CN103327504A - 一种认知无线电网络中频谱感知间隔的决策方法 - Google Patents
一种认知无线电网络中频谱感知间隔的决策方法 Download PDFInfo
- Publication number
- CN103327504A CN103327504A CN201310293813XA CN201310293813A CN103327504A CN 103327504 A CN103327504 A CN 103327504A CN 201310293813X A CN201310293813X A CN 201310293813XA CN 201310293813 A CN201310293813 A CN 201310293813A CN 103327504 A CN103327504 A CN 103327504A
- Authority
- CN
- China
- Prior art keywords
- frequency spectrum
- spectrum perception
- state
- interval
- perception
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种认知无线电网络中频谱感知间隔的决策方法,该方法包括:获取当前频谱感知结果;若当前频谱感知结果为频谱忙碌,且对应的频谱感知间隔为θ1,则根据频谱感知间隔内频谱状态变为空闲的时隙个数的期望值fO(θ1),计算降低的吞吐量的期望值fT(θ1);再计算平均每个时隙的感知能量消耗fE(θ1);并根据计算出的fT(θ1)与fE(θ1)计算最优频谱感知间隔;若当前频谱感知结果为频谱空闲,且对应的频谱感知间隔为θ0,则根据频谱感知间隔内频谱状态变为忙碌的时隙个数的期望值gO(θ0),计算降低的吞吐量的期望值gT(θ0)以及授权用户遭受的干扰的期望值gI(θ0);再计算平均每个时隙的感知能量消耗gE(θ0);并根据计算出的gE(θ0)、gT(θ0)与gI(θ0)计算最优频谱感知间隔。通过采用本发明公开的方法,降低了系统能量消耗,提高了系统吞吐量。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种认知无线电网络中频谱感知间隔的决策方法。
背景技术
近年来,无线通信网络频谱稀缺问题越来越严重,认知无线电作为一种切实可行的方法能够很好的解决这个问题。认知无线电技术允许次级用户以一种随机的方式动态的共享未被充分利用的授权用户的频谱资源。
频谱感知技术是认知无线电中一项重要的技术,次级用户通过频谱感知发掘未被授权用户占用的空闲频谱,从而在不干扰授权用户通信的前提下实现动态频谱共享。在时隙系统中,现有的频谱感知方法要求次级用户在每个时隙的开始对频谱状态进行感知。但是现有的方法中,次级用户在每个时隙的开始均需进行一次频谱感知,根据真实频谱占用情况统计,而频谱的占用/空闲状态往往持续多个时隙而不是每个时隙都会发生变化;因此,无须每个时隙均进行频谱感知。已有研究中,频繁的频谱感知会造成大量的能量消耗。此外,在频谱感知时间内,所有次级用户无法进行数据传输,从而导致系统吞吐量降低。
发明内容
本发明的目的是提供一种认知无线电网络中频谱感知间隔的决策方法,降低了系统能量消耗,提高了系统吞吐量。
本发明的目的是通过以下技术方案实现的:
一种认知无线电网络中频谱感知间隔的决策方法,该方法包括:
获取当前频谱感知结果;
若当前频谱感知结果为频谱忙碌,且对应的频谱感知间隔为θ1,则根据频谱感知间隔内频谱状态变为空闲的时隙个数的期望值fO(θ1),计算降低的吞吐量的期望值fT(θ1);再计算平均每个时隙的感知能量消耗fE(θ1);并根据计算出的fT(θ1)与fE(θ1)计算最优频谱感知间隔;
若当前频谱感知结果为频谱空闲,且对应的频谱感知间隔为θ0,则根据频谱感知间隔内频谱状态变为忙碌的时隙个数的期望值gO(θ0),计算降低的吞吐量的期望值gT(θ0)以及授权用户遭受的干扰的期望值gI(θ0);再计算平均每个时隙的感知能量消耗gE(θ0);并根据计算出的gE(θ0)、gT(θ0)与gI(θ0)计算最优频谱感知间隔。
由上述本发明提供的技术方案可以看出,根据初始感知状态的不同,通过系统吞吐量、能量消耗以及对授权用户造成的干扰来计算最优频谱感知间隔,使次级用户能够根据最新感知结果动态的决定下一次进行频谱预测的时间,更具有灵活性;另一方面,与现有的频谱感知方法需要次级用户在每个时隙的开始进行感知不同,本发明的方法在一定数目的时隙间隔内进行频谱感知即可,这不仅能够降低由于频谱感知带来的能量消耗,还能够使系统获得较大的吞吐量。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他附图。
图1为本发明实施一例提供的一种认知无线电网络中频谱感知间隔的决策方法的流程图;
图2为本发明实施一例提供的频谱感知过程的示意图;
