CN103580762A - 一种基于能量模式的无线信号类型识别方法 - Google Patents
一种基于能量模式的无线信号类型识别方法 Download PDFInfo
- Publication number
- CN103580762A CN103580762A CN201310574670.XA CN201310574670A CN103580762A CN 103580762 A CN103580762 A CN 103580762A CN 201310574670 A CN201310574670 A CN 201310574670A CN 103580762 A CN103580762 A CN 103580762A
- Authority
- CN
- China
- Prior art keywords
- wireless
- signal
- wireless signal
- rssi
- sensor network
- 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
本发明公开一种基于能量模式的无线信号类型识别方法,包括如下步骤:A、在无线信号暗室中,使用无线传感器网络节点的通信模块采集不同信号源的RSS序列,并将其保存。B、采集到所需数量的RSSI序列后,提取标记了信号源的RSSI序列的特征。C、根据提取的所述RSSI序列的特征选择分类方法训练分类器。D、使用训练好的所述分类器识别无线信号的类型。本发明利用不同无线信号调制方式的不同,会使得无线传感器网络节点采集的RSSI序列表现出不同的特征,在短时间内仅通过无线传感器网络节点采集到的信息完成无线信号类型的识别,并且达到了与现有的长时间识别方法相类似的准确度。
Description
技术领域
本发明涉及无线传感器网络技术领域,尤其涉及一种基于能量模式的无线信号类型识别方法。
背景技术
无线传感器网络是由大量传感器节点通过无线通信来实现对数据的采集、处理和传输的自组织网络,是无线Ad-hoc网络的一个重要研究方向,是现代信息技术一个新的发展领域。无线传感器网络集成了传感技术、无线通信技术、微机电系统技术和分布式信息处理技术,可以应用到军事、环境等领域,它把信息世界和物理世界联系在一起,将改变人与自然的交互方式。正因为如此,无线传感器网络越来越受到人们的关注。无线传感器网络的典型特征是近距离、低功耗、低成本、低传输速率,主要适用于自动控制以及远程控制领域,目的是满足小型廉价设备的无线联网和控制。而随着现代社会的发展,无线传感器网络大范围的应用到室内系统中,比如空调控制系统,智能家居等应用系统。由于无线传感器网络是遵守IEEE802.15.4协议规范,它必须运行在2.4GHz的频段上。2.4GHz是工作在ISM频段的一个频段。ISM频段是工业,科学和医用频段。一般来说世界各国均保留了一些无线频段,以用于工业,科学研究,和微波医疗方面的应用。应用这些频段无需许可证,只需要遵守一定的发射功率(一般低于1W),并且不要对其它频段造成干扰即可。ISM频段在各国的规定并不统一。而2.4GHz为各国共同的ISM频段。由于2.4GHz是一个免费的频段,所以很多设备应用于在这个频段。在室内环境中,常见的运行在2.4GHz的无线技术包括:(1)无线局域网络(WiFi),遵循IEEE802.11协议规范;(2)蓝牙技术(Bluetooth),遵循IEEE802.15.1协议规范;(3)ZigBee,遵循IEEE802.15.4协议规范;(4)微波炉,微波不是一种通信信号,但是微波炉产生的微波信号的频率却于2.4GHz频段产生了重叠,导致了干扰。
WiFi/802.11。无线局域网第一个版本发表于1997年,其中定义了介质访问接入控制层和物理层。物理层定义了工作在2.4GHz的ISM频段上的两种无线调频方式和一种红外传输的方式,总数据传输速率设计为2Mbit/s。两个设备之间的通信可以以自由直接(Ad-hoc)的方式进行,也可以在基站(BaseStation)或者访问点(Access Point)的协调下进行。1999年,加上了两个补充版本:802.11a定义了一个在5GHz ISM频段上的数据传输速率可达54Mbit/s的物理层,802.11b定义了一个在2.4GHz的ISM频段上但数据传输速率高达11Mbit/s的物理层。2.4GHz的ISM频段为世界上绝大多数国家通用,因此802.11b得到了广泛的应用。1999年工业界成立了WiFi联盟,致力解决符合802.11标准的产品的生产和设备兼容性问题。IEEE802.11是现今无线局域网通用的标准,它是由国际电机电子工程学会(IEEE)所定义的无线网络通信的标准。