CN102255675A - 基于认知无线电的频谱感知装置、方法、程序 - Google Patents
基于认知无线电的频谱感知装置、方法、程序 Download PDFInfo
- Publication number
- CN102255675A CN102255675A CN2010101793074A CN201010179307A CN102255675A CN 102255675 A CN102255675 A CN 102255675A CN 2010101793074 A CN2010101793074 A CN 2010101793074A CN 201010179307 A CN201010179307 A CN 201010179307A CN 102255675 A CN102255675 A CN 102255675A
- Authority
- CN
- China
- Prior art keywords
- frequency spectrum
- signal
- antenna
- sampling
- cognitive 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.)
- Pending
Links
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
提供了一种基于认知无线电的频谱感知装置、方法、通信终端设备。该频谱感知装置包括:采样单元,其被配置成针对通过至少一个次用户的R根天线所接收到的来自主用户的信号,利用基于压缩感知的低于奈奎斯特速率的采样速率进行采样,其中R为大于1的自然数;恢复单元,其被配置成将通过采样单元所得到采样信号恢复成奈奎斯特速率的采样信号;以及频谱检测单元,其被配置成对通过恢复单元所恢复得到的信号进行频谱检测,以便得到关于在所述主用户可使用的频谱中空闲频谱的分布情况。根据本发明实施例的频谱感知装置、方法和通信终端设备将多天线技术与压缩频谱感知相结合,提高了检测性能。此外还可以降低实现的复杂度。
Description
技术领域
本发明总体上涉及认知无线电技术,更具体地说涉及一种基于认知无线电的频谱感知技术,尤其是涉及基于多天线的压缩宽带频谱感知技术。
背景技术
认知无线电中的压缩频谱感知技术结合了当前通信中蓬勃发展的认知无线电(Cognitive Radio)技术和数字信号处理中新兴起的压缩感知(Compressed Sensing)理论,成为学者们的新研究热点。例如,可以从以下文献中获得有关认知无线电技术和压缩感知的相关知识:Ian F.Akyildiz;Lee,Won-Yeol;Vuran,Mehmet C.;Mohanty,Shantidev,“NeXtgeneration/dynamic spectrum access/cognitive radio wirelessnetworks:A survey”,Computer Networks,v 50,n 13,p2127-2159,September 15,2006;Donoho,D.L.;“Compressedsensing”,Information Theory,IEEE Transactions on Volume 52,Issue 4,April 2006Page(s):1289-1306;以及Candes,E.J.;Tao,T.,“Near-Optimal Signal Recovery From RandomProjections:Universal Encoding Strategies?”,InformationTheory,IEEE Transactions on Volume 52,Issue 12,Dec.2006Page(s):5406-5425。
2002年FCC的报告指出,被分配的频谱的利用率仅为15%~85%,并且随着时间的变化有较大的波动,该报告表明目前频谱资源的紧张不是由于频谱资源本身不够丰富,而是由于某些被分配的频谱未被充分利用引起的,这一报告引发了对频谱管理方法即如何提高频谱利用率的广泛研究。与传统的固定频谱分配方案相比,研究者提出了动态频谱管理的新方法,其中认知无线电技术是实现动态频谱管理的最优选择,因为它与现有的通信系统保持了最好的后向兼容性。有关2002年FCC的报告,可参见以下文献:“Federal CommunicationsCommission Spectrum Policy Task Force-Report of theSpectrum Efficiency Working Group”,November 15,2002。
认知无线电技术允许未授权的用户/次用户(unlicensed/secondary user)使用授权用户/主用户(licensed/primary user)暂时未使用的频段,但当主用户要重新接入该频段时,次用户要尽快地退出该频段,以免对主用户造成干扰。因此,准确而快速的频谱感知技术是实现认知无线电技术的前提和必要条件。实际上,认知无线电系统要求在很宽的带宽范围内迅速准确地寻找到空闲的频谱和检测到有主用户重新接入的情况。但是这一要求给实际系统的实现带来了很大的挑战:一方面,宽带的频谱感知方法要求次用户的终端配备高速率和高精度的AD转换器,但是当系统要求在几GHz内迅速确定频谱空洞和主用户的存在时,它对AD转换器的需求已经超过了现有AD转换器的性能极限;另一方面,由于无线通信环境中的多径、阴影衰落和噪声的影响,迅速准确的频谱检测在实际的通信环境中也是很难做到的。例如,可参见如下文献以获得这方面的知识:Zhi Quan;Shuguang Cui;Poor,H.;Sayed,A.,“Collaborative wideband sensing for cognitive radios”,SignalProcessing Magazine,IEEE Volume 25,Issue 6,November2008Page(s):60-73。
令人高兴的是:最近学者发现了频谱在很宽的带宽上呈现稀疏性,而稀疏性又是压缩感知理论的关键词。压缩感知理论指出,如果一个信号在某个正交基上呈现稀疏性,那么就能以低于奈奎斯特速率(Sub-Nyquist)的数据采样,并能够以较高的概率恢复出原始信号。因此这为解决宽带频谱感知方法中遇到的瓶颈之一:极高速率的AD转化器,提供了解决方案,并在理论上给予了指导。这就是认知无线电中的压缩宽带频谱感知方法。例如,从如下文献可以获得有关压缩宽带频谱感知的有关知识:Zhi Tian;Giannakis,G.B.,“Compressed Sensing forWideband Cognitive Radios”Acoustics,Speech and SignalProcessing,2007.ICASSP 2007.IEEE International Conferenceon Volume 4,15-20April 2007Page(s):IV-1357-IV-1360;以及Zhuizhuan Yu;Hoyos,S.;Sadler,B.M.,“Mixed-signalparallel compressed sensing and reception for cognitive radio”,Acoustics,Speech and Signal Processing,2008.ICASSP 2008.IEEE International Conference on March 312008-April 42008Page(s):3861-3864。
压缩感知理论中的数学模型为:y=Ax,其中x是K稀疏的向量,信号的长度为M×1;A为m×M的随机的测量矩阵,且矩阵A中的元素一般服从高斯分布或者伯努利分布;y为m×1的测量向量,其中m<<M。
综上所述,压缩宽带频谱感知方法解决了认知无线电中的宽带频谱感知方法中遇到的第一个难题,即实现极高速率的AD转换器;但是压缩感知的引入在降低了采样速率的同时,也降低了宽带频谱感知的检测性能,这使得宽带频谱感知中的第二个难题更加难以解决。因此,宽带频谱感知中的低检测性能这一难题亟需进一步解决。
发明内容
鉴于上述现有技术中存在的问题,根据本发明的实施例提供了一种基于认知无线电的频谱感知装置,包括:
采样单元,其被配置成针对通过至少一个次用户的R根天线所接收到的来自主用户的信号,利用基于压缩感知的低于奈奎斯特速率的采样速率进行采样,其中R为大于1的自然数;
恢复单元,其被配置成将通过采样单元所得到采样信号恢复成奈奎斯特速率的采样信号;以及
频谱检测单元,其被配置成对通过恢复单元所恢复得到的信号进行频谱检测,以便得到关于在主用户可使用的频谱中空闲频谱的分布情况。
根据本发明的另外的实施例,提供了一种基于认知无线电的频谱感知方法,包括:
采样步骤,用于针对通过至少一个次用户的R根天线所接收到的来自主用户的信号,利用基于压缩感知的低于奈奎斯特速率的采样速率进行采样,其中R为大于1的自然数;
恢复步骤,用于将通过采样步骤所得到采样信号恢复成奈奎斯特速率的采样信号;以及
频谱检测步骤,用于对通过恢复步骤所恢复得到的信号进行频谱检测,以便得到关于在主用户可使用的频谱中空闲频谱的分布情况。
根据本发明的各实施例的基于认知无线电的频谱感知装置和频谱感知方法针对上述的宽带频谱感知方法中的第二个问题,借助于利用多天线技术的分集作用提高了频谱检测性能。
此外,通过对根据本发明实施例的基于多天线的压缩频谱感知方案中的采样处理、恢复处理和检测处理分别进行改进,有效地降低了压缩频谱感知的实现复杂度,并进一步改善了检测性能。
本发明的其他实施例还提供了一种通信终端设备,该通信终端设备包括如上所述的根据本发明的实施例的基于认知无线电的频谱感知装置。
本发明的另外的实施例还提供了一种存储有机器可读取的指令代码的程序产品,该指令代码由机器读取并执行时,可执行如上所述的根据本发明的实施例的基于认知无线电的频谱感知方法。
本发明的另外的实施例还提供了一种承载有上述的程序产品的存储介质。
附图说明
通过结合附图对本发明的具体实施方式的描述,本发明的以上的和其它目的、特点和优点将变得清楚。在各附图中,相同或类似的附图标记表示相同或者类似的功能部件或步骤。在附图中:
图1是示出了现有技术的压缩宽带频谱感知装置的结构的简化框图;
图2是示出了随机解调器AIC的结构框图;
图3是示出了调制宽带转换器MWC的结构框图;
图4是示出了对于窄带信号进行能量检测的处理的简化框图;
图5是示出了根据本发明的一个实施例的基于认知无线电的频谱感知装置的简化框图;
图6是示出了根据本发明的另一个实施例的基于认知无线电的频谱感知装置的结构简化框图,其中给出了图5所示的频谱感知装置中的采样单元的一种实现方式;
图7A是示出了根据本发明的又一个实施例的、对于图5所示的频谱感知装置中的恢复单元进行一种改进得到的基于认知无线电的频谱感知装置的结构简化框图;
图7B是示出了图7A所示的频谱感知装置中的恢复单元的工作过程的简图;