图3为本发明实施二例提供的频谱感知结果为频谱忙碌时最优频谱感知间隔计算结果的示意图;
图4为本发明实施二例提供的频谱感知结果为频谱空闲时最优频谱感知间隔计算结果的示意图。
具体实施方式
下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明的保护范围。
实施例一
图1为本发明实施例一提供的一种认知无线电网络中频谱感知间隔的决策方法的流程图。如图1所示,该方法主要包括如下步骤:
步骤11、获取当前频谱感知结果,若当前频谱感知结果为频谱忙碌,则转入步骤12;否则,转入步骤13。
本发明实施例中当前频谱感知结果包括频谱忙碌与频谱空闲;具体的频谱感知过程可参见图2,主要包括如下步骤:
1)建立频谱感知模型。本实施例将频谱感知过程建立为隐马尔科夫模型;
其中,以频谱的真实状态(图2中的信道状态q1,q2,...,qn)构成隐马尔科夫模型的隐状态,以X={x0,x1}表示隐马尔科夫模型的隐状态空间,其中,x0=0与x1=1分别表频谱状态为空闲和忙碌;
以频谱感知得到的感知结果(图2中的感知结果o1,o2,...,on)构成隐马尔科夫模型的观察状态,以Y={y0,y1}表示隐马尔科夫模型的观察状态空间,其中,y0=0与y1=1分别表示频谱感知结果为空闲和忙碌。
2)根据所述频谱感知模型估计频谱状态参数。
隐马尔科夫模型的参数λ=(π,A,B),用于反映频谱的状态参数;其中,π为初始状态概率分布,该参数用于反映频谱的初始占用或空闲状态的概率分布情况,表示为:π=[πi]1×2,πi=P(q1=i),i∈X,其中,[πi]1×2表示一行两列的矩阵,πi=P(q1=i)表示频谱的初始状态为空闲(i=0)和忙碌(i=1)的概率;A为状态转移概率矩阵,用于反映频谱占用状态和空闲状态彼此间的状态转移概率,表示为:A=[aij]2×2,aij=P(qn+1=j|qn=i),i,j∈X,其中,[aij]2×2表示两行两列的矩阵,aij=P(qn+1=j|qn=i)表示频谱在时隙n状态为i,在下一时隙转化为状态j的概率;B为发射概率矩阵,用于反映次级用户频谱感知的准确率,表示为:B=[bjk]2×2,bjk=P(on=k|qn=j),j∈X,k∈Y,其中,[bjk]2×2表示两行两列的矩阵,bjk=P(on=k|qn=j)表示频谱在时隙n的真实状态为j时,感知结果为状态k的概率。
根据所述频谱感知模型并调用Baum-Welch(前向后向)算法估计频谱状态参数,得到:π=(π0,π1),
3)根据估计到的所述频谱状态参数,估计各个频谱状态的持续时间。
例如,次级用户可以估计某一频谱状态xi(i可以是0或者1;i为0时表示空闲状态,i为1时表示忙碌状态)持续τ个时隙的概率为:
4)次级用户进行一次频谱感知,获得当前最新频谱感知结果。基于最新的频谱感知结果和其估计的频谱状态参数及频谱状态持续时间分布,次级用户可以动态的确定最优频谱感知间隔(即动态决定何时进行下一次频谱感知)。
次级用户进行频谱感知获得当前最新的频谱感知结果,在进行下次频谱感知之前认为频谱状态保持不变,即在频谱感知间隔时间内,次级用户认为频谱状态没有发生改变。若当前最新频谱感知结果为频谱忙碌(即被占用),在下次频谱感知之前,次级用户认为频谱始终忙碌,因此次级用户不会接入频谱。然而,如果在两次频谱感知之间(即频谱感知间隔内)频谱状态发生变化,频谱由忙碌变为空闲,次级用户可能错过一定量的频谱接入和数据传输机会。在这种情况下,增加频谱感知间隔可以节省由于频繁感知带来的能量消耗,但也可能错过数据传输机会,造成吞吐量降低。因此,次级用户在确定最佳的频谱感知间隔时需要在减少能量消耗和降低吞吐量之间进行权衡。类似的,若当前最新频谱感知结果为频谱空闲,次级用户将接入频谱进行数据传输,并且在频谱感知间隔内认为频谱始终空闲,不再进行频谱感知。然而,如果在频谱感知间隔内频谱状态发生变化,频谱由空闲变为忙碌,即授权用户占用频谱进行通信,次级用户的数据传输将对授权用户的通信造成干扰。在这种情况下,增大频谱感知间隔可以使次级用户减少感知能量消耗,增加数据传输时间,提高吞吐量,然而有可能对授权用户的通信造成干扰。因此,次级用户在确定最佳频谱感知间隔时需要在提高次级用户性能(减少能量消耗,提高吞吐量)和降低授权用户性能(可能遭受来自次级用户的干扰)二者之间进行权衡。
基本上述理论,本发明实施例根据当前频谱感知结果的不同,采用了不同的处理方案,即当前频谱感知结果为频谱忙碌,则转入步骤12;否则,转入步骤13。
步骤12、根据频谱感知间隔内频谱状态变为空闲的时隙个数的期望值fO(θ1),计算降低的吞吐量的期望值fT(θ1);再计算平均每个时隙的感知能量消耗fE(θ1);并根据计算出的fT(θ1)与fE(θ1)计算最优频谱感知间隔;其中,θ1为初始频谱感知间隔。
若当前频谱感知结果为频谱忙碌,则通过下述步骤计算最优频谱感知间隔:
首先,次级用户计算频谱感知间隔内频谱状态变为空闲的时隙个数的期望值fO(θ1),其中,θ1为对应的频谱感知间隔。