在802.11b的基础上,IEEE继续提出了802.11g和802.11n。IEEE802.11g在2003年7月被通过。其载波的频率为2.4GHz(跟802.11b相同),共14个频段,原始传送速度为54Mbit/s,净传输速度约为24.7Mbit/s(跟802.11a相同)。802.11g的设备向下与802.11b兼容。IEEE802.11n,是由IEEE在2004年1月组成的一个新的工作组在802.11-2007的基础上发展出来的标准,于2009年9月正式批准。该标准增加了对MIMO的支持,允许40MHz的无线频宽,最大传输速度理论值为600Mbit/s。现代的无线局域网里,通常运行的是支持802.11b/g/n协议规范的设备。蓝牙/802.15.1是一种无线个人局域网(Wireless PAN),最初由爱立信创制,后来由蓝牙技术联盟订定技术标准。它是研究在移动电话和其他配件间进行低功耗、低成本无线通信连接的方法。发明者希望为设备间的通讯创造一组统一规则(标准化协议),以解决用户间互不兼容的移动电子设备。1997年前爱立信公司此概念接触了移动设备制造商,讨论其项目合作发展,结果获得支持。当1.0规格推出以后,蓝牙并未立即受到广泛的应用,除了当时对应蓝牙功能的电子设备种类少,蓝牙装置也十分昂贵。2001年的1.1版正式列入IEEE标准,Bluetooth1.1即为IEEE802.15.1。同年,SIG成员公司超过2000家。过了几年之后,采用蓝牙技术的电子装置如雨后春笋般增加,售价也大幅回落。为了扩宽蓝牙的应用层面和传输速度,SIG先后推出了1.2、2.0版,以及其他附加新功能,例如EDR(Enhanced Data Rate)配合2.0的技术标准,将最大传输速度提高到3Mbps,A2DP(Advanced Audio Distribution Profile)一个控音轨分配技术,主要应用于立体声耳机),AVRCP(A/V Remote ControlProfile)等。Bluetooth2.0将传输率提升至2Mbps、3Mbps,远大于1.x版的1Mbps(实际约723.2kbps)。ZigBee是一种低速短距离传输的无线网络协议,底层是采用IEEE802.15.4标准规范的媒体访问层与实体层。主要特色有低速、低耗电、低成本、支持大量网络节点、支持多种网络拓扑、低复杂度、快速、可靠、安全。IEEE802.15.4协议是IEEE802.15.4工作组为低速率无线个人区域网(WPN:Wireless Personal Area Network)制定的标准,该工作组成立于2002年12月,致力于定义一种廉价的,固定、便携或移动设备使用的,低复杂度、低成本、低功耗、低速率的无线连接技术,并于2003年12月通过了第一个802.15.4标准。随着无线传感器网络技术的发展,无线传感器网络的标准也得到了快速的发展。802.15.4标准定义了在个人区域网中通过射频方式在设备间进行互连的方式与协议,该标准使用避免冲突的载波监听多址接入以方式作为媒体访问机制,同时支持星型与对等型拓扑结构。在802.15.4标准中指定了两个物理频段和的直接扩频串行物理层频段:868/915MHz和2.4GHz的直接串行扩频(DSSS)物理层频段。2.4GHz的物理层支持空气中250kb/s的速率,而868/915MHz的物理层支持空气中20kb/s和40kb/s的传输速率。由于数据包开销和处理延迟,实际的数据吞吐量会小于规定的比特率。作为支持低速率、低功耗、短距离无线通信的协议标准,802.15.4在无线电频率和数据率、数据传输模型、设备类型、网络工作方式、安全等方面都做出了说明。并且将协议模型划分为物理层和媒体接入控制层两个子层进行实现。微波炉是一种用微波加热食品的现代化烹调灶具。微波是一种电磁波。微波炉由电源,磁控管,控制电路和烹调腔等部分组成。虽然微波本身不是通信的信号,但是由于产生了电磁波,在室内环境中会对其他通信技术产生干扰。即使在微波炉上装有防护罩,其泄露出来的能量也是不容忽视的,会对室内狭小空间内的通信技术产生干扰。