图8A是示出了根据本发明的再一个实施例的、对于图5所示的频谱感知装置中的恢复单元进行另一种改进得到的基于认知无线电的频谱感知装置的结构简化框图;
图8B是示出了图8A所示的频谱感知装置中的恢复单元的工作过程的简图;
图9是示出了根据本发明的另一个实施例的、对于图5所示的频谱感知装置中的频谱检测单元进行一种改进得到的基于认知无线电的频谱感知装置的简化框图;
图10是示出了根据本发明的另一个实施例的、对于图5所示的频谱感知装置中的频谱检测单元进行另一种改进得到的基于认知无线电的频谱感知装置的简化框图;
图11是示出了图9或图10所示的频谱感知装置中包括的第一频谱检测子单元或第二频谱检测子单元的一种实现方式的例子的简化框图;
图12是示出了通过如图11所示的频谱分段部件和频谱检测部件执行的宽带稀疏信号的能量检测的方法的简化框图;
图13是示出了根据本发明的实施例的频谱检测装置的第一具体应用示例的简化框图;
图14是示出了根据本发明的实施例的频谱检测装置的第二具体应用示例的简化框图;
图15是示出了根据本发明的实施例的频谱检测装置的第三具体应用示例的简化框图;
图16是示出了根据本发明的实施例的频谱检测装置的第四具体应用示例的简化框图;
图17是示出了根据本发明的实施例的频谱检测装置的第五具体应用示例的简化框图;
图18是示出了求解多维测量向量MMV系统的改进的M-BMP算法的流程图;
图19是示出了根据本发明的一个实施例的基于认知无线电的频谱感知方法的简化流程图;以及
图20是示出可用于实施根据本发明实施例的方法和装置的计算机系统的示意性框图。
具体实施方式
下面参照附图来说明本发明的实施例。应当注意,为了避免因不必要的细节而模糊了本发明,在附图中仅仅示出了与根据本发明的方案密切相关的设备结构和/或处理步骤,而省略了与本发明关系不大的其他细节。
图1是示出了现有技术的压缩宽带频谱感知装置的结构的简化框图。如图1所示,压缩宽带频谱感知装置100主要包括三个模块或单元:基于压缩感知的低于奈奎斯特速率的采样单元110;将低速率的数据恢复成奈奎斯特速率数据的恢复单元120;以及,对恢复的数据进行检测的频谱检测单元130。
对于采样单元110,目前主要有两种实现方式:随机解调器(random demodulator,又称Analog to InformationConverter,AIC)和调制宽带转换器(Modulated WidebandConverter,MWC)。它们均可以看作是压缩感知在模拟域的推广。可以从以下两篇文献从获得有关这两种实现方式的知识:
Laska,J.;Kirolos,S.;Massoud,Y.;Baraniuk,R.;Gilbert,A.;Iwen,M.;Strauss,M.,“Random Sampling forAnalog-to-Information Conversion of Wideband Signals”,Design,Applications,Integration and Software,2006IEEEDallas/CAS Workshop on Oct.2006Page(s):119-122;以及
Mishali,M.;Eldar,Y.C.;Tropp,J.A.,“Efficient samplingof sparse wideband analog signals”,Electrical and ElectronicsEngineers in Israel,2008.IEEEI 2008.IEEE 25th Conventionof 3-5Dec.2008Page(s):290-294。
图2示出了随机解调器AIC的结构框图。如图2所示,AIC的工作流程是接收到的模拟信号x(t)先与伪随机序列的信号pc(t)相乘,然后通过一个截至频率为R/2的理想低通滤波器(也可以用积分器来代替),再对经过低通滤波器的信号以速率R采样,就得到低速率的采样数据。其中,“Seed”表示用来产生随机序列的种子。
图3是示出了调制宽带转换器MWC的结构框图。如图所示,MWC的工作流程与AIC有相似的地方,最大的不同是MWC变为了并行的分支结构,其中每个分支的操作与AIC类似。接收的模拟信号x(t)进入并行的分支结构,在每个分支首先与一个±1均匀分布的周期为M的随机序列pc(t)相乘,经过一个截止频率为fs/2低通滤波器,最后再以速率fs采样,最终得到m路并行的低速率采样数据。在此,随机序列pc(t)服从伯努利分布或者服从高斯分布。例如,可参见上述的Mishali,M.等人的文章来获得有关MWC的结构以及实现过程。
对于图1中示出的恢复单元120,它是基于压缩感知的恢复理论的,当前主要有两大类方法:基于最优化理论的基追踪法(Basis Pursuit,BP)和基于贪婪迭代的正交匹配追踪法(Orthogonal Matching Pursuit,OMP)。例如,可从以下文献中获得有关BP和OMP的知识:Donoho,D.L.;“Compressedsensing”,Information Theory,IEEE Transactions on Volume 52,Issue 4,April 2006Page(s):1289-1306;以及Candes,E.J.;Tao,T.,“Near-Optimal Signal Recovery From RandomProjections:Universal Encoding Strategies?”,InformationTheory,IEEE Transactions on Volume 52,Issue 12,Dec.2006Page(s):5406-5425;以及Tropp,J.A.;Gilbert,A.C.,“Signal Recovery From Random Measurements Via OrthogonalMatching Pursuit”,Information Theory,IEEE Transactions onVolume 53,Issue 12,Dec.2007Page(s):4655-4666。
对于图1中示出的频谱检测单元130,主要有三种实现方式:能量检测、循环特征检测和匹配滤波检测。其中能量检测是实现起来比较简单,而且不需要主用户的任何信息。
能量检测是根据接收信号的能量与一个事先设定的门限值相比较以判断主用户是否存在的方法。最初的能量检测是针对窄带信号的,图4示出了对于窄带信号进行能量检测的处理的简化框图。如图所示,能量检测的具体实现过程如下:接收的模拟信号x(t)经过AD转换之后变为数字信号x(k),经过FFT变换之后变为X(k),然后求得信号的统计检测值然后与门限值VT相比较。如果V>VT,则判断假设H1成立,即主用户存在;如果V<VT,则判断假设H0成立,即主用户不存在。其中门限值的设置一般采用CFAR(恒定虚警概率,Constant False Alarm Rate)或者CDR(恒定检测概率,Constant Detection Rate)来确定,即在保证检测概率或虚警概率为某一定值时来确定门限值VT。可从以下文献中获取有关上述能量检测的知识:Zhuan Ye;Memik,G.;Grosspietsch,J.,“Energy Detection Using Estimated NoiseVariance for Spectrum Sensing in Cognitive Radio Networks”,Wireless Communications and Networking Conference,2008.WCNC 2008.IEEE March 312008-April 32008Page(s):711-716。
关于频谱感知装置的配置
图5是示出了根据本发明的一个实施例的基于认知无线电的频谱感知装置的简化框图。如图所示,根据本实施例的基于认知无线电的频谱感知装置500包括:采样单元510,恢复单元520和频谱检测单元530。采样单元510针对通过至少一个次用户的R根天线所接收到的来自主用户的信号,利用基于压缩感知的低于奈奎斯特速率的采样速率进行采样,其中R为大于1的自然数。恢复单元520将通过采样单元510所得到采样信号恢复成奈奎斯特速率的采样信号。频谱检测单元530对通过恢复单元520所恢复得到的信号进行频谱检测,以便得到关于在主用户可使用的频谱中空闲频谱的分布情况。例如,特定频谱是否被主用户占用,等等。
可见,根据本实施例的频谱感知装置500将多天线技术与压缩频谱感知相结合,充分利用多天线的分集作用,从而提高了检测性能。
图6是示出了根据本发明另一个实施的基于认知无线电的频谱感知装置600的结构简化框图,其中给出了图5所示的频谱感知装置500中的采样单元510的一种实现方式。图6和图5中相同或相似的附图标记表示相同或者相似的组成单元,对这些部分不再赘述。下面只对图6示出的采样单元510进行详细描述。
如图6所示,采样单元510包括合并子单元602和第一采样子单元606。合并子单元602对接收到的来自R根天线的模拟信号按照某种合并方式(例如已知的等增益合并、最大比合并或选择合并等)合并为一路信号。然后,第一采样子单元606对合并的信号进行低于奈奎斯特速率的采样。
在一种可替选实施例中,采样单元510也可以对各根天线上的信号分别进行采样,然后通过恢复单元520和频谱检测单元530进行后续的恢复处理和检测处理。在此,例如可以采用上面所描述的AIC或者MWC技术对各根天线上的信号分别进行采样。
值得注意的是,在这种可替选实施例中采用MWC实现采样时,对一根天线上的信号进行采样时,存在多个并行支路。当对多根天线上的信号进行采样时,硬件实现的复杂度就变得较大,因此在该可替选实施例中还提出了一种能够降低并行支路数的方法,具体描述如下。
MWC的工作流程如上面结合图3所描述的,其实现的结构为m个并行的分支,每个分支中都有一个±1均匀分布的周期为M的随机序列pc(t),其作用是与CS(压缩感知)当中的测量矩阵A类似。根据CS理论,要求矩阵A中的任意2K列线性无关,而对于这m路分支所构成的矩阵A,每一列仅有2m种变化情况。如果每一列有更多种变化情况,则列与列之间的相关性就越差。
基于上述分析,在该可替选实施例的MWC中,将±1随机变化的序列“调制”成变化范围为{-2,-1,1,2}或者是{-4,-3,-2,-1,1,2,3,4}的序列。这就使得每一列就有4m种或8m种变化情况,因为序列中的元素变多,这就使得列与列之间的相关性变差。这实际上是通过“扩序”的方式增加了随机序列中的元素,由此更小的m也能够使得测量矩阵A满足任意2K列线性无关的条件,从而降低了并行支路的数目,即降低了硬件实现的复杂度。例如当采用“扩序调制”的方法之后的m’可以变为原来的1/2或1/3(2m=4m’或2m=8m’,即m’=m/2,或m’=m/3),即大大的降低了硬件实现的复杂度。具体实现过程如下:
●确定采用m’个并行支路,其中m’<m,在每个支路产生±1随机变化的序列pc(t)。容易理解,只要满足服从伯努利分布或者服从高斯分布的要求,该随机序列可以采取其他任何合适的形式而不限于是±1随机变化的序列。