然后,根据计算出的fO(θ1)计算降低的吞吐量的期望值fT(θ1),其公式为:
最后,根据计算出的fT(θ1)与fE(θ1)计算最优频谱感知间隔;具体的:1)根据sigmoid函数(神经元的非线性作用函数)分别对计算出的fT(θ1)与fE(θ1)进行归一化处理获得对应的效用函数与
其中,与为预设的门限值,分别反应次级用户对能量和吞吐量的要求程度;当fT(θ1)与fE(θ1)逐步逼近对应的门限值时,效用函数与的曲线斜率的绝对值逐步增大,此时效用函数对横坐标取值的变化敏感,当fT(θ1)与fE(θ1)逐步远离对应的门限值时,曲线将逐渐平滑,效用函数对fT(θ1)与fE(θ1)的敏感度越来越小。
步骤13、根据频谱感知间隔内频谱状态变为忙碌的时隙个数的期望值gO(θ0),计算降低的吞吐量的期望值gT(θ0)以及授权用户遭受的干扰的期望值gI(θ0);再计算平均每个时隙的感知能量消耗gE(θ0);并根据计算出的gE(θ0)、gT(θ0)与gI(θ0)计算最优频谱感知间隔,其中,θ0为初始频谱感知间隔。
若当前频谱感知结果为频谱空闲,则通过下述步骤计算最优频谱感知间隔:
首先,次级用户计算频谱感知间隔内频谱状态变为空闲的时隙个数的期望值gO(θ0),其中,θ0为对应的频谱感知间隔。
然后,根据计算出的gO(θ0)计算降低的吞吐量的期望值gT(θ0)以及授权用户遭受的干扰的期望值gI(θ0),其公式为:
最后,根据计算出的gE(θ0)、gT(θ0)与gI(θ0)计算最优频谱感知间隔;具体的:1)根据sigmoid函数(神经元的非线性作用函数)分别对计算出的gE(θ0)、gT(θ0)与gI(θ0)进行归一化处理获得对应的效用函数与
3)求解目标函数,得到最优频谱感知间隔:
本发明实施例根据初始感知状态的不同,通过系统吞吐量、能量消耗以及对授权用户造成的干扰来计算最优频谱感知间隔,使次级用户能够根据最新感知结果动态的决定下一次进行频谱预测的时间,具有较高的灵活性;另一方面,与现有的频谱感知方法需要次级用户在每个时隙的开始进行感知不同,本发明的方法在一定数目的时隙间隔内进行频谱感知即可,这不仅能够降低由于频谱感知带来的能量消耗,还能够使系统获得较大的吞吐量。
实施例二
为了便于理解本发明,下面结合附图3-4分别对当前频谱感知结果为频谱忙碌与空闲做进一步说明。
示例1
若当前频谱感知结果为频谱忙碌,且该系统中一个时隙的长度为0.0794s,次级用户进行一次频谱感知所需的时间为0.0224s,所需的能量为10mJ;频谱带宽为W=10kHz,系统中路径损耗常数为κ=1,路径损耗指数为μ=3,高斯白噪声方差为N0=-87dBm,次级用户的发送功率为10mW,次级用户的发送端与接收端距离为50m,次级用户发送端与授权用户接收端的距离为150m。
则根据实施例一中步骤12的方法进行计算,具体步骤如下:
1)次级用户计算频谱感知间隔内频谱状态变为空闲的时隙个数的期望值fO(θ1),其中,θ1=0.0794s为初始频谱感知间隔。
2)根据计算出的fO(θ1)计算降低的吞吐量的期望值fT(θ1),其公式为:
可将上述算式改写为:
其中,εT=0.0794s-0.0224s=0.057s表示每个时隙内用于数据传输的时间,W=10kHz为频谱带宽;Pst=10mW为次级用户的发送功率;N0=-87dBm为高斯白噪声方差;为次级用户发送端到接收端的路径损耗,κ=1为路径损耗常数,μ=3为路径损耗指数,为次级用户的发送端与接收端间的距离。
本示例的最终计算结果如图3所示,图中以为节点连接的曲线表示目标函数fx,以“*”为节点连接的曲线表示以“○”为节点连接的曲线表示从图中可知,随着θ1的增加而增加,随着θ1的增加而减少。可见,随着感知间隔θ1的增加,次级用户用于频谱感知的能量消耗减少;然而由于次级用户认为频谱感知间隔内频谱状态不发生变化,即次级用户认为θ1时隙内频谱始终忙碌,次级用户在整个感知间隔内不进行数据传输,使得次级用户的吞吐量降低。利用本发明提出的频谱间隔决策方法,通过对次级用户能量消耗和吞吐量进行权衡,得到最佳频谱感知间隔为8时隙,即次级用户在8个时隙后再进行频谱感知。
示例2
在与示例1相同的网络模型中,若当前频谱感知结果为频谱忙碌,则根据实施例一中步骤13的方法进行计算,具体步骤如下:
1)次级用户计算频谱感知间隔内频谱状态变为空闲的时隙个数的期望值gO(θ0),其中,θ0=0.0794s为初始频谱感知间隔。
2)根据计算出的gO(θ0)计算降低的吞吐量的期望值gT(θ0),其公式为:
与示例1类似的,可将gT(θ0)的计算公式改写为:
其中,εs=0.0224s表示每个时隙内用于频谱感知的时间,θ0-gO(θ0)表示θ0时隙内空闲时隙个数的期望值;W=10kHz为频谱带宽;Pst=10mW为次级用户的发送功率;N0=-87dBm为高斯白噪声方差;为次级用户发送端到接收端的路径损耗,κ=1为路径损耗常数,μ=3为路径损耗指数,为次级用户的发送端与接收端间的距离。