正交频分复用技术(Orthogonal Frequency Division Multiplexing,OFDM)是IEEE802.11g/n规定的同学调制方法,也是现在室内环境WiFi最常使用的一直调制技术。实际上OFDM是多载波调制(Multi-Carrier Modulation,MCM)的一种。其主要思想是:将信道分成若干正交子信道,将高速数据信号转换成并行的低速子数据流,调制到在每个子信道上进行传输。正交信号可以通过在接收端采用相关技术来分开,这样可以减少子信道之间的相互干扰ICI。每个子信道上的信号带宽小于信道的相关带宽,因此每个子信道上的可以看成平坦性衰落,从而可以消除符号间干扰。而且由于每个子信道的带宽仅仅是原信道带宽的一小部分,信道均衡变得相对容易。802.11g/n使用了OFDM作为调制方式,运行在2.402GHz~2.482GHz频率。它将2.4GHz频段划分为13个信道,每个信道22MHz带宽,定义的中心频率请参见图1。一般认为信道1,6,11是干扰比较小的3个信道,大部分设备会优先选取这三个信道工作。直接序列扩频(direct-sequence spread spectrum,DSSS)简称直扩(DS),是一种调制技术。就是在发送端,直接用高码率的扩频码序列去扩展信号的频谱,在接收端,用相同的扩频码序列将信号解扩,把展宽的信号还原到原始状态。其名称中的“扩频”来自这样一个事实,即载波信号发生设备的发射频率充满了整个带宽(频谱)。DSSS由于采用全频带传送数据,速度较快,未来可开发出更高传输频率的潜力也较大。DSSS技术适用于固定环境中、或对传输品质要求较高的应用,因此,无线厂房、无线医院、网络社区、分校连网等应用,大都采用DSSS无线技术产品。无线传感器网络的规范IEEE802.15.4规定了DSSS作为ZigBee的调制方式。ZigBee将2.4GHz频段划分成16个信道,每个信道带宽5MHz。跳频扩频(Frequency-hopping spread spectrum,FHSS)是扩频技术的一种;经由载波快速在不同频率中切换,并在接收与发射端使用一种伪随机(PseudoRandom)的过程。。跳频技术是通过收发双方设备无线传输信号的载波频率按照预定算法或者规律进行离散变化的通信方式,也就是说,无线通信中使用的载波频率受伪随机变化码的控制而随机跳变。从通信技术的实现方式来说,“跳频技术”是一种用码序列进行多频频移键控的通信方式,也是一种码控载频跳变的通信系统。从时域上来看,跳频信号是一个多频率的频移键控信号;从频域上来看,跳频信号的频谱是一个在很宽频带上以不等间隔随机跳变的。其中:跳频控制器为核心部件,包括跳频图案产生、同步、自适应控制等功能;频合器在跳频控制器的控制下合成所需频率;数据终端包含对数据进行差错控制。与定频通信相比,跳频通信比较隐蔽也难以被截获。只要对方不清楚载频跳变的规律,就很难截获我方的通信内容。同时,跳频通信也具有良好的抗干扰能力,即使有部分频点被干扰,仍能在其他未被干扰的频点上进行正常的通信。由于跳频通信系统是瞬时窄带系统,它易于与其他的窄带通信系统兼容,也就是说,跳频电台可以与常规的窄带电台互通,有利于设备的更新。
蓝牙使用了FHSS技术,将2.4GHz频段分成了79个信道,每个信道有1MHz的带宽。蓝牙以每秒1600的跳频速度进行伪随机跳频。2.4GHz的ISM频段有如此多的技术,各种技术之间的干扰日益严重。无线传感器网络使用的ZigBee由于其发射功率小,更加容易受到其他干扰。现有一些方法和技术可以尽量避免其他技术对ZigBee的干扰,但是这些方法和技术都需要知道当前存在的干扰类型,才能更好的进行干扰避免。所以干扰的识别技术对于在室内部署的无线传感器网络来说,是非常重要的。但是,现有的干扰识别技术存在着比较明显的缺陷:(1)、判断时间过久,导致识别出的干扰类型不能代表现在存在的干扰类型,使干扰避免方法失效;(2)、依赖强大的硬件设备来解决缺陷(1),为了达到精确且实时的识别当前的干扰类型,有些方法使用了强大的或者定制的硬件设备来获取更多的信息。
发明内容
本发明的目的在于通过一种基于能量模式的无线信号类型识别方法,来解决以上背景技术部分提到的问题。
为达此目的,本发明采用以下技术方案:
一种基于能量模式的无线信号类型识别方法,其包括如下步骤:
A、在无线信号暗室中,使用无线传感器网络节点的通信模块采集不同信号源的接收信号能量强度(Received Signal Strength Indicator,RSSI)序列,并将其保存;
B、采集到所需数量的RSSI序列后,提取标记了信号源的RSSI序列的特征;
C、根据提取的所述RSSI序列的特征选择分类方法训练分类器;
D、使用训练好的所述分类器识别无线信号的类型。
特别地,所述步骤A具体包括:在无线信号暗室中,依次放入ZigBee节点、WiFi的无线网络接入点(Access Point,AP)和WiFi设备、支持蓝牙传输的智能手机和蓝牙耳机以及微波炉,使用无线传感器网络节点的通信模块采集ZigBee信号、WiFi信号、蓝牙信号以及微波炉产生的电磁波的RSSI序列,并将其保存。
特别地,所述步骤A中无线传感器网络节点修改了TinyOS底层通信模块的驱动程序和通信模块与微控制器间通信总线的时钟频率,以实现无线传感器节点快速采集高分辨率的RSSI序列。