●将连续三位±1的随机序列调制为{-4,-3,-2,-1,1,2,3,4}的随机序列,具体方法是:①将±1的序列变为0/1序列。例如,设输入为a,输出为b,则经过b=(a+1)/2,即可把1映射为(1+1)/2=1,-1映射为(-1+1)/2=0。由此,从“+1,-1,+1”可以得到“1,0,1”,从“+1,-1,-1”可以得到“1,0,0”,从“+1,+1,+1”可以得到“1,1,1”等等;②按照二进制映射为十进制的原则映射为{0,1,2,3,4,5,6,7},例如,“101”映射为“5”,“100”映射为“4”,“111”映射为“7”等等;③将映射后的序列每个元素减3,变为正负交替的序列{-3,-2,-1,0,1,2,3,4,};④将非正数减1,使得序列中不含0项,这可使得序列中元素的相关性变得更差。最终得到取值范围为{-4,-3,-2,-1,1,2,3,4}的随机序列P’c(t)。需要注意,作为上述扩序调制对象的随机序列中的元素的数量不限于是三位,而是可以根据实际需要进行选择。例如,一般而言,位数越多,可以降低的并行支路数就越多。此外,在上述扩序调制中使用的具体方式和参数也只是示例而非限制。只要最终获得的随机序列中元素的相关性变差,并且能够使得测量矩阵A满足任意2K列线性无关的条件,则任何合适的扩序调制方式都是可以使用的。
●将信号x(t)与随机序列p’c(t)相乘。
●将相乘的序列通过具有预定截止频率fs/2的低通滤波器。预定截止频率fs/2的选择与待采样的信号的带宽相关,可根据实际情况确定。例如,可以利用上述的Mishali,M.等人的文章中公开的方法来确定该预定的截止频率。
●将通过滤波器的信号按照速率fs采样,得到并行的采样数据。
在下面的描述中将进行了上述改进的MWC简称为“改进的MWC”。
再次参见图5,对于图5所示的频谱感知装置500中的恢复单元520而言,如果对R根天线中每根天线上的数据分别做独立恢复,则会引起较高复杂度。为此,提出了两种能够降低恢复复杂度的联合恢复算法,具体描述如下。
图7A是示出了根据本发明又一个实施例的、对于图5所示的频谱感知装置中的恢复单元520进行一种改进得到的基于认知无线电的频谱感知装置700的结构简化框图;图7B是示出了图7A所示的频谱感知装置中恢复单元520的工作过程的简图。图7A和图5中相同或相似的附图标记表示相同或者相似的组成单元,对此部分不再赘述。下面只对图7A示出的频谱感知装置700与图5示出的频谱感知装置500之间的不同之处进行详细描述。
众所周知,多天线上接收信号的不同,仅仅是由于信道和噪声的影响,而发送端发送的信号是一样的,即每根天线上的接收信号的非零元素的位置是一样的。因此先求得信号的非零元素的位置就可以求得信号的值。图7A-7B示出的恢复处理就是利用了第一根天线上非零元素的位置信息来恢复其他天线上的信号。如图7A所示,根据本实施例的频谱感知装置700中的恢复单元520包括天线选择子单元702,非零元素子单元704和数据恢复子单元706。图7B示出了恢复单元520进行的改进的恢复处理。如图7B所示,这种改进的恢复处理的具体步骤如下:
●如果接收信号的设备能够得到信道的状态信息,例如接收信号的SNR(信噪比),则天线选择子单元702将多天线(例如R根天线)上的信号按照信道状况由好到坏排序,选出信道状况最好的天线j;在无法获知信道天线的信道状况的情况下,可以任选一根天线作为天线j。
●非零元素确定子单元704对天线j上的信号例如用上述的OMP算法或者其他已知的贪婪迭代算法恢复,其输出结果包含非零元素的位置信息和幅值信息。
●天线j上信号的非零元素的位置信息被输入到其它天线上,数据恢复子单元706根据上述步骤中确定的非零元素的信息得到R根天线中除了第j天线以外的天线上的非零元素的位置信息,以便利用该信息将从R根天线采样得到的采样信号恢复成奈奎斯特速率的采样信号针对其他天线。作为一个例子而非限制,数据恢复子单元用矩阵A中与各天线非零位置对应位置的列组成一个新的矩阵As,根据输入的位置信息利用最小二乘法,或者利用矩阵As的伪逆,求得其他天线上信号的幅值信息。
这种恢复处理的复杂度大约是对每根天线单独恢复的复杂度的1/3,而且恢复的性能较好。因此可以在降低恢复处理的复杂度的同时获得恢复性能的提升。
图8A是示出了根据本发明再一个实施例的、对于图5所示的频谱感知装置中的恢复单元520进行另一种改进得到的基于认知无线电的频谱感知装置的结构简化框图;图8B是示出了图8A所示的频谱感知装置中恢复单元520的工作过程的简图。图8A和图5中相同或相似的附图标记表示相同或者相似的组成单元,对此部分不再赘述。下面只对图8A示出的频谱感知装置800与图5示出的频谱感知装置500之间的不同之处进行详细描述。
图8A-8B所示的恢复处理利用了多天线信号联合稀疏的特性,即多天线信号服从多维测量向量(Multiple MeasurementVector,MMV)模型。因此,可以采用解MMV系统的方法,(例如MMV Basis Matching Pursuit(基匹配追踪),M-BMP)同时解出多天线的信号。可以从以下文献中获取有关MMV的知识:Cotter,S.F.;Rao,B.D.;Kjersti Engan;Kreutz-Delgado,K.,“Sparse solutions to linear inverse problems with multiplemeasurement vectors”,Signal Processing,IEEE Transactionson Volume 53,Issue 7,July 2005Page(s):2477-2488。
如图8A所示,根据本实施例的频谱感知装置800中的恢复单元520包括测量信号建模子单元802和信号恢复子单元806。图8B示出了恢复单元520进行的改进的恢复处理。如图8A-8B所示,这种改进的恢复处理的具体步骤如下:测量信号建模子单元802对采样单元510得到的采样数据进行建模,即构建MMV某型。MMV模型为y(l)=Ax(l),l=1,…L,其中L为测量向量的个数,矩阵A对这L个测量向量y(l)是一样的,可以将上面的表达式简化为Y=AX,其中Y=[y(1),…y(L)],X=[x(1),…x(L)],而且x(l)中非零元素的位置是相同的。例如,如果对R根天线上接收的信号分别进行采样,则在此L=R。
信号恢复子单元806利用M-BMP,M-OMP,M-BP等来求解MMV,以便获得恢复的信号。可以从以下文献中获取有关求解MMV系统的方法的知识:Cotter,S.F.;Rao,B.D.;Kjersti Engan;Kreutz-Delgado,K.,“Sparse solutions to linearinverse problems with multiple measurement vectors”,SignalProcessing,IEEE Transactions on Volume 53,Issue 7,July2005Page(s):2477-2488。
在上述求解MMV的算法中,M-BMP算法的复杂度最低,而且性能也比较好,在此以利用M-BMP求解MMV为例。M-BMP算法的求解过程是在测量矩阵A中寻找与矩阵Y最对齐的列,即寻找矩阵Y在测量矩阵A的所有列向量ai方向上投影最大的那一列。如图8B所示,这种改进的恢复处理的具体实现步骤如下:
●假设有R根接收天线,每根天线上采用相同的测量矩阵A,例如可利用上述的改进的MWC进行采样处理,其中每根天线上采样的到得数据yi为一个m×1的离散信号,将这R个m×1维的向量写为一个m×R的矩阵Y,其中Y=[y1,y2,...,yR],则测量信号建模子单元802构建系统模型为Y=AX,现在的目标是通过方程Y=AX解出未知的联合稀疏的矩阵X。
●上述步骤将求解多天线的信号转化为一个MMV问题,因此信号恢复子单元806可以用例如上述的M-BMP的方法或者其他解MMV的算法等来求解上述方程Y=AX。
●上述步骤求解的矩阵X为一个M×R维的,其中矩阵的第i列对应的即为第i根天线上恢复出来的信号。
图8A-8B示出的改进的恢复单元及其恢复处理充分地利用了每根天线信号之间的关系(即,多天线信号服从MMV系统模型的特点),将M-BMP或者其他解MMV的方法应用到解决多天线信号的恢复问题上,使用了特定算法(例如M-BMP算法),联合解出多天线上的信号,复杂度较低,性能较好。
下面将参照图9-12描述针对图5所示的频谱感知装置中的频谱检测单元530进行改进得到的频谱感测装置。主要是解决如何利用多天线的信号来提高检测性能。
图9是示出了根据本发明的另一个实施例的、对于图5所示的频谱感知装置中的频谱检测单元530进行的一种改进得到的基于认知无线电的频谱感知装置的简化框图。图9和图5中相同或相似的附图标记表示相同或者相似的组成单元,对此部分不再赘述。下面只对图9示出的频谱感知装置900与图5示出的频谱感知装置500之间的不同之处,即频谱检测单元530的具体实现方式进行详细描述。
图9中示出的频谱检测装置900中的频谱检测单元530包括:信号合并子单元902和第一频谱检测子单元906。信号合并子单元902通过按照预定方式将恢复单元恢复的奈奎斯特速率速率的采样数据合并为一路数据。这种预定方式例如是如下已知的方式中的任意一种:等增益合并(EGC)、最大比合并(MRC)、选择合并(SC)或者平方律合并(SLC)。第一频谱检测子单元906通过预定算法对合并的数据进行检测,以确定在主用户可使用的频谱中空闲频谱的分布情况。例如,判断特定频谱是否被主用户占用。对数据进行检测的算法例如可以是如下已知算法中的任意一种:能量检测、循环特征检测或者匹配滤波检测等。
图10是示出了根据本发明的另一个实施例的、对于图5所示的频谱感知装置中的频谱检测单元进行另一种改进得到的基于认知无线电的频谱感知装置的简化框图。图10和图5中相同或相似的附图标记表示相同或者相似的组成单元,对此部分不再赘述。下面只对图10示出的频谱感知装置1000与图5示出的频谱感知装置500之间的不同之处,即频谱检测单元530的具体实现方式进行详细描述。
图10中示出的频谱检测装置1000中的频谱检测单元530首先对每根天线上的信号进行检测,然后综合每根天线上的检测结果来最终判断频谱是否被占用。如图10所示,频谱检测单元530包括第二频谱检测子单元1002和判决子单元1006,它们执行如下的处理:
●第二频谱检测子单元1002对每根天线上的信号使用能量检测或者其他的检测算法进行频谱检测,得到检测结果;
●判决子单元1006根据每根天线上的检测结果,按照某种原则,例如“AND”、“OR”或者是“K out of N”,做出最终判决,即,确定在主用户可使用的频谱中空闲频谱的分布情况。例如,判断特定频谱是否被主用户占用。在此所列举的判断原则“AND”、“OR”或者是“K out of N”都是本领域公知的。举例来说,假设共有N个次用户参与协作通信,其中“AND”表示仅当所有N个用户都检测到主用户时,才判为有主用户存在;“OR”是只要有一个次用户检测到主用户时,就判为有主用户存在;“K out of N”就是当有K个次用户检测到主用户时,就判为有主用户存在。