并计算授权用户遭受的干扰的期望值gI(θ0),其公式为:
6)求解目标函数,得到最优频谱感知间隔:
本示例的最终计算结果如图4所示,图中以为节点连接的曲线表示目标函数gx,以“*”为节点连接的曲线表示以“○”为节点连接的曲线表示以“□”为节点连接的曲线表示从图中可知,随着θ0的增加而增加,随着θ0的增加而增加,随着θ0的增加而减少。可见,随着感知间隔θ0的增加,次级用户用于频谱感知的能量消耗减少,获得的吞吐量增加;然而由于次级用户认为频谱感知间隔内频谱状态不发生变化,即次级用户认为θ0时隙内频谱始终空闲,次级用户在整个感知间隔内始终进行数据传输,因此可能对感知间隔内发生的授权用户通信造成干扰。利用本发明提出的动态频谱间隔决策方法,通过对次级用户性能提高(减少感知能量消耗,提高吞吐量)和授权用户性能降低(遭受次级用户的干扰增加)两方面的权衡,得到最佳频谱感知间隔为4时隙,即次级用户在4个时隙后再进行频谱感知。
需要强调的是,为了便于计算最优频谱感知间隔时区分频谱忙碌与频谱空闲,上述实施例中将具有相同含义的术语用不同的表达式表示,比如,θ1与θ0均表示初始时隙间隔;又如,fE(θ1)与gE(θ0)均表示每个时隙的感知能量消耗等等。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例可以通过软件实现,也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解,上述实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (9)
1.一种认知无线电网络中频谱感知间隔的决策方法,其特征在于,该方法包括:
获取当前频谱感知结果;
若当前频谱感知结果为频谱忙碌,且对应的频谱感知间隔为θ1,则根据频谱感知间隔内频谱状态变为空闲的时隙个数的期望值fO(θ1),计算降低的吞吐量的期望值fT(θ1);再计算平均每个时隙的感知能量消耗fE(θ1);并根据计算出的fT(θ1)与fE(θ1)计算最优频谱感知间隔;
若当前频谱感知结果为频谱空闲,且对应的频谱感知间隔为θ0,则根据频谱感知间隔内频谱状态变为忙碌的时隙个数的期望值gO(θ0),计算降低的吞吐量的期望值gT(θ0)以及授权用户遭受的干扰的期望值gI(θ0);再计算平均每个时隙的感知能量消耗gE(θ0);并根据计算出的gE(θ0)、gT(θ0)与gI(θ0)计算最优频谱感知间隔。
2.根据权利要求1所述的方法,其特征在于,计算所述降低的吞吐量的期望值和授权用户遭受的干扰的期望值的公式包括:
当前频谱感知结果为频谱忙碌时,根据频谱感知间隔内频谱状态变为空闲的时隙个数的期望值fO(θ1),计算降低的吞吐量的期望值fT(θ1)的公式为:
当前频谱感知结果为频谱空闲时,根据频谱感知间隔内频谱状态变为空闲的时隙个数的期望值gO(θ0),计算降低的吞吐量的期望值gT(θ0)以及授权用户遭受的干扰的期望值gI(θ0)的公式为:
6.根据权利要求1-5任一项所述的方法,其特征在于,所述获取当前频谱感知结果之前还包括估计各个频谱状态持续时间的步骤,且该步骤包括:
建立频谱感知模型,根据所述频谱感知模型估计频谱状态参数;
根据估计到的所述频谱状态参数,估计各个频谱状态的持续时间。
7.根据权利要求6所述的方法,其特征在于,建立所述频谱感知模型的步骤包括:
将频谱感知过程建立为隐马尔科夫模型;
其中,以频谱的真实状态构成隐马尔科夫模型的隐状态,以X={x0,x1}表示隐马尔科夫模型的隐状态空间,其中,x0与x1分别表频谱状态为空闲和忙碌;
以频谱感知得到的感知结果构成隐马尔科夫模型的观察状态,以Y={y0,y1}表示隐马尔科夫模型的观察状态空间,其中,y0与y1分别表示频谱感知结果为空闲和忙碌。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310293813.XA CN103327504B (zh) | 2013-07-12 | 2013-07-12 | 一种认知无线电网络中频谱感知间隔的决策方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310293813.XA CN103327504B (zh) | 2013-07-12 | 2013-07-12 | 一种认知无线电网络中频谱感知间隔的决策方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103327504A true CN103327504A (zh) | 2013-09-25 |
CN103327504B CN103327504B (zh) | 2016-08-10 |
Family
ID=49195982
