CN103141067A - 频带识别方法、装置和计算机程序产品以及性能评估方法、装置和计算机程序产品 - Google Patents
频带识别方法、装置和计算机程序产品以及性能评估方法、装置和计算机程序产品 Download PDFInfo
- Publication number
- CN103141067A CN103141067A CN2011800468904A CN201180046890A CN103141067A CN 103141067 A CN103141067 A CN 103141067A CN 2011800468904 A CN2011800468904 A CN 2011800468904A CN 201180046890 A CN201180046890 A CN 201180046890A CN 103141067 A CN103141067 A CN 103141067A
- Authority
- CN
- China
- Prior art keywords
- reception signal
- subcarrier
- frequency
- described reception
- pending
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/318—Received signal strength
- H04B17/327—Received signal code power [RSCP]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/345—Interference values
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/0006—Assessment of spectral gaps suitable for allocating digitally modulated signals, e.g. for carrier allocation in cognitive radio
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Electromagnetism (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
根据本发明的各实施例,一种识别接收信号中的一个或多个频带的方法。该方法包括:计算接收信号的小波积;设置小波积的局部极大值的阈值;以及根据小波积的大于该阈值的局部极大值来检测接收信号中的一个或多个边缘,以识别接收信号中的一个或多个频带。还提供了一种对应的装置和计算机程序产品。各实施例还涉及一种评估用于识别接收信号中的一个或多个频带的方法的性能的方法。还提供了一种对应的装置和计算机程序产品。
Description
相关申请的交叉引用
本申请要求于2010年8月30日提交的新加坡申请No.201006311-3的优先权权益,为一切目的将其全部内容以引用的方式并入于此。
技术领域
各实施例涉及一种用于识别接收信号中的一个或多个频带的方法、装置和计算机程序产品,并且,涉及一种用于评估用于识别接收信号中的一个或多个频带的方法的性能的方法、装置和计算机程序产品。
背景技术
认知无线电允许不同的网络或用户动态共享频谱以获得最大效用,而不对彼此造成有害干扰。为此,认知无线电需要经常执行频谱感知,即,检测各主用户或其他次用户(例如其他认知无线电)的存在。基于检测到的频谱信息,认知无线电开始最大化其自身的代价函数,且同时保护各主用户和其它次用户的利益。
认知无线电不具有固定频谱;因此,其可能需要感知非常大的频率范围以找到可用频谱。感知到的总光谱带宽能大到几GHz。此外,认知无线电可能不具有主用户和其它次用户的波段政策的足够信息。波段政策可涉及用户必须遵守的频谱使用规则。例如,为电视广播所分配的中心频率和带宽通常在预定的集合(称为波段或信道)中。因此,当在大的频率范围中感知到多个电视信号时,能够逐波段地执行感知,此称为多波段感知。
然而,在一些其它情况下,感知到的主次用户可能不具有这样的政策,或该政策并不已知。换句话说,感知到的信号能够位于任意中心频率,且占用该大的频率范围中的任意带宽。对感知到的信号的中心频率和带宽的信息的缺少意味着‘逐波段’或‘逐信道’感知无效。此外,需要检测感知到的信号的中心频率和带宽。将此称为宽带感知,其比传统的多波段感知更常用,在传统的多波段感知中,每个波段的中心频率和带宽已知。因此,多波段感知仅为宽带感知的一个特例。
发明内容
各种实施例提供一种识别接收信号中的一个或多个频带的方法,包括:计算所述接收信号的小波积;设置所述小波积的局部极大值的阈值;以及根据所述小波积的大于所述阈值的局部极大值来检测所述接收信号中的一个或多个边缘,以识别所述接收信号中的一个或多个频带。
各种实施例提供一种装置,包括:至少一个处理器;以及至少一个存储器,所述至少一个存储器包括计算机程序代码;所述至少一个存储器和所述计算机程序代码与所述至少一个处理器一起被配置为使所述装置执行至少如下:计算所述接收信号的小波积;设置所述小波积的局部极大值的阈值;以及根据所述小波积的大于所述阈值的局部极大值来检测所述接收信号中的一个或多个边缘,以识别所述接收信号中的一个或多个频带。
各种实施例提供一种计算机程序产品,包括至少一个计算机可读存储介质,所述计算机可读存储介质具有存储在其中的计算机可执行程序代码指令,所述计算机可执行程序代码指令包括:计算所述接收信号的小波积的程序代码;设置所述小波积的局部极大值的阈值的程序代码;以及根据所述小波积的大于所述阈值的局部极大值来检测所述接收信号中的一个或多个边缘,以识别所述接收信号中的一个或多个频带的程序代码。
各实施例提供一种评估用于识别接收信号中一个或多个频带的方法的性能的方法,性能评估的所述方法包括根据以下指标中的至少一个指标评估性能:所述接收信号的子载波的子载波占用误差率;所述接收信号的子载波的宽带频谱误差;以及所述接收信号的频带的波段占用误差。
各实施例提供一种装置,包括:至少一个处理器;以及至少一个存储器,所述至少一个存储器包括计算机程序代码;所述至少一个存储器和所述计算机程序代码与所述至少一个处理器一起被配置为使所述装置执行至少如下:根据以下指标中的至少一个指标来评估性能:所述接收信号的子载波的子载波占用误差率;所述接收信号的子载波的宽带频谱误差;以及所述接收信号的频带的波段占用误差。
各实施例提供一种计算机程序产品,包括至少一个计算机可读存储介质,所述计算机可读存储介质具有存储在其中的计算机可执行程序代码指令,所述计算机可执行程序代码指令包括:根据以下指标中的至少一个指标来评估性能:所述接收信号的子载波的子载波占用误差率;所述接收信号的子载波的宽带频谱误差;以及所述接收信号的频带的波段占用误差。
附图说明
在各附图中,相同的附图标记通常指遍布各不同的视图中相同的部件。各附图不一定是按照比例的,通常重点反而放在说明本发明的一些示例实施例的原理上。在以下描述中,参照以下各附图描述本发明的各种示例实施例,其中:
图1是根据实施例的基于边缘的宽带感知方法的流程图;
图2是根据实施例的能量比较多波段感知方法的流程图;
图3至图7显示了涉及仿真场景一的仿真结果;
图8至图12显示了涉及仿真场景二的仿真结果;
图13显示了涉及仿真场景三的仿真结果;
图14是可在其中运行一些实施例的移动通信设备的示意图;以及
图15是图14的移动通信设备的一些内部部件的示意图。
具体实施方式
以下具体描述参考各附图,各附图以说明的方式显示了本发明可在其中实施的特定的细节和实施例。足够详细地描述了这些实施例,以使本领域的技术人员能够实施本发明。可利用其它各实施例,并且可不脱离本发明的范围作出结构、逻辑和电气上的变化。各实施例不一定互相排斥,一些实施例能够与一个或多个其它的实施例组合,以形成一些新的实施例。
各实施例提供一种用于识别接收信号中一个或多个频带的方法,该方法包括:计算接收信号的小波积(wavelet product);设置该小波积的局部极大值的阈值;及基于大于该阈值的该小波积的局部极大值,来检测接收信号中的一个或多个边缘,以识别该接收信号中的一个或多个频带。
在实施例中,该小波积为:
在实施例中,该方法进一步包括归一化该小波积。
在实施例中,通过该接收信号的平均功率谱密度归一化该小波积。
在实施例中,归一化的小波积为:
FN(n)=|F(n)|/ΔJ
其中,Δ是该接收信号的平均功率谱密度。
在实施例中,针对该接收信号的给定的快速傅里叶变换大小和采样大小,设置固定阈值。
在实施例中,该方法进一步包括计算识别出的频带的平均功率谱密度。
在实施例中,如下计算波段[lk,lk+1]的平均功率谱密度:
其中,P(n)是该接收信号的子载波n的功率谱密度。
在实施例中,该方法进一步包括基于识别出的频带的平均功率谱密度与最小功率谱密度的比和预定阈值,来检测是否正在使用识别出的频带。
在实施例中,基于识别出的频带的平均功率谱密度除以最小功率谱密度与该预定阈值之间的比较,检测正在使用识别出的频带。
在实施例中,如果未检测到使用的频带,则将该接收信号的整个频率范围识别为空闲。
在实施例中,该最小功率谱密度相当于识别出的频带中具有最低功率谱密度的一个或多个识别出的频段的平均功率谱密度。
在实施例中,该最小功率谱密度包括识别出的频带中具有最低平均功率谱密度的两个或更多个识别出的频带的平均功率谱密度的平均值。
在实施例中,该最小功率谱为:
在实施例中,该方法进一步包括组合被检测为正被使用的多个连续频带。
在实施例中,该方法进一步包括计算估计的噪声功率,作为被检测为未正被使用的全部识别出的频带的平均功率谱密度,以及基于该估计的噪声功率,计算被检测为正被使用的每个识别出的频带的平均信噪比。
在实施例中,进一步包括感知该接收信号的频率范围,其中,该频率范围界定频谱的在其中将识别出一个或多个频带的一部分。
在实施例中,该方法进一步包括接收该接收信号。
各实施例提供一种装置,该装置包括:至少一个处理器;以及至少一个包括计算机程序代码的存储器;该至少一个存储器和该计算机程序代码以及该至少一个处理器被配置为使该装置执行至少如下:计算接收信号的小波积;设置该小波积的局部极大值的阈值;以及基于大于该阈值的该小波积的局部极大值,检测接收信号中的一个或多个边缘,以识别接收信号中的一个或多个频带。
各实施例提供一种计算机程序产品,包括至少一个计算机可读存储介质,该计算机可读存储介质中存储有计算机可执行程序代码指令,该计算机可执行程序代码指令包括:计算接收信号的小波积的程序代码;设置该小波积的局部极大值的阈值的程序代码;以及基于大于该阈值的该小波积的局部极大值,检测该接收信号中的一个或多个边缘,以识别接收信号中的一个或多个频带的程序代码。
以上参考上述用于识别接收信号中的一个或多个频带的方法描述的进一步特征同样适用于刚描述的各装置和计算机程序产品。
各实施例提供一种识别接收信号中一个或多个频段的方法的性能评估方法,上述性能评估方法包括基于以下指标中的至少一个指标来评估性能:接收信号的子载波的子载波占用误差率;接收信号的子载波的宽带频谱误差;以及接收信号的频带的波段占用误差。
在实施例中,该子载波占用误差率定义为:
其中,SOIa(n)和SOId(n)分别是该接收信号的子载波n的实际和检测到的子载波占用指数,并且N是该接收信号中的频点数量。
在实施例中,该宽带频谱误差定义为:
其中,SODa(n)和SODd(n)分别是该接收信号的子载波n的实际和检测到的子载波占用度,并且N是该接收信号中的频点数量。
在实施例中,该波段占用误差定义为:
其中,BODa(k)和BODd(k)分别是该接收信号的波段k的实际和检测到的波段占用度。
在实施例中,该方法进一步包括根据以下附加指标中的至少一个指标来评估性能:检测该接收信号中任意占用频带的可能性;以及错误地报告该接收信号中任意占用频带的可能性。
各实施例提供一种装置,该装置包括:至少一个处理器;以及至少一个包括计算机程序代码的存储器;该至少一个存储器和该计算机程序代码以及该至少一个处理器被配置为使该装置执行至少如下:根据以下指标中的至少一个指标来评估性能:接收信号的子载波的子载波占用误差率;接收信号的子载波的宽带频谱误差;以及接收信号的频带的波段占用误差。
各实施例提供一种计算机程序产品,包括至少一个计算机可读存储介质,该计算机可读存储介质具有存储其中的计算机可执行程序代码指令,该计算机可执行程序代码指令包括:根据以下指标中的至少一个指标来评估性能的程序代码:接收信号的子载波的子载波占用误差率;接收信号的子载波的宽带频谱误差;以及接收信号的频带的波段占用误差。
参考上述性能评估方法描述的进一步特征同样适用于刚描述的各装置和计算机程序产品。
注意到,术语‘宽带感知’用于指分析接收信号,以识别其中有关该接收信号的波段政策未知的一个或多个频带。例如,该接收信号中的信息信号(即,传播一些传输数据的信号部分)能够位于该接收信号的较大的频率范围中的任意中心频率,并占用任意带宽。
下面描述一种用于识别接收信号中的一个或多个频带的示例性方法。在实施例中,该方法由诸如认知无线电或其它通信设备之类的装置来执行。应理解,在一些实施例中,该接收信号可直接接收自例如有线或无线区域的信号传输介质。但是,在一些其它实施例中,该接收信号可例如经由外部接收器间接接收自信号传输介质。在任意情况中,一旦已经接收了该接收信号,就分析该接收信号,以识别存在的一个或多个频带。
系统描述
在实施例中,为了找到理想的可用频带,感知尽可能大的频率范围。假设感知该频率范围具有中心频率fc和带宽Bw。在实施例中,带宽Bw能够大到几GHz。在实施例中,在该频率范围内,假设主用户的信号或次用户的信号可位于任何地方并占用任意数量的带宽。
n=0,1,…,Ns-1,
其中,Ns是采样的数量,η(n)是噪声,并且s(n)是时间n时的接收信号组分(接收的源信号),该接收信号组分包括多径和衰落影响。
在实施例中,宽带感知具有以下三个目标:
第二目标是如果决定是(即,整个波段被占用),则估计源信号在该频率范围内的准确频谱位置。例如,整个频率范围可划分为数个较小的波段。此外,可将每个波段分类为“占用”或“空闲”。此目标的性能指标更复杂,将随后讨论。