根据本发明上述各实施例的频谱检测装置例如可以应用于基于多天线的联合恢复的压缩宽带频谱感知处理,这种处理的一个特点就是宽带。正如前面所讲,已知最初提出的频谱检测算法都是针对窄带信号的,当将它们应用到宽带信号的检测时,可以对其做出一定的修改,以达到更好的检测性能。
在上面的相关描述中提到了能量检测的优点,使得它成为普遍应用的检测算法。但是能量检测存在一个致命的缺点,就是能量检测不能区分噪声和信号,因此在低信噪比的情况下检测性能较差。当对在频域上稀疏的宽带信号进行能量检测时,就可以考虑利用宽带和稀疏的特点来设定门限值,使得检测算法性能受噪声的影响减小。
图11是示出了图9或图10所示的频谱感知装置中包括的第一频谱检测子单元906或第二频谱检测子单元1002的一种实现方式的例子的简化框图。在根据该实现方式的第一或第二频谱检测子单元906,1002所执行的处理中,针对宽带稀疏信号的能量检测,首先对宽带信号进行分段,其中只有一少部分的频谱是被主用户占用的。如果用整个宽带信号的平均能量作为检测的门限值,每段频谱上的能量与该门限值相比较,则可以判断每段频谱是否被主用户占用。
如图11所示,第一或第二频谱检测子单元906,1002包括频谱分段部件1102和频谱检测部件1106。频谱分段部件1102将主用户可使用的频谱划分成Q段(Q是大于1的正整数)。频谱检测部件1106针对所划分的Q段频谱中的每一段,利用能量检测方式进行频谱检测,以便确定在主用户可使用的频谱中空闲频谱的分布情况。
图12示出了可由图11中所示的频谱分段部件和频谱检测部件执行的宽带稀疏信号的能量检测的方法的一个具体例子的简化框图,该能量检测处理包括如下步骤:
●对接收的模拟信号x(t)进行采样,得到离散的数字信号x(k);
●离散的数字信号x(k)进行N点的FFT变换,得到频域信号X(k);
●对频域信号X(k)分段,分为K段,每段有M个点,K,M均为大于1的正整数,其中有的频段被主用户占用,有的频段没有被主用户占用;
●判决每段频谱是否被占用,如果V>VT,则判为该频谱被主用户占用,否则判为该频谱未被主用户占用。
这种针对宽带稀疏信号的能量检测处理能够在低信噪比下取得较好的检测性能,并且检测性能随着N点FFT的数目的增大而有所提高。
由于在实际通信环境中主用户所占用的带宽大小和位置是随机变化的,因此在对较宽的频带上进行划分时,如果进行简单的均匀划分,有的情况下可能带来较大的检测误差,因此针对该问题,可以考虑对上面参照图11-12给出的针对宽带稀疏信号的能量检测处理进行进一步改进,例如使得它们分别进行通过以下两种不同的划分频段的方法来实现频谱检测。
第一种方法是通过分两步划分频段来实现频谱检测的方法,具体处理如下:
●上述频谱分段部件1102对宽带信号进行均匀分段。
●对每一段进行能量检测,对检测到有主用户存在的连续的频段,使得频谱分段部件1102以更小的间隔划分该频段,然后上述频谱检测部件1106分别对每一段进行能量检测得到更准确的检测结果,以提高检测精度。
第二种方法是通过对接收信号的功率谱密度求导来划分频段从而实现频谱检测的方法。具体处理如下:
上述频谱分段部件1102执行以下操作:
●对接收的时域信号先求自相关函数R(t)。
对自相关函数R(t)求FFT变化得到信号的功率谱密度P(f)。
●对功率谱密度P(f)求导,得到P(f)的斜率值。
●当P(f)的斜率超过某一个门限值(例如,0.7)时,则该点即为信号的边缘位置。
●按照上述边缘的位置划分频谱。
上述频谱检测部件1106执行如下操作:
●对所划分的每段频谱积分求得每段上信号的功率。
●将每段信号上的功率与一个预先设定的门限值比较(其中门限值的选取例如可以按照图12中的方法来选取),以判断该频谱是否被占用。
自相关函数R(t)和功率谱密度P(f)是本领域公知的概念,其基本含义以及求取方法在此不再赘述。
这种方法由于按照信号的边缘位置划分频段,因此频谱检测具有更好的针对性,进一步改善了频谱检测的准确性。
下面参考附图13-17详细介绍根据本发明的上述实施例的基于认知无线电的频谱感知装置的几个应用示例。
应用示例1:
图13示出了根据本发明的实施例的频谱检测装置的第一具体应用示例的简化框图。在图13所示的频谱感知装置1300中,采样单元510采用图6中示出的配置,首先将多路天线上的模拟信号按照例如等增益合并的方式将多天线的信号合并为一路,然后对合并的信号用MWC方法采样,其中MWC的工作方式如图3所示。恢复单元520可采用上述的OMP算法来实现对信号的恢复。频谱检测单元530可被配置成实现如图12示出的宽带稀疏信号的能量检测方法1200。根据该应用示例的频谱感知装置1300按照如下方式进行操作:
●对多天线(例如天线1到天线R)上接收到的信号按照等增益合并的方式合并。
●用MWC的方法对合并的信号进行采样,具体过程如图3所示。
●对采样的数据用OMP算法进行恢复,OMP算法是通过在每次迭代过程中寻找与测量信号x最相关的矩阵A中的列,然后记录下该列的下标,而且该下标对应稀疏信号x中的非零元素的位置。经过T次迭代后即找到了T个非零元素的位置,用矩阵A中对应位置的列组成一个新的矩阵As,然后采用最小二乘法求解y=Asx,得到稀疏信号的解。
●对恢复的信号采用宽带稀疏信号的能量检测方法进行检测,具体过程如图12所示,最终给出检测结果,以判断每段频谱是否被主用户占用。
应用示例2:
图14示出了根据本发明的实施例的频谱检测装置的第二具体应用示例的简化框图。在图14所示的频谱感知装置1400中,在采样单元510的处理中,对每根天线上的信号分别采用上面描述的能够降低并行支路数的改进的MWC进行采样。在图14中的恢复单元520中,采用结合图7A-7B描述的恢复单元的配置。在图14中的频谱检测单元530中,采用结合图9描述的频谱检测单元的配置。根据该应用实例的频谱感知装置按照如下方式进行操作:
●采样单元对每根天线上接收到的模拟信号xi(t)用上述的改进的MWC方法进行采样。具体处理可参见上面针对改进的MWC的处理过程的描述,在此不再赘述。
●用如图7A-7B中所示的那样配置的恢复单元520对每根天线上低速率的采样信号进行恢复,得到相当于奈奎斯特速率的信号。具体实现方法可参见上述结合图7A-7B进行的描述,在此不再赘述。
●对恢复的信号进行频谱检测。先对多天线上的信号进行合并,然后再检测,这里例如可以采用等增益EGC合并,然后利用针对宽带稀疏信号进行的能量检测处理,以便判断每段频谱是否被占用。该示例中频谱检测单元可使用图9所示的频谱检测单元530的配置,针对宽带稀疏信号进行的能量检测处理的具体操作细节可参见上述结合图12的具体描述,在此不再赘述。
应用示例3:
图15示出了根据本发明的实施例的频谱检测装置的第三具体应用示例的简化框图。在图15所示的频谱感知装置1500中,采样单元510采用上面所述的改进的MWC,对每根天线上的信号用降低硬件实现复杂度的改进MWC方法采样。在图15中的恢复单元520,可采用结合图7A-7B描述的恢复单元520的配置。在图15中的检测单元530,可采用结合图10描述的频谱检测单元530的配置。根据该应用实例的频谱感知装置按照如下方式进行操作:
●采样单元对每根天线上接收到的模拟信号xi(t)用上述的改进的MWC方法进行采样。具体处理可参见上面针对改进的MWC的处理过程的描述,在此不再赘述。
●利用具有图7A-7B示出的配置的恢复单元520对每根天线上低速率的采样信号进行恢复,得到相当于奈奎斯特速率的信号。具有这种配置的恢复单元520的具体操作可参见上述针对图7A-7B的描述,在此不再赘述。
●对恢复的信号进行频谱检测,可采用具有图10描述的配置的频谱检测单元530,先对每根天线上的接收信号进行频谱检测,这里例如可采用如图12所描述的针对宽带稀疏信号的能量检测处理。然后根据“K out of N”的原则,即当K根天线检测到主用户存在时,即认为主用户存在的原则,最终判断每段频谱是否被占用。当然,其他合适的原则也是可以适用的,例如,“AND″,“OR”原则等。
应用示例4
图16示出了根据本发明的实施例的频谱检测装置的第四具体应用示例的简化框图。在图16所示的频谱感知装置1600中,采样单元510采用上面所述的改进的MWC,对每根天线上的信号用降低硬件实现复杂度的改进MWC方法采样。在图16中的恢复单元520,可采用结合图8A-8B描述的恢复单元520的配置。在图16中的频谱检测单元530中,可采用结合图9描述的频谱检测单元的配置。根据该应用实例的频谱感知装置可按照如下方式进行操作:
●对每根天线上接收到的模拟信号xi(t)用上述的改进的MWC方法进行采样。具体处理可参见上面针对改进的MWC的处理过程的描述,在此不再赘述。
●利用具有如图8A-8B示出的配置的恢复单元520对每根天线上低速率的采样信号进行恢复,得到相当于奈奎斯特速率的信号,具体实现方法可参见结合图8A-8B对恢复单元520的处理的描述。其中本示例中应用了一种改进的M-BMP方法,其流程图如图18所示。通过这种改进的M-BMP方法求解MMV系统Y=AX的具体处理如下:
该处理开始于S1810。在步骤S1820进行初始化:令残差矩阵Y0=Y,下标集I0初始化为空集,迭代计数器t=1;在步骤S1830,执行第p次迭代,寻找与残差Yp-1最对齐的那一列akp,这是通过解实现的,其中“H”表示共轭转置运算;在步骤S1840,判断kp是否属于Ip-1;在步骤S1850,如果判断则下标集将被更新Ip=Ip-1∪{kp},并将akp置零,并更新残差矩阵(S1870);否则,在步骤S1860,不增加下标集,Ip=Ip-1,并更新残差矩阵(S1870);在步骤S1880,如果||Yp||F≤ε,或者t>U,则终止迭代,处理在步骤S1890结束。其中,U是最大迭代次数,ε是指示迭代收敛的参数,两者都可以根据具体的迭代需要而预先进行设定。
其中值得说明的是,在此对现有的M-BMP算法(如上述Cotter,S.F.等公开的文献中描述的)进行了改进,以使得算法收敛的速度更快。具体而言,在上述步骤S1850中将测量矩阵中的akp列(即在本次迭代过程中找到的那列)置零,以避免每次迭代都找到相同的列。
●对恢复的信号进行频谱检测。先对多天线上的信号进行合并,然后再检测,这里例如可以采用等增益EGC合并,然后利用针对宽带稀疏信号进行的能量检测处理,以便判断每段频谱是否被占用。该示例中频谱检测单元可使用图9所示的频谱检测单元530的配置,针对宽带稀疏信号进行的能量检测处理的具体操作细节可参见上述结合图12的具体描述,在此不再赘述。
应用示例5
图17示出了根据本发明的实施例的频谱检测装置的第五具体应用示例的简化框图。在图17所示的频谱感知装置1900中,采样单元510采用上面所述的改进的MWC,对每根天线上的信号用降低硬件实现复杂度的改进MWC方法采样。在图17中的恢复单元520,可采用结合图8A-8B描述的恢复单元520的配置。在图17中的频谱检测单元530中,可采用结合图10描述的频谱检测单元530的配置。根据该应用示例的频谱感知装置按照如下方式进行操作:
●对每根天线上接收到的模拟信号xi(t)用上述的改进的MWC方法进行采样。具体处理可参见上面针对改进的MWC的处理过程的描述,在此不再赘述。
●利用具有如图8A-8B示出的配置的恢复单元520对每根天线上低速率的采样信号进行恢复,得到相当于奈奎斯特速率的信号,具体实现方法可参见结合图8A-8B对恢复单元520的处理的描述。其中可利用图18所示的改进的M-BMP方法。通过该改进的M-BMP方法求解MMV系统Y=AX的具体处理细节例如可参见上述应用示例4中的相应描述,在此不再赘述。
●对恢复的信号进行频谱检测,可采用具有图10描述的配置的频谱检测单元530,先对每根天线上的接收信号进行频谱检测,这里例如可采用如图12所描述的针对宽带稀疏信号的能量检测处理。然后根据“K out of N”的原则,即当K根天线检测到主用户存在时,即认为主用户存在的原则,最终判断每段频谱是否被占用。当然,其他合适的原则也是可以适用的,例如,“AND″,“OR”原则等。
仿真结果证明,由于采用了多天线技术,根据本发明各实施例和应用示例的基于多天线的频谱感知装置的检测性能要比采用单天线情况下的检测性能有所提高。最大可提高大约43%。而且,由于对基于认知无线电的频谱感知过程中的采样处理、恢复处理和检测处理分别进行了改进,根据各实施例和应用示例的频谱感知装置在实现的复杂度上也分别有不同程度的降低。
在此需要指出,根据本发明上述各实施例和应用示例的基于认知无线电的频谱感知装置既可以应用于单用户的非协作场景,也可以应用于多用户的协作场景。并且在应用于协作场景的情况下,各用户可以是单天线的,也可以是多天线的。
关于频谱感知方法的配置
图19示出了根据本发明的一个实施例的基于认知无线电的频谱感知方法1900。该方法开始于步骤S1910。在采样步骤1920,针对通过至少一个次级用户的R根天线所接收到的来自主用户的信号,利用基于压缩感知的低于奈奎斯特速率的采样速率进行采样,其中R为大于1的自然数。在恢复步骤S1930,将通过采样步骤1920所得到采样信号恢复成奈奎斯特速率的采样数据。在频谱检测步骤S1940,对通过恢复步骤S1930所恢复得到的信号进行频谱检测,以便得到关于在主用户可使用的频谱中空闲频谱的分布情况。
在图19所示的频谱感知方法1900的一种变形实施例中,采样步骤S1920可以包括:合并子步骤,对通过R根天线接收到的来主用户的信号按照预定的合并方式合并为一路数据;以及,第一采样子步骤,对通过合并步骤所合并的数据进行低于奈奎斯特速率的采样。例如,可以通过上述图6中示出的频谱感知装置包括的合并子单元和第一采样子单元来执行上述两个子步骤的处理,具体细节可参见上述图6的相关描述,在此不再赘述。其中,预定的合并方式是以下中的任意一种:等增益合并,最大比合并,选择合并。
在图19所示的频谱感知方法1900的一种变形实施例中,采样步骤S1920可以包括多个第二采样子步骤,其中的每一个第二采样子步骤对通过R根天线中相应的一根天线所接收到的来自主用户的信号分别进行采样。每一个第二采样子步骤例如都可以使用上述的改进的MWC的处理来实现。具体细节参见上面有关改进的MWC的描述,在此不再赘述。
在图19所示的频谱感知方法1900的一种变形实施例中,恢复步骤S1930可以包括:天线选择子步骤,用于根据R根天线对应的通信信道的状态信息,从R根天线中选出信道状况最好的第j天线,或者在无法获知所述R根天线的通信信道的状态信息的情况下从R根天线中任选出第j天线;非零元素确定子步骤,用于对第j天线上的数据进行恢复,以便获得该天线上的接收信号的非零元素的位置信息和幅值信息;以及数据恢复子步骤,用于根据非零元素确定子单元确定的非零元素的信息得到所述R根天线中除了第j天线以外的天线上的非零元素的信息,以便将通过采样步骤从所述N根天线采样得到的采样数据联合恢复成奈奎斯特速率的采样数据。例如,可以通过上述图7A-7B中示出的频谱感知装置包括的天线选择子单元,非零元素确定子单元和数据恢复子单元来执行上述三个子步骤的处理,具体细节可参见上述图7A-7B的相关描述,在此不再赘述。
在图19所示的频谱感知方法1900的一种变形实施例中,恢复步骤S1930可以包括:测量信号建模子步骤,用于将R根天线所接收的信号构建为多维测量向量MMV模型Y=AX,其中,每根天线上采用相同的测量矩阵A,每根天线上采样得到的数据yi为一个m×1维的离散信号,由R根天线上采样得到的R个m×1维的向量构成m×R的矩阵Y=[y1,y2,...yR];以及信号恢复子步骤,用于求解由测量信号建模子单元构建的MMV模型Y=AX,以便得到M×R维的矩阵X,其中矩阵X的第i列对应于R根天线中第i根天线上恢复出来的信号。例如,可以通过上述图8A-8B中示出的频谱感知装置包括的测量信号建模子单元和信号恢复子单元来执行上述两个子步骤的处理,具体细节可参见上述图8A-8B的相关描述,在此不再赘述。
在图19所示的频谱感知方法1900的一种变形实施例中,频谱检测S1940步骤可以包括:信号合并子步骤,用于通过按照预定方式将恢复步骤恢复的奈奎斯特速率速率的采样数据合并为一路数据;以及第一频谱检测子步骤,用于通过预定算法对合并的数据进行检测,以确定在主用户可使用的频谱中空闲频谱的分布情况。例如,可以通过上述图9中示出的频谱感知装置包括的信号合并子单元和第一频谱检测子单元来执行上述两个子步骤的处理,具体细节可参见上述图9的相关描述,在此不再赘述。其中,信号合并子步骤可以通过等增益合并EGC、最大比合并MRC、选择合并SC和平方律合并SLC中的任意一种合并方式来执行合并处理,第一频谱检测子步骤例如可采用能量检测、循环特征检测和匹配滤波检测中任意一种方法来对合并的数据进行频谱检测。
在图19所示的频谱感知方法1900的一种变形实施例中,频谱检测步骤S1940可以包括:第二频谱检测子步骤,用于对于针对R根天线中每一根所恢复的奈奎斯特速率信号进行分别的频谱检测;以及判决子步骤,用于按照预定的规则(例如,“AND”、“OR”和“K out of N”中的任意一种),对所述第二频谱检测步骤获得的针对所有R根天线的检测结果进行分析,以便确定在主用户可使用的频谱中空闲频谱的分布情况。例如,可以通过上述图10中示出的频谱感知装置包括的第二频谱检测子单元和判决子单元来执行上述两个子步骤的处理,具体细节可参见上述图10的相关描述,在此不再赘述。
在图19所示的频谱感知方法1900的一种变形实施例中,上述的第一频谱检测子步骤或第二频谱检测子步骤包括:频谱分段过程,用于将所述主用户可使用的频谱划分成Q段,Q是大于1的正整数;频谱检测过程,用于针对由所述频谱划分过程所划分的Q段频谱中的每一段,利用能量检测方式进行频谱检测,以便确定在所述主用户可使用的频谱中空闲频谱的分布情况。例如,可以通过上述图11中示出的频谱分段部件和频谱检测部件来执行上述两个过程的处理,具体细节可参见上述图11的相关描述,在此不再赘述。
上述通过对频段的划分来执行频谱检测方法的实施例例如可以应用于R根天线接收的信号为宽带信号的情形,作为例子而非限制,可以分别通过以下两种不同的划分频段的方法来实现频谱检测方法。
第一种方法是通过分两步划分频段来实现频谱检测的方法,具体处理如下:
上述的频谱分段过程用于对宽带信号进行均匀分段;以及,上述的频谱检测过程用于如果检测到有主用户存在的频段,则使频谱分段过程在该连续的频段上以更小的间隔划分,以便频谱检测过程针对划分得到的频段以能量检测进行频谱检测,以确定是否存在没有被主用户占用的频谱。
第二种方法是通过对接收信号的功率谱密度求导来划分频段从而实现频谱检测的方法。具体处理如下:
上述的频谱分段过程包括:对通过多根(例如R根)天线接收的时域信号求自相关函数R(t);对自相关函数R(t)求傅里叶变换FFT得到信号的功率谱密度P(f);对功率谱密度P(f)求导,以得到P(f)的斜率值,并将斜率值超过预定的第一门限值的点设定为信号的边缘位置;以及按照边缘位置对主用户可使用的频谱进行划分;
上述的频谱检测过程包括:对划分得到的每段频谱积分求得每段上信号的功率;以及将划分的每段信号上的功率与预定的第二门限值比较,以判断相应的频谱是否被主用户占用。
在此需要说明,篇幅所限,上面列举的各实施例和具体应用示例都是示意性的而非穷举性的,也不是意在要对本发明构成限制。例如,上面各实施例中示出的对频谱感知装置中采样单元、恢复单元和频谱检测单元的各种改进方案,以及对频谱感知方法中采样步骤、恢复步骤和频谱检测步骤的各种改进方案可以分别根据需要进行任意的组合,而不是仅仅限于上面具体应用示例给出的组合方式。此外,在上面对各实施例和应用示例的描述中,与数字有关的表述“1”,“2”,“一”,“二”,“第一”,“第二”等等仅仅是为了区别由这些数字修饰的部件或者元素,而不是为了表明这些部件或者元素之间的顺序或者重要性程度等等。
在进行基于认知无线电的频谱感知的处理中,通常是由通信终端设备侧(次用户)来执行频谱感知,例如,确定可由主用户使用的频谱中没有被主用户占用的频段,因而,图5-17中示出的根据发明各实施例和应用示例的频谱感知装置也可以被配备在通信终端设备中,以使得这种通信终端设备可以用于执行频谱感知处理。因此,上述这种移动终端设备也应被认为涵盖在本发明的保护范围之内。
此外,上述图5-17中示出的基于多天线的压缩频谱感知装置中各个组成单元、子单元以及部件可以通过软件、固件、硬件或其组合的方式进行配置。配置可使用的具体手段或方式为本领域技术人员所熟知,在此不再赘述。在通过软件或固件实现的情况下,从存储介质或网络向具有专用硬件结构的计算机(例如图20所示的通用计算机2000)安装构成该软件的程序,该计算机在安装有各种程序时,能够执行各种功能等。
如图20所示,中央处理单元(CPU)2001根据只读存储器(ROM)2002中存储的程序或从存储部分2008加载到随机存取存储器(RAM)2003的程序执行各种处理。在RAM 2003中,还根据需要存储当CPU 2001执行各种处理等等时所需的数据。CPU 2001、ROM 2002和RAM 2003经由总线2004彼此连接。输入/输出接口2005也连接到总线2004。
下述部件连接到输入/输出接口2005:输入部分2006(包括键盘、鼠标等等)、输出部分2007(包括显示器,比如阴极射线管(CRT)、液晶显示器(LCD)等,和扬声器等)、存储部分2008(包括硬盘等)、通信部分2009(包括网络接口卡比如LAN卡、调制解调器等)。通信部分2009经由网络比如因特网执行通信处理。根据需要,驱动器2010也可连接到输入/输出接口2005。可拆卸介质2011比如磁盘、光盘、磁光盘、半导体存储器等等可以根据需要被安装在驱动器2010上,使得从中读出的计算机程序根据需要被安装到存储部分2008中。
在通过软件实现上述系列处理的情况下,从网络比如因特网或存储介质比如可拆卸介质2011安装构成软件的程序。
