CN103020665A (zh) * | 2012-08-09 | 2013-04-03 | 江苏科技大学 | 一种用于水下的声学标签读写系统 |
CN103020665B (zh) * | 2012-08-09 | 2015-10-28 | 江苏科技大学 | 一种用于水下的声学标签读写系统 |
CN103428704B (zh) * | 2013-07-30 | 2016-08-10 | 北京邮电大学 | 一种频谱感知方法及装置 |
WO2015014005A1 (zh) * | 2013-07-30 | 2015-02-05 | 北京邮电大学 | 一种频谱感知方法及装置 |
CN103428704A (zh) * | 2013-07-30 | 2013-12-04 | 北京邮电大学 | 一种频谱感知方法及装置 |
CN103957537A (zh) * | 2014-03-26 | 2014-07-30 | 北京邮电大学 | 基于信道聚类的频谱感知方法及装置 |
CN103957537B (zh) * | 2014-03-26 | 2017-11-14 | 北京邮电大学 | 基于信道聚类的频谱感知方法及装置 |
CN104954088A (zh) * | 2014-03-28 | 2015-09-30 | 中国科学院声学研究所 | 基于部分可测马尔科夫决策过程模型的频谱检测方法 |
CN105406928A (zh) * | 2015-10-26 | 2016-03-16 | 天津大学 | 水下认知网络中提高预测准确性的频谱预测方法 |
CN105357158A (zh) * | 2015-10-26 | 2016-02-24 | 天津大学 | 水下认知网络中节点准确高效接入多信道的方法 |
CN108463956A (zh) * | 2015-12-21 | 2018-08-28 | 湖西大学产学合作团 | 水下通信方法 |
CN108463956B (zh) * | 2015-12-21 | 2021-05-28 | 湖西大学产学合作团 | 水下通信方法 |
CN106100772A (zh) * | 2016-06-03 | 2016-11-09 | 天津大学 | 生物友好的认知水声网络频谱分配方法 |
CN114050856A (zh) * | 2021-09-27 | 2022-02-15 | 南京邮电大学 | 一种卫星频谱占用状态拟合与预测方法 |
CN114050856B (zh) * | 2021-09-27 | 2024-02-20 | 南京邮电大学 | 一种卫星频谱占用状态拟合与预测方法 |
CN116056091A (zh) * | 2023-03-30 | 2023-05-02 | 西南科技大学 | 一种海上多移动平台通信组网方法 |
CN116056091B (zh) * | 2023-03-30 | 2023-05-30 | 西南科技大学 | 一种海上多移动平台通信组网方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101867420B (zh) | 2013-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101867420B (zh) | 一种基于频谱感知及预测的水下多路通信方法 | |
Jafri et al. | Towards delay-sensitive routing in underwater wireless sensor networks | |
CN103178917B (zh) | 一种协作通信的时钟同步方法、系统以及信息汇集节点 | |
CN105745894B (zh) | 通信方法、装置及系统 | |
Roy et al. | A synchronous duty-cycled reservation based MAC protocol for underwater wireless sensor networks | |
Abdeddaim et al. | Adaptive IEEE 802.15. 4 MAC for throughput and energy optimization | |
Kim et al. | Throughput performance optimization of super dense wireless networks with the renewal access protocol | |
Liao et al. | A handshake based ordered scheduling MAC protocol for underwater acoustic local area networks | |
Bharti et al. | Enhanced energy efficient LEACH (EEE-LEACH) algorithm using MIMO for wireless sensor network | |
Ali et al. | An interference aware multi-channel mac protocol for wasn | |
Alfouzan et al. | Performance comparison of sender-based and receiver-based scheduling mac protocols for underwater sensor networks | |
CN104219778A (zh) | 一种基于能量收集速率的无线传感器网络竞争接入方法 | |
CN103546895A (zh) | 认知无线电网络中基于移动性预测的信道分配方法 | |
CN102833812A (zh) | 一种面向混合业务的无线传感器网络能量有效接入方法 | |
Cao et al. | Maximum throughput of IEEE 802.15. 4 enabled wireless sensor networks | |
Kai et al. | Throughput analysis of CSMA wireless networks with finite offered-load | |
Lee et al. | Modeling and anaysis of an energy-efficient MAC protocol for wireless sensor networks | |
Meenakshi et al. | Lifetime extension of wireless sensor network by selecting two cluster heads and hierarchical routing | |
CN105636228A (zh) | 基于多路复用的无线传感器网络孩子节点数据传输方法 | |
CN102202402B (zh) | 无线传感器网络的最小竞争窗口策略mac层信道分配方法 | |
Yun et al. | Sync MAC protocol to control underwater vehicle based on underwater acoustic communication | |
AU2021101381A4 (en) | Energy-efficient prediction system for data aggregation in sensor network | |
Huang et al. | An energy-efficient routing algorithm for data gathering in wireless sensor networks | |
Samad et al. | RMAC-M: Extending the R-MAC protocol for an energy efficient, delay tolerant underwater acoustic sensor network application with a mobile data mule node | |
Jin et al. | PC-MAC: A prescheduling and collision-avoided MAC protocol for underwater acoustic sensor networks |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130213 Termination date: 20150618 |
|
EXPY | Termination of patent right or utility model |