第三目标是估计每个检测到的占用波段的平均SNR。这是为了提供与该波段中现有用户共享的可能的频谱的信息。可能的,也需要检测每个波段的另外的信息,例如信号特征。
在实施例中,为了感知非常大的频率范围,使用非常大的采样率是必要的,这在实践中是非常有挑战性的。幸好,假设该频率范围的较大部分是空闲的,即信号是频域稀疏的,能够使用压缩的采样(也称为压缩的感知),以大幅减小采样率。在大大减小的采样率的情况下,能够以非常高的可能性恢复该接收信号。此技术能够在此使用,以降低采样的复杂性。然而,如果我们假设在不具有来自压缩样本的误差的情况下完整恢复该接收信号,则此技术不影响各检测方法。因此,以下实施例在全部情况下均使用未压缩的样本。然而,在一些实施例中,可使用压缩的采样。
在实施例中,假设该接收信号已下变频到基带。因此,感知到的频率范围为[-Bw/2,Bw/2]。在实施例中,假设噪声样本η(n)是独立同分布(i.i.d)的复杂高斯。在实施例中,假设在接收器处没有关于感知到的源信号的信息可用,即,没有关于可能的波段位置和带宽的先验信息是已知的。因此,将s(n)建模为具有未知分布的随机变量。在实施例中,假设信号和噪声是独立的。
基于边缘的宽带感知
在实施例中,信号应占用一个或多个连续频率范围。连续的频率范围也称为波段。理论上,占用波段的平均功率谱密度(PSD)应高于噪声功率,而空闲波段的平均PSD应为噪声功率。因此,在占用波段和空闲波段的交叉处,具有一个急剧的变化。该急剧的变化点被称为边缘或阶梯。然而,由于以下理由,边缘检测可能是复杂的:(1)源信号还可在占用波段内具有多个急剧的变化;(2)由于在非常低的SNR级别检测主信号以避免“隐藏节点问题”是必要的,因此由噪声造成的多个边缘可能具有重大影响;(3)占用波段的末端可能不够尖锐。以下实施例旨在克服这些弊病。
在实施例中,使用快速傅里叶变换(FFT)来计算PSD。然而,在一些其它的实施例中,例如为了改善性能,可使用其它方法来计算PSD。令N为FFT的大小,其意味着该频率范围采样为具有N个频点。每个频点称为子载波。令Xi、Si和Γi分别为接收信号矢量x(iN:(i+1)N-1)、源信号矢量s(iN:(i+1)N-1)以及噪声矢量η(iN:(i+1)N-1)的归一化FFT。注意到,在此以及下面使用MatlabTM符号。令P(n)(n=0,1,…,N-1)为子载波n的PSD且
P=[P(0) P(1)... P(N-1)]T (3)
然后,给定PSD的估计为:
在实施例中,多尺度小波能够用于阶梯检测。接着,描述该方法。令是连续时间的小波,且Waf(y)是信号f(t)的连续小波变换,其中,a是小波的尺度。当输入信号是离散序列时,它的小波变换是该连续小波变换中通过离散卷积整合的近似值。Waf(n)定义为离散序列f(m)的小波变换。在实施例中,使用二进(dyadic)尺度(即a=2j)是优选的。此外,在实施例中,使用多尺度小波变换的积可给出低SNR下更好的性能。令F(n)为第一J二进尺度的P(n)的小波变换的积,即,
在阶梯或边缘处,|F(n)|将具有相对较大的值。因此,|F(n)|的各局部极大值点能够给出边缘的位置。然而,可存在大量的局部极大值点。它们中的一些的确代表波段边缘,但是其它的可能由波段内的噪声和急剧变化引起。选择局部极大值点是有挑战性的问题。下面解释实施例是怎样克服此问题的。
在实施例中,为了防止保留太多的假边缘,为局部极大值设置阈值。仅保留比该阈值大的局部极大值点。该阈值的选择是具有挑战性的任务。注意到,点n处的局部极大值|F(g)|不仅涉及n附近的PSD的波形,还涉及PSD的幅度。因此,该阈值应不为固定值。在实施例中,首先归一化该小波变换积,使得可以选择固定的阈值。在实施例中,令Δ为PSD的平均,即,
在实施例中,令FN(n)为归一化的积,即,
FN(n)=|F(n)|/ΔJ (7)
在实施例中,令γe为该阈值,该阈值对于给定的FFT大小N和采样大小Ns来说是固定的。在实施例中,仅保留满足以下条件的局部极大值点:FN(n)>γe。
在实施例中,由集合Ω指示所选的各边缘以及整个频率范围的两端,即,
Ω={n|n为FN(n)的局部部极大值点
且FN(n)>γe}∪{0,N-1} (8)
在实施例中,令lk(k=1,2,…,K)为Ω的由大到小的元素。因此,lk(k=1,2,…,K)是该频率范围中的估计的波段边缘。因此,最初识别出的波段为[lk,lk+1],其中,k=1,2,…,K-1。然而边缘中的一些可能是(由噪声或信号尖峰造成的)假的波段边缘。下一步是进一步将波段分类为占用或空闲。尽管在此各波段的带宽通常不同,但此为多波段检测问题。
在实施例中,令Δ(k)为波段[lk,lk+1]的平均PSD,即,
在实施例中,可将Δ(k)与噪声功率作比较,以决定该波段是否为占用或空闲。然而,该噪声功率通常是未知的,并且可随着时间和位置变化。因此,假设该噪声功率是未知的,并且因此使用宽带属性来对其进行估计。每个波段的两个假设为:
Δ(k)=Δη(k) (10)
Δ(k)=Δs(k)+Δη(k) (11)
k=1,2,…,K-1
其中,Δs(k)和Δη(k)分别为波段k中的源信号和噪声的平均PSD。这是多波段感知问题,且将在下部分详细讨论。
在实施例中,如果检测到的占用波段中的一些是连续的,则将它们组合成一个波段。在实施例中,然后,将该噪声功率估计为检测到的所有空闲波段的平均PSD。根据估计的噪声功率,能够容易地估计每个占用波段的平均SNR。
在实施例中,可如下执行基于边缘的宽带感知。图1以流程图图示该方法。
算法1:基于边缘的宽带感知(EWS)
1)在200,通过(4)估计接收信号的PSD。
2)在202,计算如(5)所示出的第一J二进尺度的小波变换的积。
3)在204,由如(7)所示出的PSD的平均来归一化小波变换积。
4)在206,找出函数FN(n)(例即归一化的小波变换积)的全部局部极大值点并用集合θ表示它们。
5)在208,对于每个局部极大值点n,将FN(n)与阈值γe比较,以获得Ω,即估计的边缘的指数的集合以及整个频率范围的两端。
6)在210,如果在该频率范围内(除两端外)检测到存在至少一个边缘,继续以下各步骤;否则,决定为H0:“整个频率范围为空闲”(212)。
7)在214,形成其中估计的边缘作为波段两端的波段,并计算波段的平均PSD。
8)在216,使用多波段检测将每个波段分类为占用或空闲。多波段检测将在下部分详细讨论。
9)在218,如果存在至少一个被检测为占用的波段,则继续以下各步骤;否则,决定为H0:“整个频率范围为空闲”。
10)在220,如果有的话,将多个连续的占用波段组合为一个波段。
11)在222,估计噪声功率作为检测到的所有空闲波段的平均PSD,并根据估计的噪声功率来计算每个占用波段的平均SNR。
在实施例中,基于边缘的宽带感知可概括如下:
1)利用归一化的多尺度小波变换的积来检测信号频谱的边缘;
2)为该归一化的小波积的局部极大值设置阈值,以防止保留太多的假边缘;
3)在根据检测到的边缘形成可能的波段后,提议多波段检测,以将各波段分类为占用或空闲;
4)提出一种有效的方法来估计每个占用波段的SNR。