特别地,所述步骤B中RSSI序列的特征包括传输时间(On-air Time)、最小包间隔时间(Minimum Packet Interval,MPI)、峰值-均值能量比(Peak toAverage Power Ratio,PAPR)、低于噪声信号(Under Noise Floor,UNF)。
特别地,所述步骤C中使用决策树作为分类器。
本发明提供的基于能量模式的无线信号类型识别方法利用不同无线信号调制方式的不同,会使得无线传感器网络节点采集的RSSI序列表现出不同的特征,在短时间内仅通过无线传感器网络节点采集到的信息完成无线信号类型的识别,并且达到了与现有的长时间识别方法相类似的准确度。
附图说明
图1为2.4GHz Wi-Fi信道与带宽分配示意图;
图2为本发明实施例提供的基于能量模式的无线信号类型识别方法流程图;
图3为本发明实施例提供的ZigBee信号的RSSI序列;
图4为本发明实施例提供的WiFi信号的RSSI序列;
图5为本发明实施例提供的蓝牙信号的RSSI序列;
图6为本发明实施例提供的微波炉产生的电磁波的RSSI序列;
图7为本发明实施例提供的决策树。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部内容。
请参照图2所示,图2为本发明实施例提供的基于能量模式的无线信号类型识别方法流程图。
本实施例中基于能量模式的无线信号类型识别方法具体包括如下步骤:
步骤S201、在无线信号暗室中,使用无线传感器网络节点的通信模块采集不同信号源的接收信号能量强度(Received Signal Strength Indicator,RSSI)序列,并将其保存。
在可控的环境中,依次放入不同的信号源:(1)无信号源;(2)ZigBee节点;(3)WiFi的无线网络接入点(Access Point,AP)和WiFi设备;(4)支持蓝牙传输的智能手机和蓝牙耳机;(5)微波炉。在不同的信号源存在的情况下,使用无线传感器网络节点的通信模块采集ZigBee信号、WiFi信号、蓝牙信号以及微波炉产生的电磁波的RSSI序列,并将其保存,供后续步骤使用。
因为有些序列的特征只有在高分辨率的RSSI序列下才能体现出来,所以快速采集高分辨率的RSSI序列对本发明的实现至关重要。这里高分辨率指时间粒度,即一次采样时间要非常的短。为了实现上述要求,所述无线传感器网络节点修改了TinyOS底层通信模块的驱动程序和通信模块与微控制器间通信总线的时钟频率,达到了快速的采集和缓存采样值,获取到了高分辨率的RSSI序列。于本实施例,无线传感器网络节点的操作系统选用TinyOS2.1.2,其中通信模块和微控制器通信总线由SPI总线实现,将SPI的时钟频率提高了4倍,并修改了相应的通信模块驱动,使得采样频率从默认的128微秒/采样点,提高到32微秒/采样点。其中,TinyOS是加州大学伯克利分校开发的开放源代码操作系统,专为嵌入式无线传感网络设计。SPI是Serial Peripheral interface的缩写,是高速同步串行口,一种标准的四线同步双向串行总线。
本实施例中采集到的不同的信号源的RSSI序列如图3-图6所示。注意这里提到的采集的RSSI序列都是由普通的无线传感器网络节点采集的。图3为本发明实施例提供的ZigBee信号的RSSI序列;图4为本发明实施例提供的WiFi信号的RSSI序列;图5为本发明实施例提供的蓝牙信号的RSSI序列;图6为本发明实施例提供的微波炉产生的电磁波的RSSI序列。
步骤S202、采集到所需数量的RSSI序列后,提取标记了信号源的RSSI序列的特征。本实施例提取了比较大的特征集合,逐一筛选,这里列出选定的可用于识别技术的几种特征并给出其可用于识别技术的原因。
一、传输时间(On-air Time)。不同的无线技术拥有不同的传输时间。根据其底层的标准规范,可以得知:ZigBee的传输时间为[608μs,4256μs];WiFi的传输时间根据802.11n的规范是[194μs,542μs];蓝牙的传输时间是366μs;微波炉的传输时间是由微波炉的工作模式决定的,[2ms,10ms]。不同技术的有效传输时间范围是由各自协议规范规定的传输速率和有效包的大小决定的。因此可以用于无线网络技术的识别。
二、最小包间隔时间(Minimum Packet Interval,MPI)。MPI的定义为两个连续的传输信号直接的最小间隔时间。ZigBee的MPI是由传输层的协议定义规范的,一般取决于ACK的往返时间,根据现在的系统实现,ZigBee的MPI是2.8ms。WiFi的包间隔时间是由802.11协议规范的,两个连续的数据包发送之间至少间隔DIFS(DCF Inter-Frame Space)时间。即WiFI的MPI是28μs。由于蓝牙使用的是伪随机跳频,在同一个频率上的两个连续的包的时间间隔是没有定值的,即蓝牙的MPI不存在。而微波炉的MPI就是微波炉周期性工作的关闭阶段的时间。即微波炉的MPI是10ms(在电源的频率是50Hz的情况下)。