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310293813.XA Expired - Fee Related CN103327504B (zh) | 2013-07-12 | 2013-07-12 | 一种认知无线电网络中频谱感知间隔的决策方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103327504B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103929255A (zh) * | 2014-04-17 | 2014-07-16 | 电子科技大学 | 一种基于多信道的认知用户能效优化方法 |
CN104467995A (zh) * | 2014-10-24 | 2015-03-25 | 西安电子科技大学 | 基于隐马尔科夫模型的盲主用户检测与发送电平识别方法 |
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 |
CN111181669A (zh) * | 2020-01-03 | 2020-05-19 | 中国科学院上海高等研究院 | 基于预评估处理的自适应频谱感知方法、系统、介质及终端 |
CN112073136A (zh) * | 2020-08-25 | 2020-12-11 | 华南理工大学 | 基于非线性能量采集的双用户协作认知频谱共享方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102215076A (zh) * | 2011-06-09 | 2011-10-12 | 电信科学技术研究院 | 触发和进行频谱感知的方法、系统及设备 |
KR101078771B1 (ko) * | 2009-05-28 | 2011-11-02 | 울산대학교 산학협력단 | 신뢰도에 기초한 스펙트럼 센싱방법 및 이를 이용한 cr 시스템 |
CN102394712A (zh) * | 2011-11-09 | 2012-03-28 | 南京邮电大学 | 认知无线电系统中检测周期与检测时间的联合优化方法 |
-
2013
- 2013-07-12 CN CN201310293813.XA patent/CN103327504B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101078771B1 (ko) * | 2009-05-28 | 2011-11-02 | 울산대학교 산학협력단 | 신뢰도에 기초한 스펙트럼 센싱방법 및 이를 이용한 cr 시스템 |
CN102215076A (zh) * | 2011-06-09 | 2011-10-12 | 电信科学技术研究院 | 触发和进行频谱感知的方法、系统及设备 |
CN102394712A (zh) * | 2011-11-09 | 2012-03-28 | 南京邮电大学 | 认知无线电系统中检测周期与检测时间的联合优化方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN103929255A (zh) * | 2014-04-17 | 2014-07-16 | 电子科技大学 | 一种基于多信道的认知用户能效优化方法 |
CN104467995A (zh) * | 2014-10-24 | 2015-03-25 | 西安电子科技大学 | 基于隐马尔科夫模型的盲主用户检测与发送电平识别方法 |
CN104467995B (zh) * | 2014-10-24 | 2016-08-17 | 西安电子科技大学 | 基于隐马尔科夫模型的盲主用户检测与发送电平识别方法 |
CN111181669A (zh) * | 2020-01-03 | 2020-05-19 | 中国科学院上海高等研究院 | 基于预评估处理的自适应频谱感知方法、系统、介质及终端 |
CN111181669B (zh) * | 2020-01-03 | 2022-02-11 | 中国科学院上海高等研究院 | 基于预评估处理的自适应频谱感知方法、系统、介质及终端 |
CN112073136A (zh) * | 2020-08-25 | 2020-12-11 | 华南理工大学 | 基于非线性能量采集的双用户协作认知频谱共享方法 |
CN112073136B (zh) * | 2020-08-25 | 2021-10-26 | 华南理工大学 | 基于非线性能量采集的双用户协作认知频谱共享方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103327504B (zh) | 2016-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103327504A (zh) | 一种认知无线电网络中频谱感知间隔的决策方法 | |