本领域的技术人员应当理解,这种存储介质不局限于图20所示的其中存储有程序、与设备相分离地分发以向用户提供程序的可拆卸介质2011。可拆卸介质2011的例子包含磁盘(包含软盘(注册商标))、光盘(包含光盘只读存储器(CD-ROM)和数字通用盘(DVD))、磁光盘(包含迷你盘(MD)(注册商标))和半导体存储器。或者,存储介质可以是ROM 2002、存储部分2008中包含的硬盘等等,其中存有程序,并且与包含它们的设备一起被分发给用户。
本发明还提出一种存储有机器可读取的指令代码的程序产品。所述指令代码由机器读取并执行时,可执行上述根据本发明实施例的频谱感知方法。
相应地,用于承载上述存储有机器可读取的指令代码的程序产品的存储介质也包括在本发明的公开中。所述存储介质包括但不限于软盘、光盘、磁光盘、存储卡、存储棒等等。
在上面对本发明具体实施例的描述中,针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用,与其它实施方式中的特征相组合,或替代其它实施方式中的特征。
应该强调,术语“包括/包含”在本文使用时指特征、要素、步骤或组件的存在,但并不排除一个或更多个其它特征、要素、步骤或组件的存在或附加。
此外,根据本发明的各实施例的方法和处理不限于按照说明书中描述的时间顺序来执行,也可以按照其他的时间顺序地、并行地或独立地执行。因此,本说明书中描述的各种方法和处理的执行顺序不对本发明的技术范围构成限制。
尽管上面已经通过对本发明的具体实施例的描述对本发明进行了披露,但是应该理解,上述的所有实施例和示例均是示例性的,而非限制性的。本领域的技术人员可在所附权利要求的精神和范围内设计对本发明的各种修改、改进或者等同物。这些修改、改进或者等同物也应当被认为包括在本发明的保护范围内。
Claims (35)
1.一种基于认知无线电的频谱感知装置,包括:
采样单元,其被配置成针对通过至少一个次用户的R根天线所接收到的来自主用户的信号,利用基于压缩感知的低于奈奎斯特速率的采样速率进行采样,其中R为大于1的自然数;
恢复单元,其被配置成将通过所述采样单元所得到采样信号恢复成奈奎斯特速率的采样信号;以及
频谱检测单元,其被配置成对通过所述恢复单元所恢复得到的信号进行频谱检测,以便得到关于在所述主用户可使用的频谱中空闲频谱的分布情况。
2.如权利要求1所述的基于认知无线电的频谱感知装置,其中
所述采样单元包括:
合并子单元,其被配置成对通过所述R根天线接收到的来自主用户的信号按照预定的合并方式合并为一路信号;以及
第一采样子单元,其被配置成对通过所述合并单元所合并的信号进行低于奈奎斯特速率的采样。
3.如权利要求2所述的基于认知无线电的频谱感知装置,其中,所述预定的合并方式是以下中的任意一种:等增益合并,最大比合并,选择合并。
4.如权利要求1所述的基于认知无线电的频谱感知系统,其中
所述采样单元包括:
多个第二采样子单元,其中的每一个第二采样子单元被配置成对通过所述R根天线中相应的一根天线所接收到的来自主用户的信号分别进行采样。
5.如权利要求4所述的基于认知无线电的频谱感知装置,其中
所述多个第二采样子单元中的每一个被配置成分别进行如下的采样操作:
确定所述第二采样单元将要采用的并行采样支路数m,并在每个支路产生服从伯努利分布或者服从高斯分布的随机变化的序列pc(t),其中m是大于1的正整数;
对于每一支路,将所述随机变化的序列pc(t)通过扩序调制的方式调制为随机变化的序列p’c(t),使得由针对所有m个支路进行扩序调制而得到的随机变化的序列所组成的测量矩阵满足任意2K列线性无关的条件,其中随机变化的序列p’c(t)中元素的数量大于随机变化的序列pc(t)中元素的数量,且K为正整数;
将从所述R根天线中相应的一根天线所接收的主用户的信号x(t)与为每一个支路确定的随机序列p’c(t)相乘;
将相乘得到的序列通过具有预定截止频率的低通滤波器;以及
将通过低通滤波器的信号按照所述预定截止频率的两倍的速率进行采样,得到与所述相应的一根天线相关的并行的m路采样信号。
6.如权利要求4或5中任一项所述的基于认知无线电的频谱感知装置,其中
所述恢复单元包括:
天线选择子单元,其被配置成根据所述R根天线对应的通信信道的状态信息,从所述R根天线中选出信道状况最好的第j天线,或者在无法获知所述R根天线的通信信道的状态信息的情况下从R根天线中任选出第j天线;
非零元素确定子单元,其被配置成对所述第j天线上的信号进行恢复,以便获得该天线上的接收信号的非零元素的位置信息和幅值信息;以及
信号恢复子单元,其被配置成根据所述非零元素确定子单元确定的非零元素的信息得到所述R根天线中除了第j天线以外的天线上的非零元素的位置信息,以便将通过所述采样单元从所述R根天线采样得到的采样信号恢复成奈奎斯特速率的采样信号。
7.如权利要求6所述的基于认知无线电的频谱感知装置,其中,所述信号恢复子单元被配置成通过如下操作将采样信号恢复成奈奎斯特速率的采样信号:确定所述采样单元在进行采样时使用的随机测量矩阵A中与各天线中非零元素位置相对应的位置的列;使所确定的随机测量矩阵A的各列形成矩阵As;根据矩阵As采用最小二乘法或者利用矩阵As的伪逆,将所述采样信号恢复为奈奎斯特速率的采样信号。
8.如权利要求4或5所述的基于认知无线电的频谱感知装置,其中
所述恢复单元包括:
测量信号建模子单元,其被配置成将所述R根天线所接收的信号构建为多维测量向量MMV模型Y=AX,其中,每根天线上采用相同的测量矩阵A,每根天线上采样得到的信号yi为一个m×1维的离散信号,由所述R根天线上采样得到的R个m×1维的向量构成m×R的矩阵Y=[y1,y2,...yR];以及
信号恢复子单元,其被配置成求解由所述测量信号建模子单元构建的MMV模型Y=AX,以便得到M×R维的矩阵X,其中矩阵X的第i列对应于所述R根天线中第i根天线上恢复出来的信号。
9.如权利要求8所述的基于认知无线电的频谱感知装置,其中,所述信号恢复子单元被配置成通过M-BMP方法求解MMV模型,其中,在寻找测量矩阵A中与矩阵Y最对齐的列的迭代过程中,每一次迭代完成后将与该迭代有关的矩阵A中的找到的最对齐的列置零。
10.如权利要求4-9中任一项所述的基于认知无线电的频谱感知装置,其中
所述频谱检测单元包括:
信号合并子单元,其被配置成通过按照预定方式将所述恢复单元恢复的奈奎斯特速率速率的采样信号合并为一路信号;以及
第一频谱检测子单元,其被配置成通过预定算法对合并的信号进行检测,以确定在所述主用户可使用的频谱中空闲频谱的分布情况。
11.如权利要求10所述的基于认知无线电的频谱感知装置,其中
所述信号合并子单元被配置成通过等增益合并EGC、最大比合并MRC、选择合并SC和平方律合并SLC中的任意一种合并方式来将所述恢复单元恢复的奈奎斯特速率的采样信号合并为一路信号;以及
所述第一频谱检测子单元被配置成采用能量检测、循环特征检测和匹配滤波检测中任意一种方法来对合并的信号进行频谱检测。
12.如权利要求4-9所述的基于认知无线电的频谱感知装置,其中
所述频谱检测单元包括:
第二频谱检测子单元,其被配置成对于针对所述R根天线中每一根所恢复的奈奎斯特速率信号进行分别的频谱检测;以及
判决子单元,其被配置成按照预定的规则对所述第二频谱检测单元获得的针对所有R根天线的检测结果进行分析,以便确定在所述主用户可使用的频谱中空闲频谱的分布情况。
13.如权利要求12所述的基于认知无线电的频谱感知装置,其中
所述预定的规则是“AND”、“OR”和“K out of N”中的任意一种,所述判决子单元被配置成通过所述预定规则来判断在所述主用户可使用的频谱中特定频谱是否被主用户占用。
14.如权利要求10-13中任一项所述的基于认知无线电的频谱感知装置,其中,所述第一频谱检测子单元或所述第二频谱检测子单元包括:
频谱分段部件,其被配置成将所述主用户可使用的频谱划分成Q段,Q是大于1的正整数;
频谱检测部件,其被配置成针对由所述频谱划分部件所划分的Q段频谱中的每一段,利用能量检测方式进行频谱检测,以便确定在所述主用户可使用的频谱中空闲频谱的分布情况。
15.如权利要求14所述的基于认知无线电的频谱感知装置,其中,通过所述R根天线接收的信号为宽带信号,以及其中
所述频谱分段部件被配置成对所述宽带信号进行均匀分段;以及
所述频谱检测部件被配置成如果检测到有主用户存在的频段,则使所述频谱分段部件在该连续的频段上以更小的间隔划分,以便所述频谱检测部件针对划分得到的频段以所述能量检测进行频谱检测以确定是否存在没有被主用户占用的频谱。
16.如权利要求14所述的基于认知无线电的频谱感知装置,其中,通过所述R根天线接收的信号为宽带信号,以及其中
所述频谱分段部件被配置成:
对通过R根天线中相应天线接收的时域信号求自相关函数R(t);
对自相关函数R(t)求傅里叶变换FFT得到信号的功率谱密度P(f);
对功率谱密度P(f)求导,以得到P(f)的斜率值,并将斜率值超过预定的第一门限值的点设定为信号的边缘位置;以及
按照所述的边缘位置对所述主用户可使用的频谱进行划分;
所述频谱检测部件被配置成:
对划分得到的每段频谱积分求得每段上信号的功率;以及
将每段信号上的功率与预定的第二门限值比较,以判断相应的频谱是否被主用户占用。
17.一种通信终端设备,该通信终端设备包括如权利要求1-16中任一项所述的基于认知无线电的频谱感知装置。
18.一种基于认知无线电的频谱感知方法,包括:
采样步骤,用于针对通过至少一个次用户的R根天线所接收到的来自主用户的信号,利用基于压缩感知的低于奈奎斯特速率的采样速率进行采样,其中R为大于1的自然数;
恢复步骤,用于将通过所述采样步骤所得到采样信号恢复成奈奎斯特速率的采样信号;以及
频谱检测步骤,用于对通过所述恢复步骤所恢复得到的信号进行频谱检测,以便得到关于在所述主用户可使用的频谱中空闲频谱的分布情况。
19.如权利要求18所述的基于认知无线电的频谱感知方法,其中
所述采样步骤包括:
合并子步骤,用于对通过所述R根天线接收到的来自主用户的信号按照预定的合并方式合并为一路信号;以及
第一采样子步骤,用于对通过所述合并步骤所合并的信号进行低于奈奎斯特速率的采样。
20.如权利要求19所述的基于认知无线电的频谱感知方法,其中,所述预定的合并方式是以下中的任意一种:等增益合并,最大比合并,选择合并。
21.如权利要求18所述的基于认知无线电的频谱感知系统,其中
所述采样步骤包括:
多个第二采样子步骤,其中的每一个第二采样子步骤被配置成对通过所述R根天线中相应的一根天线所接收到的来自主用户的信号分别进行采样。
22.如权利要求21所述的基于认知无线电的频谱感知方法,其中
所述多个第二采样子步骤中的每一个被配置成分别进行如下的采样操作:
确定所述第二采样步骤将要采用的并行采样支路数m,并在每个支路产生服从伯努利分布或者服从高斯分布的随机变化的序列pc(t),其中m是大于1的正整数;
对于每一支路,将随机变化的序列pc(t)通过扩序调制的方式调制为随机变化的序列p’c(t),使得由针对所有m个支路进行扩序调制而得到的随机变化的序列所组成的测量矩阵满足任意2K列线性无关的条件,其中随机变化的序列p’c(t)中元素的数量大于随机变化的序列pc(t)中元素的数量,且K为正整数;