在实施例中,使用不同尺度下的小波变化的积,来检测该接收信号的功率谱密度(PSD)的边缘(急剧变化点)。然后,根据检测到的边缘形成可能的波段。此后,实施多波段检测机制,以将各波段分类为占用或空闲。最后,估计每个占用波段的信噪比(SNR)。
能量比较多波段感知
下面描述一种能量比较多波段感知的实施例。根据最初的边缘检测(上述EWS算法的步骤1至7),已形成了频率范围内的可能的波段。也已经获得了每个波段的平均PSD。接着,考虑将每个波段分类为占用或空闲的过程。在实施例中,如果噪声功率是已知先验的,能够通过将平均PSD与噪声功率做比较来进行此工作。因此,正确的了解噪声功率是此方法的关键。不幸地,在实践中,总是存在噪声不确定性,即噪声功率通常随着时间和位置变化。由于该噪声不确定性,根本不可能获得噪声功率的准确测量。噪声功率不准确的估计可能造成此方法不可靠。
为了避免上述问题,实施例使用较大带宽的特定属性以进行实时噪声功率估计。在该较大的频率范围内,很可能存在少数的空闲频率间隔。因此,这样的各间隔上的平均PSD应接近噪声功率。由于例如如上描述的边缘检测,整个频率范围被成功地划分为多个波段。因此,选择具有最小PSD的少数波段的平均PSD作为噪声功率估计是自然的。在实施例中,能量比较多波段感知(ECMS)基于此理念。在实施例中,该检测基于波段PSD与最小波段PSD的比和硬阈值。
下面描述能量比较多波段感知方法的实施例。图2以流程图图示该实施例。
算法2:能量比较多波段感知(ECMS)
2)在302,通过平均Ks个最小波段的PDS(即最小功率谱密度)来估计噪声功率:
其中,Ks是设计参数,K是检测到的边缘的数量。例如Ks=1。
3)在304,对于p=Ks+1,…,K-1,如果:
则,Kv=p-1并停止测试;否则,Kv=p并继续对于p←p+1的测试;其中,γc>1是阈值。Kv是检测到的空闲波段(信道)的数量。
4)在306,如果Kv<K-1,则继续以下各步骤;否则,决定是“整个频率范围为空闲”。
5)在308,找到具有最低功率的Kv个波段,并将其定义为空闲波段。
6)在310,如果有,则将连续的占用波段组合成一个波段。
Ks的选择对检测具有影响。在实施例中,如果已知占用可能性的一些先验知识,可获得其合理值。在实施例中,如果没有已知先验知识,理想的选择是Ks=1,即将全部波段与最小平均功率波段比较。
上面描述的实施例提供一种感知非常大的频率范围的技术。上面描述的实施例包括两个主要步骤:1)利用多尺度小波变换的边缘检测,以及2)使用能量比较的多波段检测。
如上所述,该接收信号中的边缘检测可能比较难,因为:(1)信号在波段内还可具有急剧变化;(2)在低信噪比(SNR)级别下,噪声造成的各边缘可具有重大影响;以及(3)占用波段的两端可能不够尖锐。上面描述的实施例提供以下贡献以克服这些困难:(1)通过PSD的平均来归一化小波积,以对抗噪声不确定性;(2)为归一化的小波积的局部极大值提供阈值,以防止保留太多的假边缘;(3)在根据检测到的边缘形成可能的波段之后,多波段检测将各波段分类为占用或空闲;以及(4)提供一种估计每个占用波段的SNR的方法。
上面描述的各实施例的优势在于不需要源信号和噪声功率的先验信息即可执行宽带感知。此外,上面描述的实施例的优势在于每个波段的带宽和各中心频率不需要是先验已知的,即不需要在宽带感知以识别一个或多个频带之前是已知的。
上面描述的各实施例的优势在于提供了一种宽带感知技术,该技术能够处理占用波段内的源信号的急剧变化。上面描述的各实施例的优势在于提供了一种宽带感知技术,该技术能够处理由噪声生成或导致的边缘。上面描述的各实施例的优势在于提供了一种宽带感知技术,该技术能够处理占用波段不尖锐的两端。
性能指标和阈值
下面描述一种识别接收信号中的一个或多个频带的方法的性能评估示例性方法。在实施例中,该方法由诸如计算设备(例如便携式电脑)之类的装置执行。
宽带感知中的性能评估比单波段或多波段感知中的更复杂,在单波段或多波段感知中各波段位置是先验已知的。对于单波段或多波段感知,使用针对每个波段的检测的可能性(Pd)和误报警的可能性(Pfa)来评估检测方法的性能是可能的。对于宽带感知这是不够的,因为频率范围内的各波段位置是未知的,且它们的估计精度对其本身是重要的性能指标。因此,必须还为评估此性能定义充足的指标。在实施例中,除了使用Pd和Pfa为整个频率范围评估性能外,还使用其它三个指标来评估宽带感知性能。下面详细描述每个指标。该三个指标从不同的方面评估给定的方法。
性能指标
在实施例中,第一指标是整个频率范围的Pd和Pfa,定义为
在实施例中,如果子载波为占用或空闲,则子载波的子载波占用指数(SOI)分别定义为1或0。因此,以子载波粒度评估检测性能的一种固有方式是子载波占用误差率(SOER)。SEOR是识别每个子载波的误差率,其中,子载波是频点。在实施例中,SOER定义为:
其中,SOIa(n)和SOId(n)分别为子载波n的实际和检测到的SOI。
然而,SOER未考虑信号强度。如果占用子载波的PSD非常小(接近于噪声功率),则该子载波检测为空闲是很可能的,且在许多情形中,这是可以接受的。在这种情况下,应将检测错误看作比在具有较大PSD的占用子载波被检测为空闲时的检测误差小。为了反映这种观点,给定每个子载波一个子载波占用度(SOD)。在实施例中,SOD定义为:
其中,v(n)是子载波n的SNR。宽带频谱误差(WSE)定义为SOD函数的均方误差。在实施例中,WSE定义为:
其中,SODa(n)和SODd(n)分别为子载波n的实际和检测到的SOD。
这两个指标是子载波粒度方面的。在实践中,源信号通常占用连续的频率范围(波段)。即便波段的平均PSD高,在该波段内的一些子载波处,PSD可能是较低的,使得很可能被检测为空闲。因此,“波段”粒度上的检测精度可能比“子载波”粒度上的更令人关注。为此,定义波段占用度(BOD)。在实施例中,BOD定义为:
其中,λ(k)是波段k的平均SNR。每个子载波n应属于一个波段,即波段b(n),1≤b(n)≤L,其中L是波段的总数。波段占用误差(BOE)定义为BOD函数的均方误差。在实施例中,BOE定义为:
其中,BODa(k)和BODd(k)分别是波段k的实际和检测到的BOD。
总之,Pd和Pfa仅表示识别整个频率范围为占用或空闲的检测性能,而SOER、WSE和BOE给出该频率范围内的详细的检测性能。
上面描述的实施例提供一种评估宽带感知方法的性能的技术。上面描述的方法定义评估性能的新的性能指标,即SOER、WSE和BOE。
阈值设置
如上所示,宽带感知的性能指标比单波段或多波段感知的情况复杂的多。因此,理论上分析宽带感知的性能更具挑战性。
设置阈值以满足预定的需要也非常困难。该阈值应设置为使得满足一定的要求。由于很少知道或不知道信号的信息(实际上,在实施例中,甚至不知道是否存在信号),因此通常根据假设下(没有信号的情况)的Pfa来选择该阈值。
在实施例中,基于边缘的宽带感知具有两个检测阶段:边缘检测阶段和多波段检测阶段。在实施例中,使用两个阈值:一个是该边缘检测的,另一个是该多波段检测的。很明显,当且仅当在该边缘检测阶段检测到至少一个边缘并且在该多波段检测阶段将至少一个波段分类为占用时,发生误报警。因此:
其中,Λ(Ks)是Δ(k)中至少Ks个元素的平均值。获得作为γe和γc的函数的(20)的闭式表达式,使其可能获得阈值,以满足Pfa要求。
在实施例中,可能得出J=2的特定情况下F(n)的分布的闭式表达式。对于J>2,得出闭式解是一个棘手的数学问题。仿真已经示出了通常多项(multiple-term)高斯混合对于F(n)的几率密度函数(PDF)是很好的近似法。然而,可由仿真确定在该混合中的参数。如果得出了F(n)的分布,则得出FN(n)的分布是不困难的。
对于白高斯输入,不同n的F(n)是基本独立的。因此,给定FN(n)的PDF,能够得出maxn(FN(n))的PDF。最困难的部分在于Δ(k)和maxk(Δ(k))的分布。注意到,检测到的波段与该边缘检测阶段有关。因此,Δ(k)的分布的条件应是在第一阶段检测到的可能的边缘位置。在实施例中,还可通过使用计算机仿真得出阈值。在实施例中,各阈值与信号属性和噪声功率不相关,且能够仅一次就决定。
仿真
为了评估上面描述的识别接收信号中的各频带的各实施例的性能,执行各种仿真。假设接收到的宽带信号已下变频至基带。考虑以下三个仿真场景:
场景一:感知的带宽是Bw=100MHz,且存在具有6MHz带宽的四个占用信道,该四个占用信道(在基带)的中心频率分别为-37MHz、-17MHz、13MHz、38MHz。每个占用信道的信号是线性调频脉冲。
场景二:感知的带宽是21.52MHz,且存在分别具有中心频率为-5.38MHz和5.38MHz的两个占用ATSC DTV信道。期望每个信道的带宽是6MHz;但是,各信道的边缘不尖锐,因此,实际的带宽取决于解释说明。
场景三:感知的带宽是24.75MHz,且存在两个占用无线麦克风信号信道。期望该两个信道的带宽是50MHz;但是,各信道的边缘不尖锐,因此,实际的带宽取决于解释说明。
假设接收器(传感器)不具有关于信号属性、中心频率、带宽以及噪声功率的任何信息。
接收信号的宽带SNR定义为整个感知频率范围中信号功率与噪声功率的比。每个占用信道内的SNR称为信道SNR。不同信道的信道SNR通常不同。在这些仿真中,在固定的宽带SNR下,场景一的各信道SNR是独立生成的随机数,且在不同的蒙特卡洛实验中不同。对于场景二和三,每个占用信道的信号为捕获的DTV信号。
选择FFT大小为N=2048,感知时间(累积采样时间)为5ms(毫秒)。对于ECMS,选择Ks=1的值。设置阈值使得Pfa=0.0004。
在场景一中,具有-10dB的宽带SNR,图3至图5示出了一次蒙特卡洛实验中的接收信号PSD、实际的BOD以及检测到的BOD(J=4)。此次实验中,该方法(依据波段边缘和波段SNR)很好地检测到四个占用波段。图6和图7分别给出了整个频率范围中检测的Pd以及所提出的方法的详细性能(基于200次蒙特卡洛实验)。从这些附图可以看到,较大的J可能给出更好的性能,尤其在低SNR下,且对于J≥3,该方法通常给出较理想的波段位置和BOD估计。
在场景二中,具有0dB的宽带SNR,图8至图10示出了在一次蒙特卡洛实验中的接收信号PSD、实际的BOD以及检测到的BOD。该方法检测到具有略小于6MHz的带宽的两个波段。这是因为各波段相当平滑的边缘。注意到,该方法抑制了频点0处的单载波噪声。这是非常有用的属性,因为在实践中通常存在由其他电子设备或其他发射器生成的许多不想要的寄生信号。如果能在检测器抑制它们以使其不能引起误报警将是可取的。图11和图12分别给出了整个频率范围内检测的Pd以及所提出的方法的详细性能(基于200次蒙特卡洛实验)。对场景一的观察对场景二仍然有效。但是,因为各波段边缘不那么尖锐,因此BOD估计通常比场景一差。
在场景三中,具有-20dB的宽带SNR,图13示出了在20次蒙特卡洛实验中捕获到的信号频谱。该方法检测到检测的可能性是1以及64KHz的平均带宽。
上面描述的各仿真显示了上面描述的实施例对于宽带感知是有用的。
一些实施例可适用于任何有线或无线通信系统中的应用,以找出任何特定频率范围内的可用频谱。一些实施例可适用于电视白色空间认知无线电、IEEE802.11TVWS、802.22等中的应用。
接着将参照图14和图15描述一种移动通信设备及其操作。该移动通信设备可为一些实施例提供一种运操作环境。例如,该移动通信设备可为上面描述的宽带感知方法或上面描述的宽带感知方法的性能评估方法提供一种环境。
图14描绘了一种移动通信设备2,该移动通信设备2包括键盘4、触摸屏6、麦克风8、扬声器10以及天线(未示出)。该设备2能够由用户操作,以执行多种不同的功能,例如拨打电话、发送SMS消息、浏览互联网、发送电子邮件以及提供卫星导航之类的功能。
图15显示了该设备2的一些内部硬件元件的示意图。参照图15,该设备2包括执行电话功能的硬件、连同应用处理器以及使该设备具有其他功能的相应的支撑硬件,该其他功能例如为发消息、互联网浏览、电子邮件功能、卫星导航等等。
在图15中,该电话硬件由RF处理器102表示,RF处理器102将RF信号提供给用于电话信号的传输的天线,并从该天线接收RF信号。额外提供的是基带处理器104,基带处理器104向RF处理器102提供信号并接收来自RF处理器102的信号。如本领域众所周知的,基带处理器104还与用户身份模块106交互。设备2的电话子系统超出了本发明的范围。
键盘4以及触摸屏6由应用处理器108控制。提供电源和音频控制器109,以从电池(未示出)向该电话子系统、应用处理器108以及其他硬件供应电力。电源和音频控制器109还控制来自该麦克风108的输入以及经过扬声器10的音频输出。还提供由应用处理器108控制的WiFi处理器和天线11。WiFi处理器和天线11能够使用WiFi通信标准发送和接收数据。
为了应用处理器108进行操作,提供各种不同类型的处理器。首先,设备2包括随机存储存储器(RAM)112,该RAM112连接至应用处理器108,能够随意将数据和程序代码写入RAM112中以及从其中读取数据和程序代码。位于RAM112中任意位置的代码能够由应用处理器108从RAM112执行。RAM112可代表设备2的易失存储器。
其次,设备2具有长期存储114,长期存储114连接至应用处理器108。长期存储114包括三个分区,操作系统(OS)分区、系统分区以及用户分区。长期存储114可代表设备2的非易失存储器。在示例中,该OS分区包含计算设备的固件,该计算设备的固件包括操作系统。在该长期存储114上还可存储其他计算机程序,例如应用程序等。具体地,对于该设备是强制性的应用程序,例如,在通信设备的情况下的通信应用等,典型地存储在该系统分区中。存储在该系统分区上的应用程序通常为由设备制造者在该电话首次出售时与该设备绑定的那些应用程序。由用户添加到该设备的应用程序通常存储在该用户分区中。
如上所述,图15的描绘是示意性的。在实践中,所示的各种功能组件可替换为一个且同样的组件。例如,单个处理器可提供该RF处理器、基带处理器、WiFi处理器以及应用处理器的功能。此外,在一些实施例中,可省略图15的一个或多个元件。