三、峰值-均值能量比(Peak to Average Power Ratio,PAPR)。由于不同的物理层调制方式,不同的无线技术有不同的能量抖动。PAPR就是用于衡量能量的抖动程度的指标。计算方法为:峰值能量/平均能量。WiFi使用的调制技术是OFDM。如背景介绍中提到的,OFDM是一种多信道的调制方法,接收到的信号时各个正交的子信道的相加。因此,各个子信道上的波动也被相加了,导致OFDM比起单信道的传输,能量波动大很多。所以WiFi的PAPR一般≥1.9。而ZigBee使用的DSSS是单信道的调制模式,所以ZigBee的PAPR一般≤1.3。蓝牙使用的FHSS也是一个单信道的扩频的调制模式,因此其PAPR一般也是≤1.3。微波炉产生的微波是一种电磁波,根据测量,它的波动非常大,原因可能是是微波炉的周期性开关工作模式。微波炉的PAPR一般≥2.9。
四、低于噪声信号(Under Noise Floor,UNF)。这里定义UNF作为一个指示变量:如果RSSI序列存在RSSI值低于噪声10dBm,则UNF为真(TRUE);否则UNF为假(FALSE)。此指示变量是用于区分微波炉与其他无线技术。因为根据实验观察,本发明发现微波炉的工作时,总是以一个低于噪声信号很多的RSSI值起始,如图6,所以UNF可以指明信号是否是由微波炉产生的。除了微波炉的信号的UNF为TRUE,其他无线技术都不会导致这种现象,因此其他无线信号的UNF都是FALSE。
步骤S203、根据提取的所述RSSI序列的特征选择分类方法训练分类器。
经过对多种分类器作为分类方法的测试,本实施例中使用决策树作为分类器。决策树是一个预测模型;它代表的是对象属性与对象值之间的一种映射关系。树中每个节点表示某个对象,而每个分叉路径则代表的某个可能的属性值,而每个叶结点则对应从根节点到该叶节点所经历的路径所表示的对象的值。决策树仅有单一输出,若欲有复数输出,可以建立独立的决策树以处理不同输出。数据挖掘中决策树是一种经常要用到的技术,可以用于分析数据,同样也可以用于做预测。本实施例中使用步骤S201中采集到的9万条RSSI序列作为训练数据,训练决策树。经过训练,生成的决策树如图7所示。
步骤S204、使用训练好的所述分类器识别无线信号的类型。
当进行识别时,将待识别的RSSI序列输入到决策树,根据决策树的判断条件进行判断并转入到相应的分支,当到达叶子节点时,即可得到相应的无线信号类型。如果落入了“Unknown”,则属于本发明无法判断的输入,该部分可能是由于失真的RSSI采样导致。实际上,训练数据中并没有该部分的数据,Unknown的存在只是为了保证决策树的完整性。本实施例中使用9万条训练数据进行了交叉验证,对决策树的准确性进行了评估,评估结果见下表。
类型 | 真阳性 | 假阳性 | 精度 |
ZigBee | 0.978 | 0 | 0.999 |
蓝牙 | 0.713 | 0.022 | 0.744 |
微波炉 | 0.7 | 0.006 | 0.885 |
WiFi | 0.982 | 0.105 | 0.953 |
真阳性代表本来是正样例,分类成正样例。假阳性表示本来是负样例,分类成正样例,通常叫误报。可以看到针对各种无线信号类型,本发明的方法准确性都在70%以上,且对于ZigBee和WiFi的判断,本发明尤其有效。
本发明的技术方案利用不同无线信号调制方式的不同,会使得无线传感器网络节点采集的RSSI序列表现出不同的特征,在短时间内仅通过无线传感器网络节点采集到的信息完成无线信号类型的识别,并且达到了与现有的长时间识别方法相类似的准确度。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (5)
1.一种基于能量模式的无线信号类型识别方法,其特征在于,具体包括如下步骤:
A、在无线信号暗室中,使用无线传感器网络节点的通信模块采集不同信号源的接收信号能量强度(Received Signal Strength Indicator,RSSI)序列,并将其保存;
B、采集到所需数量的RSSI序列后,提取标记了信号源的RSSI序列的特征;
C、根据提取的所述RSSI序列的特征选择分类方法训练分类器;
D、使用训练好的所述分类器识别无线信号的类型。