将从所述R根天线中相应的一根天线所接收的主用户的信号x(t)与为每一个支路确定的随机序列p’c(t)相乘;
将相乘得到的序列通过具有预定截止频率的低通滤波器;以及
将通过低通滤波器的信号按照所述预定截止频率的两倍的速率进行采样,得到与所述相应的一根天线相关的并行的m路采样信号。
23.如权利要求21或22中任一项所述的基于认知无线电的频谱感知方法,其中
所述恢复步骤包括:
天线选择子步骤,用于根据所述R根天线对应的通信信道的状态信息,从所述R根天线中选出信道状况最好的第j天线,或者在无法获知所述R根天线的通信信道的状态信息的情况下从N根天线中任选出第j天线;
非零元素确定子步骤,用于对所述第j天线上的数据进行恢复,以便获得该天线上的接收信号的非零元素的位置信息和幅值信息;以及
信号恢复子步骤,用于根据所述非零元素确定子步骤确定的非零元素的信息得到所述R根天线中除了第j天线以外的天线上的非零元素的位置信息,以便将通过所述采样步骤从所述R根天线采样得到的采样信号恢复成奈奎斯特速率的采样信号。
24.如权利要求23所述的基于认知无线电的频谱感方法,其中,所述信号恢复子步骤通过如下操作将采样信号恢复成奈奎斯特速率的采样信号:确定所述采样步骤在进行采样时使用的随机测量矩阵A中与各天线中非零元素位置相对应的位置的列;使所确定的随机测量矩阵A的各列形成矩阵As;根据矩阵As采用最小二乘法或者利用矩阵As的伪逆,将所述采样信号恢复为奈奎斯特速率的采样信号。
25.如权利要求21或22所述的基于认知无线电的频谱感知方法,其中
所述恢复步骤包括:
测量信号建模子步骤,用于将所述R根天线所接收的信号构建为多维测量向量MMV模型Y=AX,其中,每根天线上采用相同的测量矩阵A,每根天线上采样得到的信号yi为一个m×1维的离散信号,由所述R根天线上采样得到的R个m×1维的向量构成m×R的矩阵Y=[y1,y2,...yR];以及
信号恢复子步骤,用于求解由所述测量信号建模子步骤构建的MMV模型Y=AX,以便得到M×R维的矩阵X,其中矩阵X的第i列对应于所述R根天线中第i根天线上恢复出来的信号。
26.如权利要求25所述的基于认知无线电的频谱感知方法,其中,所述信号恢复子步骤通过M-BMP方法求解MMV模型,其中,在寻找测量矩阵A中与矩阵Y最对齐的列的迭代过程中,每一次迭代完成后将与该迭代有关的矩阵A中的找到的最对齐的列置零。
27.如权利要求21-26中任一项所述的基于认知无线电的频谱感知方法,其中
所述频谱检测步骤包括:
信号合并子步骤,用于通过按照预定方式将所述恢复步骤恢复的奈奎斯特速率速率的采样信号合并为一路信号;以及
第一频谱检测子步骤,用于通过预定算法对合并的数据进行检测,以确定在所述主用户可使用的频谱中空闲频谱的分布情况。
28.如权利要求27所述的基于认知无线电的频谱感知方法,其中
所述信号合并子步骤用于通过等增益合并EGC、最大比合并MRC、选择合并SC和平方律合并SLC中的任意一种合并方式来将所述恢复步骤恢复的奈奎斯特速率的采样信号合并为一路信号;以及
所述第一频谱检测子步骤用于采用能量检测、循环特征检测和匹配滤波检测中任意一种方法来对合并的信号进行频谱检测。
29.如权利要求21-26中任一项所述的基于认知无线电的频谱感知方法,其中
所述频谱检测步骤包括:
第二频谱检测子步骤,用于对于针对所述R根天线中每一根所恢复的奈奎斯特速率信号进行分别的频谱检测;以及
判决子步骤,用于按照预定的规则对所述第二频谱检测步骤获得的针对所有R根天线的检测结果进行分析,以便确定在所述主用户可使用的频谱中空闲频谱的分布情况。
30.如权利要求29所述的基于认知无线电的频谱感知方法,其中
所述预定的规则是“AND”、“OR”和“K out of N”中的任意一种,所述判决子步骤用于通过所述预定规则来判断在所述主用户可使用的频谱中特定频谱是否被主用户占用。
31.如权利要求27-30中任一项所述的基于认知无线电的频谱感知方法,其中,所述第一频谱检测子步骤或所述第二频谱检测子步骤包括:
频谱分段过程,用于将所述主用户可使用的频谱划分成Q段,Q是大于1的正整数;
频谱检测过程,用于针对由所述频谱划分过程所划分的Q段频谱中的每一段,利用能量检测方式进行频谱检测,以便确定在所述主用户可使用的频谱中空闲频谱的分布情况。
32.如权利要求31所述的基于认知无线电的频谱感知方法,其中,通过所述R根天线接收的信号为宽带信号,以及其中
所述频谱分段过程用于对所述宽带信号进行均匀分段:以及
所述频谱检测过程用于如果检测到有主用户存在的频段,则使所述频谱分段过程在该连续的频段上以更小的间隔划分,以便所述频谱检测过程针对划分得到的频段以所述能量检测进行频谱检测以确定是否存在没有被主用户占用的频谱。
33.如权利要求31所述的基于认知无线电的频谱感知方法,其中,通过所述R根天线接收的信号为宽带信号,以及其中
所述频谱分段过程包括:
对通过R根天线中相应天线接收的时域信号求自相关函数R(t);
对自相关函数R(t)求傅里叶变换FFT得到信号的功率谱密度P(f);
对功率谱密度P(f)求导,以得到P(f)的斜率值,并将斜率值超过预定的第一门限值的点设定为信号的边缘位置;以及
按照所述的边缘位置对所述主用户可使用的频谱进行划分;
所述频谱检测过程包括:
对划分得到的每段频谱积分求得每段上信号的功率;以及
将每段信号上的功率与预定的第二门限值比较,以判断相应的频谱是否被主用户占用。
34.一种存储有机器可读取的指令代码的程序产品,所述指令代码由机器读取并执行时,可执行如权利要求18-33中任何一项所述的基于认知无线电的频谱感知方法。
35.一种承载有如权利要求34所述的程序产品的存储介质。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101793074A CN102255675A (zh) | 2010-05-19 | 2010-05-19 | 基于认知无线电的频谱感知装置、方法、程序 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101793074A CN102255675A (zh) | 2010-05-19 | 2010-05-19 | 基于认知无线电的频谱感知装置、方法、程序 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102255675A true CN102255675A (zh) | 2011-11-23 |
Family
ID=44982683
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010101793074A Pending CN102255675A (zh) | 2010-05-19 | 2010-05-19 | 基于认知无线电的频谱感知装置、方法、程序 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102255675A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102497217A (zh) * | 2011-11-28 | 2012-06-13 | 北京乾图方园软件技术有限公司 | 一种增强cmmb芯片接收信号的方法 |
CN102665221A (zh) * | 2012-03-26 | 2012-09-12 | 南京邮电大学 | 基于压缩感知与bp神经网络的认知无线电频谱感知方法 |
CN102710345A (zh) * | 2012-04-27 | 2012-10-03 | 宁波大学 | 一种基于多天线Friedman检验的认知无线电频谱感知方法 |
CN102946288A (zh) * | 2012-11-23 | 2013-02-27 | 西安电子科技大学 | 基于自相关矩阵重构的压缩频谱感知方法 |
CN103023591A (zh) * | 2012-12-28 | 2013-04-03 | 北京邮电大学 | 一种用于频谱检测的感知节点采样方法及采样装置 |
CN103067108A (zh) * | 2013-01-21 | 2013-04-24 | 南京邮电大学 | 一种认知无线电频谱感知合作检测方法 |
CN103117818A (zh) * | 2013-01-16 | 2013-05-22 | 南京邮电大学 | 基于空频联合压缩感知的宽带频谱检测方法 |
CN103346845A (zh) * | 2013-05-27 | 2013-10-09 | 东南大学 | 基于快速傅里叶变换的盲频谱感知方法及装置 |
CN103501206A (zh) * | 2013-09-25 | 2014-01-08 | 电子科技大学 | 一种适用于认知无线电环境的准完美序列设计方法 |
CN103873075A (zh) * | 2012-12-17 | 2014-06-18 | 华为技术有限公司 | 窄带信号发送方法、信号发射装置及采样系统 |
CN104137498A (zh) * | 2012-11-29 | 2014-11-05 | 华为技术有限公司 | 一种信号处理方法及装置 |
CN104506261A (zh) * | 2014-12-15 | 2015-04-08 | 河海大学常州校区 | 基于次级用户频谱需求的认知无线电网络的频谱感知方法 |
CN104734728A (zh) * | 2015-01-23 | 2015-06-24 | 四川大学 | 基于mwc系统的盲多带稀疏信号快速恢复算法 |
CN104868962A (zh) * | 2015-05-12 | 2015-08-26 | 北京邮电大学 | 基于压缩感知的频谱检测方法及装置 |
CN108235328A (zh) * | 2018-01-08 | 2018-06-29 | 中国科学院上海高等研究院 | 自动频谱重感知方法、系统、计算机可读存储介质及终端 |
CN108566256A (zh) * | 2018-03-23 | 2018-09-21 | 中国人民解放军国防科技大学 | 一种频谱地图的构建方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1878014A (zh) * | 2006-06-30 | 2006-12-13 | 西安电子科技大学 | 认知无线电中频谱空洞的探测方法 |
CN101015138A (zh) * | 2004-09-10 | 2007-08-08 | 皇家飞利浦电子股份有限公司 | 具有多天线的无线通信装置及其方法 |
WO2009130372A1 (en) * | 2008-04-22 | 2009-10-29 | Nokia Corporation | Method, apparatus and computer program for estimating spectrum using a folding adc |