尽管已经参照具体的示例性实施例特别地显示并描述了本发明,但本领域的技术人员应理解,在不背离由所附权利要求限定的本发明的精神和范围的情况下,可作出其形式和细节上的各种变化。因此,由所附权利要求指示本发明的范围,且因此,意欲包含在权利要求的等同物的意图和范围内的全部变化。
Claims (27)
1.一种识别接收信号中的一个或多个频带的方法,所述方法包括:
a.计算所述接收信号的小波积;
b.设置所述小波积的局部极大值的阈值;以及
c.根据所述小波积的大于所述阈值的局部极大值,来检测所述接收信号中的一个或多个边缘,以识别所述接收信号中的一个或多个频带。
3.根据权利要求1或权利要求2所述的方法,进一步包括归一化所述小波积。
4.根据权利要求3所述的方法,其中通过所述接收信号的平均功率谱密度来归一化所述小波积。
5.根据权利要求4所述的方法,其中归一化的小波积为:
其中,Δ是所述接收信号的平均功率谱密度。
6.根据前述权利要求中任意一项所述的方法,其中针对所述接收信号的给定的快速傅里叶变换大小和采样大小,设置固定阈值。
7.根据前述权利要求中任意一项所述的方法,进一步包括计算识别出的频带的平均功率谱密度。
8.根据权利要求7所述的方法,其中,如下计算波段[lk,lk+1]的平均功率谱密度:
其中,P(n)是所述接收信号的子载波n的功率谱密度。
9.根据权利要求7或8所述的方法,进一步包括根据所述识别出的频带的平均功率谱密度与最小功率谱密度的比和预定阈值,检测是否正在使用所述识别出的频带。
10.根据权利要求9所述的方法,其中根据识别出的波段的平均功率谱密度除以所述最小功率谱密度与所述预定阈值之间的比较,检测到正在使用所述识别出的频带。
11.根据权利要求9或10所述的方法,其中如果没有检测到使用的频带,则将所述接收信号的整个频率范围识别为空闲。
12.根据权利要求9至11中的任一项所述的方法,其中所述最小功率谱密度对应于所述识别出的频带中具有最低功率谱密度的一个或多个识别出的频带的平均功率谱密度。
13.根据权利要求12所述的方法,其中所述最小功率谱密度包括所述识别出的频带中具有最小平均功率谱密度的两个或更多个识别出的频带的平均功率谱密度的平均值。
15.根据权利要求9至14中任一项所述的方法,进一步包括组合检测到的正在使用的连续频带。
16.根据权利要求9至15中任一项所述的方法,进一步包括计算估计的噪声功率,作为被检测为未正被使用的所有识别出的频带的平均功率谱密度,并根据所述估计的噪声功率计算被检测为正被使用的每个识别出的频带的平均信噪比。
17.根据前述权利要求中任一项所述的方法,进一步包括感知所述接收信号的频率范围,其中所述频率范围界定所述频谱的将在其中识别一个或多个频带的一部分。
18.根据前述权利要求中任一项所述的方法,进一步包括接收所述接收信号。
19.一种装置,包括:
至少一个处理器;和
至少一个存储器,所述至少一个存储器包括计算机存储代码;
所述至少一个存储器和所述计算机程序代码与所述至少一个处理器一起被配置为使所述装置执行至少如下:
计算接收信号的小波积;
设置所述小波积的局部极大值的阈值;以及
根据所述小波积的大于所述阈值的局部极大值,来检测所述接收信号中的一个或多个边缘,以识别所述接收信号中的一个或多个频带。
20.一种计算机程序产品,包括至少一个计算机可读存储介质,所述计算机可读存储介质具有存储在其中的计算机可执行程序代码指令,所述计算机可执行程序代码指令包括:
计算所述接收信号的小波积的程序代码;
设置所述小波积的局部极大值的阈值的程序代码;以及
根据所述小波积的大于所述阈值的局部极大值来检测所述接收信号中的一个或多个边缘,以识别所述接收信号中的一个或多个频带的程序代码。
21.一种评估用于识别接收信号中的一个或多个频带的方法的性能的方法,评估性能的所述方法包括根据以下指标中的至少一个指标来评估性能:
a.所述接收信号的子载波的子载波占用误差率;
b.所述接收信号的子载波的宽带频谱误差;以及
c.所述接收信号的频带的波段占用误差。
22.根据权利要求21所述的方法,其中所述子载波占用误差率定义为:
其中,SOIa(n)和SOId(n)分别是所述接收信号的子载波n的实际和检测到的子载波占用指数,并且N是所述接收信号中频点的数量。
23.根据权利要求21或22所述的方法,其中所述宽带频谱误差定义为:
其中,SODa(n)和SODd(n)分别是所述接收信号的子载波n的实际和检测到的子载波占用度,并且N是所述接收信号中频点的数量。
24.根据权利要求21至23中任一项所述的方法,其中所述波段占用误差定义为:
其中,BODa(k)和BODd(k)分别是所述接收信号的波段k的实际和检测到的波段占用度。
25.根据权利要求21至24中任一项所述的方法,进一步包括根据以下附加指标中的至少一个附加指标来评估性能:
a.检测所述接收信号中的任意占用频带的可能性;以及
b.错误报告所述接收信号中的任意占用频带的可能性。
26.一种装置,包括:
至少一个处理器;以及包括计算机程序代码的至少一个存储器;
所述至少一个存储器和所述计算机程序代码与所述至少一个处理器一起被配置为使所述装置执行至少如下:
根据以下指标中的至少一个指标来评估性能:
a.所述接收信号的子载波的子载波占用误差率;
b.所述接收信号的子载波的宽带频谱误差;以及
c.所述接收信号的频带的波段占用误差。
27.一种计算机程序产品,包括至少一个计算机可读存储介质,所述计算机可读存储介质具有存储在其中的计算机可执行程序代码指令,所述计算机可执行程序代码指令包括:
根据以下指标中的至少一个指标来评估性能的程序代码:
a.所述接收信号的子载波的子载波占用误差率;
b.所述接收信号的子载波的宽带频谱误差;以及
c.所述接收信号的频带的波段占用误差。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
SG2010063113 | 2010-08-30 | ||
SG201006311-3 | 2010-08-30 | ||
PCT/SG2011/000287 WO2012030301A1 (en) | 2010-08-30 | 2011-08-23 | A method, apparatus and computer program product for identifying frequency bands, and a method, apparatus and computer program product for evaluating performance |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103141067A true CN103141067A (zh) | 2013-06-05 |
CN103141067B CN103141067B (zh) | 2016-11-09 |
Family
ID=44583328
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201180046890.4A Active CN103141067B (zh) | 2010-08-30 | 2011-08-23 | 频带识别方法、装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US8923771B2 (zh) |