2.根据权利要求1所述的基于能量模式的无线信号类型识别方法,其特征在于,所述步骤A具体包括:在无线信号暗室中,依次放入ZigBee节点、WiFi的无线网络接入点(Access Point,AP)和WiFi设备、支持蓝牙传输的智能手机和蓝牙耳机以及微波炉,使用无线传感器网络节点的通信模块采集ZigBee信号、WiFi信号、蓝牙信号以及微波炉产生的电磁波的RSSI序列,并将其保存。
3.根据权利要求1所述的基于能量模式的无线信号类型识别方法,其特征在于,所述步骤A中无线传感器网络节点修改了TinyOS底层通信模块的驱动程序和通信模块与微控制器间通信总线的时钟频率,以实现无线传感器节点快速采集高分辨率的RSSI序列。
4.根据权利要求1所述的基于能量模式的无线信号类型识别方法,其特征在于,所述步骤B中RSSI序列的特征包括传输时间(On-air Time)、最小包间隔时间(Minimum Packet Interval,MPI)、峰值-均值能量比(Peak to AveragePower Ratio,PAPR)、低于噪声信号(Under Noise Floor,UNF)。
5.根据权利要求1至4之一所述的基于能量模式的无线信号类型识别方法,其特征在于,所述步骤C中使用决策树作为分类器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310574670.XA CN103580762A (zh) | 2013-11-15 | 2013-11-15 | 一种基于能量模式的无线信号类型识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310574670.XA CN103580762A (zh) | 2013-11-15 | 2013-11-15 | 一种基于能量模式的无线信号类型识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103580762A true CN103580762A (zh) | 2014-02-12 |
Family
ID=50051796
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310574670.XA Pending CN103580762A (zh) | 2013-11-15 | 2013-11-15 | 一种基于能量模式的无线信号类型识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103580762A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104158611A (zh) * | 2014-08-20 | 2014-11-19 | 西安电子科技大学 | 基于频谱分析的无线信号干扰检测系统及方法 |
CN105516443A (zh) * | 2014-09-25 | 2016-04-20 | 中兴通讯股份有限公司 | 一种终端及终端多重防护方法 |
CN106211084A (zh) * | 2016-09-07 | 2016-12-07 | 中国人民解放军国防科学技术大学 | 基于gsm信号的环境感知方法 |
CN108152622A (zh) * | 2017-12-18 | 2018-06-12 | 中国北方车辆研究所 | 用于吸波暗室内车载通信系统受扰程度量化评估方法 |
CN108847901A (zh) * | 2018-07-20 | 2018-11-20 | 上海海洋大学 | 基于误包率的无线同频信号类别检测装置、方法及系统 |
CN111149309A (zh) * | 2017-09-27 | 2020-05-12 | 三星电子株式会社 | 考虑树的通信环境分析和网络设计方法及设备 |
CN114877498A (zh) * | 2022-05-11 | 2022-08-09 | 四川虹美智能科技有限公司 | 一种基于ble定向天线的智能空调及其控制方法 |
US11467148B2 (en) | 2017-09-27 | 2022-10-11 | Samsung Electronics Co., Ltd. | Method and apparatus for analyzing communication environments and designing networks in consideration of trees |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102026256A (zh) * | 2010-12-28 | 2011-04-20 | 中兴通讯股份有限公司 | 一种监测异常干扰信号的方法及装置 |