CN101630982A (zh) * | 2009-08-19 | 2010-01-20 | 西安电子科技大学 | 基于并行压缩感知的宽带认知无线电频谱检测方法 |
-
2010
- 2010-05-19 CN CN2010101793074A patent/CN102255675A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101015138A (zh) * | 2004-09-10 | 2007-08-08 | 皇家飞利浦电子股份有限公司 | 具有多天线的无线通信装置及其方法 |
CN1878014A (zh) * | 2006-06-30 | 2006-12-13 | 西安电子科技大学 | 认知无线电中频谱空洞的探测方法 |
WO2009130372A1 (en) * | 2008-04-22 | 2009-10-29 | Nokia Corporation | Method, apparatus and computer program for estimating spectrum using a folding adc |
CN101630982A (zh) * | 2009-08-19 | 2010-01-20 | 西安电子科技大学 | 基于并行压缩感知的宽带认知无线电频谱检测方法 |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102497217A (zh) * | 2011-11-28 | 2012-06-13 | 北京乾图方园软件技术有限公司 | 一种增强cmmb芯片接收信号的方法 |
CN102665221A (zh) * | 2012-03-26 | 2012-09-12 | 南京邮电大学 | 基于压缩感知与bp神经网络的认知无线电频谱感知方法 |
CN102710345A (zh) * | 2012-04-27 | 2012-10-03 | 宁波大学 | 一种基于多天线Friedman检验的认知无线电频谱感知方法 |
CN102710345B (zh) * | 2012-04-27 | 2014-05-07 | 宁波大学 | 一种基于多天线Friedman检验的认知无线电频谱感知方法 |
CN102946288A (zh) * | 2012-11-23 | 2013-02-27 | 西安电子科技大学 | 基于自相关矩阵重构的压缩频谱感知方法 |
CN102946288B (zh) * | 2012-11-23 | 2014-08-06 | 西安电子科技大学 | 基于自相关矩阵重构的压缩频谱感知方法 |
CN104137498B (zh) * | 2012-11-29 | 2018-02-06 | 华为技术有限公司 | 一种信号处理方法及装置 |
CN104137498A (zh) * | 2012-11-29 | 2014-11-05 | 华为技术有限公司 | 一种信号处理方法及装置 |
CN103873075B (zh) * | 2012-12-17 | 2016-03-30 | 华为技术有限公司 | 窄带信号发送方法、信号发射装置及采样系统 |
CN103873075A (zh) * | 2012-12-17 | 2014-06-18 | 华为技术有限公司 | 窄带信号发送方法、信号发射装置及采样系统 |
CN103023591A (zh) * | 2012-12-28 | 2013-04-03 | 北京邮电大学 | 一种用于频谱检测的感知节点采样方法及采样装置 |
CN103023591B (zh) * | 2012-12-28 | 2014-11-05 | 北京邮电大学 | 一种用于频谱检测的感知节点采样方法及采样装置 |
CN103117818A (zh) * | 2013-01-16 | 2013-05-22 | 南京邮电大学 | 基于空频联合压缩感知的宽带频谱检测方法 |
CN103117818B (zh) * | 2013-01-16 | 2015-02-25 | 南京邮电大学 | 基于空频联合压缩感知的宽带频谱检测方法 |
CN103067108A (zh) * | 2013-01-21 | 2013-04-24 | 南京邮电大学 | 一种认知无线电频谱感知合作检测方法 |
CN103346845A (zh) * | 2013-05-27 | 2013-10-09 | 东南大学 | 基于快速傅里叶变换的盲频谱感知方法及装置 |
CN103346845B (zh) * | 2013-05-27 | 2015-11-18 | 东南大学 | 基于快速傅里叶变换的盲频谱感知方法及装置 |
CN103501206B (zh) * | 2013-09-25 | 2016-04-27 | 电子科技大学 | 一种适用于认知无线电环境的准完美序列设计方法 |
CN103501206A (zh) * | 2013-09-25 | 2014-01-08 | 电子科技大学 | 一种适用于认知无线电环境的准完美序列设计方法 |
CN104506261A (zh) * | 2014-12-15 | 2015-04-08 | 河海大学常州校区 | 基于次级用户频谱需求的认知无线电网络的频谱感知方法 |
CN104506261B (zh) * | 2014-12-15 | 2017-02-22 | 河海大学常州校区 | 基于次级用户频谱需求的认知无线电网络的频谱感知方法 |
CN104734728A (zh) * | 2015-01-23 | 2015-06-24 | 四川大学 | 基于mwc系统的盲多带稀疏信号快速恢复算法 |
CN104734728B (zh) * | 2015-01-23 | 2017-09-29 | 四川大学 | 基于mwc系统的盲多带稀疏信号快速恢复算法 |
CN104868962A (zh) * | 2015-05-12 | 2015-08-26 | 北京邮电大学 | 基于压缩感知的频谱检测方法及装置 |
CN104868962B (zh) * | 2015-05-12 | 2017-12-26 | 北京邮电大学 | 基于压缩感知的频谱检测方法及装置 |
CN108235328A (zh) * | 2018-01-08 | 2018-06-29 | 中国科学院上海高等研究院 | 自动频谱重感知方法、系统、计算机可读存储介质及终端 |
CN108235328B (zh) * | 2018-01-08 | 2022-03-01 | 中国科学院上海高等研究院 | 自动频谱重感知方法、系统、计算机可读存储介质及终端 |
CN108566256A (zh) * | 2018-03-23 | 2018-09-21 | 中国人民解放军国防科技大学 | 一种频谱地图的构建方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102255675A (zh) | 基于认知无线电的频谱感知装置、方法、程序 | |
Cohen et al. | Analog-to-digital cognitive radio: Sampling, detection, and hardware | |
Hauser et al. | Signal detection effects on deep neural networks utilizing raw IQ for modulation classification | |
US20170093603A1 (en) | Systems and methods for detecting unused communication spectrum | |
JP2000503172A (ja) | Cdma信号直交化方法および装置 | |
CN102175989B (zh) | 一种非相干分布式信号二维波达角的测定方法 | |
Maas et al. | Channel sounding for the masses: Low complexity GNU 802.11 b channel impulse response estimation | |
CN104270234B (zh) | 一种基于欠奈奎斯特采样的宽带信号检测识别方法 | |
CN105933257A (zh) | 一种频谱共享方式下时频重叠信号的信噪比估计方法 | |
US10466345B1 (en) | Time-of-arrival estimation with subspace methods | |
CN102075472A (zh) | 一种扩频oqpsk中频及解扩解调方法 | |
Guibène et al. | Cooperative spectrum sensing and localization in cognitive radio systems using compressed sensing | |
US20160269205A1 (en) | Process for tunnelized cyclostationary to achieve low-energy spectrum sensing | |
CN106301631B (zh) | 一种基于子空间分解的互素欠采样频谱感知方法及其装置 | |
CN105680905A (zh) | 一种适用于任意调制度的fm、pm信号载波捕获方法 | |
US10581473B2 (en) | Non-linear interference detection | |
CN1326621A (zh) | 采用部分序列相关的同步方法与装置 | |
CN103546191B (zh) | 全域覆盖多波束s-lte的主同步序列干扰抵消检测方法 | |
CN102820904B (zh) | 一种用于广播网定位信号的互相关干扰减轻方法及装置 | |
CN102833193A (zh) | 一种双向中继网络中基于压缩感知的稀疏信道估计方法 | |
CN104967491B (zh) | 多通道幅相测试系统信号接收处理方法 | |
CN103873225A (zh) | 突发通信的定时估计方法 | |
Khalfi et al. | Distributed wideband sensing for faded dynamic spectrum access with changing occupancy | |
CN102710568A (zh) | 基于压缩感知的直接序列扩频信号采集和恢复方法 | |
CN103023591B (zh) | 一种用于频谱检测的感知节点采样方法及采样装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20111123 |