CN (1) | CN103141067B (zh) |
WO (1) | WO2012030301A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105429719A (zh) * | 2015-10-29 | 2016-03-23 | 中国电子科技集团公司第二十研究所 | 基于功率谱和多尺度小波变换分析强干扰信号检测方法 |
CN106877951A (zh) * | 2017-01-23 | 2017-06-20 | 福州大学 | 基于复小波的宽频带认知无线电频谱感知方法 |
CN109639376A (zh) * | 2018-11-29 | 2019-04-16 | 中国科学院上海微系统与信息技术研究所 | 一种电力无线专网系统的频谱扫描方法 |
CN114244401A (zh) * | 2021-11-16 | 2022-03-25 | 北京智芯微电子科技有限公司 | 工作频段确定方法、装置、芯片、电子设备及存储介质 |
CN115208733A (zh) * | 2022-07-20 | 2022-10-18 | 成都华日通讯技术股份有限公司 | 一种lte与5gnr信号联合识别方法 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102571237B (zh) * | 2011-12-31 | 2014-08-13 | 中国科学技术大学 | 一种基于周期图的无线信号检测方法 |
US9379924B2 (en) | 2013-12-20 | 2016-06-28 | King Fahd University Of Petroleum And Minerals | Cognitive radio spectrum sensing with improved edge detection of frequency bands |
GB201412194D0 (en) * | 2014-07-09 | 2014-08-20 | Qinetiq Ltd | Interference mitigation for a receiver |
US9641371B2 (en) * | 2014-12-31 | 2017-05-02 | Motorola Solutions, Inc | Methods and systems for dynamic single-frequency-network-multicast symbol synchronization |
CN105375996B (zh) * | 2015-10-12 | 2017-10-03 | 桂林电子科技大学 | 在脉冲噪声环境下基于顺序统计的频谱感知方法 |
CN110943794B (zh) * | 2018-09-25 | 2022-02-08 | 上海无线通信研究中心 | 一种基于小波边沿检测的高效宽带频谱感知方法及系统 |
CN114025379B (zh) * | 2021-11-05 | 2023-06-30 | 北京邮电大学 | 一种宽带多信号检测方法、装置和设备 |
CN114374450B (zh) * | 2021-12-24 | 2023-10-20 | 宁波大学 | 一种基于过采样的最大特征值检测器 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101494627A (zh) * | 2009-03-11 | 2009-07-29 | 北京邮电大学 | 宽带移动通信中利用压缩感知减少导频数的信道估计方法 |
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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB0307352D0 (en) * | 2003-03-29 | 2003-05-07 | Qinetiq Ltd | Improvements in and relating to the analysis of compounds |
-
2011
- 2011-08-23 US US13/819,414 patent/US8923771B2/en active Active
- 2011-08-23 WO PCT/SG2011/000287 patent/WO2012030301A1/en active Application Filing
- 2011-08-23 CN CN201180046890.4A patent/CN103141067B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101494627A (zh) * | 2009-03-11 | 2009-07-29 | 北京邮电大学 | 宽带移动通信中利用压缩感知减少导频数的信道估计方法 |
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 |
Non-Patent Citations (3)
Title |
---|
HUR Y等: ""A Wideband Analog Multi-Resolution Spectrum Sensing (MRSS) Technique for Cognitive Radio(CR) Systems"", 《IEEE》, 24 May 2006 (2006-05-24) * |
ZHI TIAN等: ""A Wavelet Approach to Wideband Spectrum Sensing for Cognitive Radios"", 《IEEE》, 10 June 2006 (2006-06-10) * |
杨丹等: ""基于小波多尺度积的边缘检测算法"", 《计算机科学》, vol. 31, no. 1, 15 January 2004 (2004-01-15) * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105429719A (zh) * | 2015-10-29 | 2016-03-23 | 中国电子科技集团公司第二十研究所 | 基于功率谱和多尺度小波变换分析强干扰信号检测方法 |
CN105429719B (zh) * | 2015-10-29 | 2017-12-12 | 中国电子科技集团公司第二十研究所 | 基于功率谱和多尺度小波变换分析强干扰信号检测方法 |
CN106877951A (zh) * | 2017-01-23 | 2017-06-20 | 福州大学 | 基于复小波的宽频带认知无线电频谱感知方法 |
CN106877951B (zh) * | 2017-01-23 | 2020-01-14 | 福州大学 | 基于复小波的宽频带认知无线电频谱感知方法 |