-
2013
- 2013-11-15 CN CN201310574670.XA patent/CN103580762A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102026256A (zh) * | 2010-12-28 | 2011-04-20 | 中兴通讯股份有限公司 | 一种监测异常干扰信号的方法及装置 |
Non-Patent Citations (4)
Title |
---|
ZACHARIAS S.: "2.4GHz IEEE 802.15.4 channel interfere classification algorithm running live on a sensor node", 《SENSOR,2012 IEEE》 * |
范伟: "雷达有源干扰信号特征分析与识别算法研究", 《电子科技大学》 * |
赵泽: "无线传感器网络干扰分类识别机制的研究", 《通信学报》 * |
邹武平: "干扰检测与识别技术研究与实现", 《电子科技大学》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104158611A (zh) * | 2014-08-20 | 2014-11-19 | 西安电子科技大学 | 基于频谱分析的无线信号干扰检测系统及方法 |
CN105516443A (zh) * | 2014-09-25 | 2016-04-20 | 中兴通讯股份有限公司 | 一种终端及终端多重防护方法 |
CN106211084A (zh) * | 2016-09-07 | 2016-12-07 | 中国人民解放军国防科学技术大学 | 基于gsm信号的环境感知方法 |
CN106211084B (zh) * | 2016-09-07 | 2019-07-12 | 中国人民解放军国防科学技术大学 | 基于gsm信号的环境感知方法 |
CN111149309A (zh) * | 2017-09-27 | 2020-05-12 | 三星电子株式会社 | 考虑树的通信环境分析和网络设计方法及设备 |
US11467148B2 (en) | 2017-09-27 | 2022-10-11 | Samsung Electronics Co., Ltd. | Method and apparatus for analyzing communication environments and designing networks in consideration of trees |
CN108152622A (zh) * | 2017-12-18 | 2018-06-12 | 中国北方车辆研究所 | 用于吸波暗室内车载通信系统受扰程度量化评估方法 |
CN108152622B (zh) * | 2017-12-18 | 2020-06-02 | 中国北方车辆研究所 | 用于吸波暗室内车载通信系统受扰程度量化评估方法 |
CN108847901A (zh) * | 2018-07-20 | 2018-11-20 | 上海海洋大学 | 基于误包率的无线同频信号类别检测装置、方法及系统 |
CN108847901B (zh) * | 2018-07-20 | 2021-08-31 | 上海海洋大学 | 基于误包率的无线同频信号类别检测装置、方法及系统 |
CN114877498A (zh) * | 2022-05-11 | 2022-08-09 | 四川虹美智能科技有限公司 | 一种基于ble定向天线的智能空调及其控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103580762A (zh) | 一种基于能量模式的无线信号类型识别方法 | |
Cordeiro et al. | Spectrum agile radios: utilization and sensing architectures | |
Sikora et al. | Coexistence of IEEE802. 15.4 with other Systems in the 2.4 GHz-ISM-Band | |
Hu et al. | SCLoRa: Leveraging multi-dimensionality in decoding collided LoRa transmissions | |
Miluzzo et al. | Radio characterization of 802.15. 4 and its impact on the design of mobile sensor networks | |