Cohen et al. | A time-varying opportunistic approach to lifetime maximization of wireless sensor networks | |
CN110225525B (zh) | 一种基于认知无线电网络的频谱共享方法、装置及设备 | |
Montemanni et al. | The minimum power broadcast problem in wireless networks: a simulated annealing approach | |
CN110167176B (zh) | 一种基于分布式机器学习的无线网络资源分配方法 | |
CN101790251A (zh) | 基于改进粒子群优化算法的无线传感器节点联盟生成方法 | |
Song et al. | DLRDG: distributed linear regression-based hierarchical data gathering framework in wireless sensor network | |
Kang | Reinforcement learning based adaptive resource allocation for wireless powered communication systems | |
CN114698128A (zh) | 一种认知星地网络的抗干扰信道选择方法和系统 | |
Luo et al. | A nonlinear recursive model based optimal transmission scheduling in RF energy harvesting wireless communications | |
CN116187483A (zh) | 模型训练方法、装置、设备、介质和程序产品 | |
Larrousse et al. | Crawford-Sobel meet Lloyd-Max on the grid | |
CN101778465B (zh) | Cdma蜂窝系统中基于误差估计的比例功率控制方法 | |
Tang et al. | Nonconvex dynamic spectrum allocation for cognitive radio networks via particle swarm optimization and simulated annealing | |
CN111741520B (zh) | 一种基于粒子群的认知水声通信系统功率分配方法 | |
Oksanen et al. | A sensing policy based on confidence bounds and a restless multi-armed bandit model | |
Guo et al. | Reinforcement learning-enabled reliable wireless sensor networks in dynamic underground environments | |
Toorchi et al. | Fast and low-complexity reinforcement learning for delay-sensitive energy harvesting wireless visual sensing systems | |
Gao et al. | DRL-based optimization of privacy protection and computation performance in MEC computation offloading | |
CN103269514B (zh) | 基于频谱感知的次要用户功率分配方法及装置 | |
CN115729707A (zh) | 用于边缘计算系统的模型训练方法、装置、设备和计算机可读介质 | |
Tong et al. | Cooperative spectrum sensing based on a modified shuffled frog leaping algorithm in 5G network | |
Zhang et al. | Uplink power control via adaptive hidden-markov-model-based pathloss estimation | |
CN113747386A (zh) | 认知无线电网络频谱共享中的智能功率控制方法 | |
CN113705707A (zh) | 基站小区节电状态的确定方法、装置及电子设备 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160810 Termination date: 20190712 |