CN109639376A (zh) * | 2018-11-29 | 2019-04-16 | 中国科学院上海微系统与信息技术研究所 | 一种电力无线专网系统的频谱扫描方法 |
CN109639376B (zh) * | 2018-11-29 | 2021-10-29 | 中国科学院上海微系统与信息技术研究所 | 一种电力无线专网系统的频谱扫描方法 |
CN114244401A (zh) * | 2021-11-16 | 2022-03-25 | 北京智芯微电子科技有限公司 | 工作频段确定方法、装置、芯片、电子设备及存储介质 |
CN114244401B (zh) * | 2021-11-16 | 2024-01-26 | 北京智芯微电子科技有限公司 | 工作频段确定方法、装置、芯片、电子设备及存储介质 |
CN115208733A (zh) * | 2022-07-20 | 2022-10-18 | 成都华日通讯技术股份有限公司 | 一种lte与5gnr信号联合识别方法 |
CN115208733B (zh) * | 2022-07-20 | 2024-02-13 | 成都华日通讯技术股份有限公司 | 一种lte与5gnr信号联合识别方法 |
Also Published As
Publication number | Publication date |
---|---|
US8923771B2 (en) | 2014-12-30 |
CN103141067B (zh) | 2016-11-09 |
WO2012030301A1 (en) | 2012-03-08 |
US20130225105A1 (en) | 2013-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103141067A (zh) | 频带识别方法、装置和计算机程序产品以及性能评估方法、装置和计算机程序产品 | |
US8259783B2 (en) | Method of determining as to whether a received signal includes an information signal | |
Zeng et al. | Maximum eigenvalue detection: Theory and application | |
Nagaraj | Entropy-based spectrum sensing in cognitive radio | |
US8717922B2 (en) | Multitaper spectrum sensing systems and methods | |
US20100054352A1 (en) | Correlation-based detection in a cognitive radio system | |
Lim | Adaptive energy detection for spectrum sensing in unknown white Gaussian noise | |
Liu et al. | Transmit power adaptation for orthogonal frequency division multiplexing integrated radar and communication systems | |
CN106713190B (zh) | 基于随机矩阵理论和特征阈值估计的mimo发射天线数目盲估计算法 | |
CN102668658B (zh) | Fm信号的基于自相关性的频谱感测 | |
US8433009B2 (en) | Method for determining as to whether a received signal includes a data signal | |
Zhu et al. | Rao test based cooperative spectrum sensing for cognitive radios in non-Gaussian noise | |
KR101090576B1 (ko) | 무선 인지 시스템에서 마코프 모델을 이용한 가중치 할당 협력 스펙트럼 센싱 방법 | |
Liu et al. | Comparison of reliability, delay and complexity for standalone cognitive radio spectrum sensing schemes | |
Kortun et al. | Exact performance analysis of blindly combined energy detection for spectrum sensing | |
WO2018167476A1 (en) | Signal detection based on stochastic resonance | |
CN106972900A (zh) | 基于广义t2统计量的盲频谱感知方法 | |
Youssef et al. | Efficient cooperative spectrum detection in cognitive radio systems using wavelet fusion | |
Iwata et al. | Time and frequency varying noise floor estimation for spectrum usage measurement | |
Namdar et al. | Partial spectrum utilization for energy detection in cognitive radio networks | |
Thomas et al. | Primary user signal detection in cognitive radio networks using cyclostationary feature analysis | |
Captain et al. | Performance of wideband spectrum sensing under fading channel | |
El Bahi et al. | Spectrum sensing technique for cognitive radio of multiple OFDM signals based on singular value decomposition | |
Sun et al. | A blind OFDM signal detection method based on cyclostationarity analysis | |
KR101347885B1 (ko) | 무선 인지 장치 및 무선 인지 방법 |
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 |