Shi et al. | Signal interference in WiFi and ZigBee networks | |
EP3494407A1 (en) | Detecting signal modulation for motion detection | |
US20040199686A1 (en) | Providing link quality intelligence from physical layer to higher protocol layers | |
Amrutha et al. | Spectrum sensing methodologies in cognitive radio networks: A survey | |
Jin et al. | Smoggy-link: Fingerprinting interference for predictable wireless concurrency | |
Lei et al. | Sensing OFDM systems under frequency-selective fading channels | |
Li et al. | Coexist WiFi for ZigBee networks with fine-grained frequency approach | |
Chen et al. | Coexistence and interference mitigation for WPANs and WLANs from traditional approaches to deep learning: A review | |
Lavric et al. | Packet error rate analysis of IEEE 802.15. 4 under 802.11 g and bluetooth interferences | |
Du et al. | Adaptive channel hopping for wireless sensor networks | |
Höyhtyä et al. | Spectrum awareness: techniques and challenges for active spectrum sensing | |
Li et al. | Demodulation-free protocol identification in heterogeneous wireless networks | |
US20090129453A1 (en) | Method for identifying noise sources for automation devices, and noise source identification unit therefore | |
Gandetto et al. | A distributed approach to mode identification and spectrum monitoring for cognitive radios | |
Anupriya et al. | Integrating ZigBee and Sub GHz devices for long range networks | |
Mahalin et al. | RSSI measurements for enabling IEEE 802.15. 4 coexistence with IEEE 802.11 b/g | |
Hou et al. | HEIR: Heterogeneous interference recognition for wireless sensor networks | |
Ahmad et al. | Exploitation of multiple hyperspace dimensions to realize coexistence optimized wireless automation systems | |
Jankuloska et al. | Efficient spectrum utilization: A cognitive approach | |
Sahin et al. | A narrowband interference identification approach for UWB systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140212 |