CN104270212B - 一种基于分组数据型序贯能量检测的信道频谱感知方法 - Google Patents
一种基于分组数据型序贯能量检测的信道频谱感知方法 Download PDFInfo
- Publication number
- CN104270212B CN104270212B CN201410573431.7A CN201410573431A CN104270212B CN 104270212 B CN104270212 B CN 104270212B CN 201410573431 A CN201410573431 A CN 201410573431A CN 104270212 B CN104270212 B CN 104270212B
- Authority
- CN
- China
- Prior art keywords
- channel
- sigma
- sensing
- detection
- time
- 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.)
- Expired - Fee Related
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 91
- 238000001228 spectrum Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000005070 sampling Methods 0.000 claims abstract description 30
- 230000000737 periodic effect Effects 0.000 claims abstract description 4
- 230000008447 perception Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 abstract description 16
- 238000004364 calculation method Methods 0.000 abstract description 11
- 230000000694 effects Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000001149 cognitive effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 241000838698 Togo Species 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供了一种基于分组数据型序贯能量检测的信道频谱感知方法,包括如下步骤:在信道检测时间内对信道按感知周期进行周期性采样,并对感知周期中感知时间内的感知信号进行分组,再将各个分组进行组合,得到超采样;计算超采样序列的对数似然比;根据序贯检测法,设定检测统计量的判决准则;对下一感知周期中感知时间内的感知信号重复执行上述步骤,直到在信道检测时间内获得信道的占用情况。该信道频谱感知方法增加了数据传输时长,提高了吞吐能力,简化了似然比计算过程,减轻了次用户的计算负担,减少了短期信道随机性的影响,提高了信道频谱感知效率,从而间接地提高了吞吐能力。
Description
技术领域
本发明涉及一种信道频谱感知方法,尤其是一种基于分组数据型序贯能量检测的信道频谱感知方法。
背景技术
认知无线电(CognitiveRadio,CR)是一种能够提高无线频谱资源利用率的智能通信技术。在确保不干扰主用户的情况下,次用户通过感知技术发现主用户的频谱空洞,选择最佳可用信道接入,提高频谱利用率。频谱感知技术是实现CR的基础和前提。简单易实现、无需任何先验知识的能量检测(EnergyDetection,ED)被广泛应用于频谱感知。但是认知网络通常在低信噪比下进行频谱检测,若能量检测器仍要达到良好检测性能则所需检测时间会急剧增大,不能满足“快”频谱检测需求,ED虽简单易行,但这种固定时间检测法无法根据接收信号而动态变化,采样点数多,检测时间长,降低了数据传输时长。为克服此缺点,将序贯检测(SequentialDetection,SD)引入频谱感知中,在相同检测性能条件下比ED减少了检测时长。在达到相同目标检测概率的条件下,SD比ED需要更少的检测时间。
将ED与SD相结合构成序贯能量检测(SequentialEnergyDetection,SED),SED在保证达到预设检测概率的前提下可进一步减小虚警概率。为达到相同检测概率,SED所需的采样点数小于ED。
CR系统通常应用于主用户频谱利用率很低的情况,即主用户不会频繁地变换活动状态,因此相邻采样点包含相似的主用户信息。在CR检测中,检测概率和虚警概率是衡量检测性能的两个重要参数。虚警概率越小,次用户可接入主用户频谱的机会越大,系统吞吐能力越强;但为达到更小虚警概率所需的频谱检测时间就越长,缩短了数据传输时间,从而降低了系统吞吐能力。吞吐量是衡量吞吐能力的重要参数,它是设计CR时需要考虑的重要因素之一。如何在频谱检测与系统吞吐能力之间进行折中,通过设置参数以最大化吞吐量是一个重要问题。
综上所述,在CR系统中要求主用户不要频繁地变换状态,而SD和SED逐点比较的似然判决方式没有充分考虑感知信息的时间相关性,计算量较大。
发明内容
本发明要解决的技术问题是现有的信道频谱检测与吞吐能力之间存在博弈,很难在保证检测性能的同时确保较大的吞吐量。
为了解决上述技术问题,本发明提供了一种基于分组数据型序贯能量检测的信道频谱感知方法,设定次用户接收的信号模型为 其中,H0和H1分别表示信道空闲和信道被主用户占用,为接收到主用户的复信号,为复高斯白噪声,s(t)与w(t)互相独立,为信号s(t)的方差,为白噪声w(t)的方差,信道增益为常数并忽略;
本信道频谱感知方法包括如下步骤:
步骤1,在信道检测时间Tcdt内对信道按感知周期Tsp进行周期性采样,并对感知周期Tsp中感知时间Tst内的感知信号进行分组,再将各个分组进行组合,得到超采样yk为:
式中,M为每组内的采样数,m为采样点序号,k为分组序号,x为采样信号;
步骤2,当k≥20时,由中心极限定理可知,在感知时间Tst内yk近似为高斯分布:
式中,N(·)表示为高斯分布,为采样的信噪比;
步骤3,根据式(2)计算超采样序列YK=[y1,…,yK]的对数似然比为:
步骤4,根据序贯检测法,设定检测统计量DK的判决准则为:
其中,和为两个门限值,Pd为检测概率,Pf为虚警概率,即当L(YK)≤A时,表明信道为空闲状态,次用户可占用信道传输数据,当L(YK)≥B时,表明信道被主用户占用,次用户不可占用信道传输数据,当A<L(YK)<B时,则进行步骤5;
步骤5,对下一感知周期Tsp中感知时间Tst内的感知信号重复执行步骤1-4,直到在信道检测时间Tcdt内获得信道的占用情况。
采用超采样能够去除时间冗余,增加了数据传输时长,有效提高了吞吐能力;采用在感知时间Tst内进行序贯检测,可大大简化采用SD和SED时的似然比计算过程,减轻了次用户的计算负担,减少了短期信道随机性的影响,提高了信道频谱感知效率,从而间接地提高了吞吐能力。
作为本发明的进一步限定方案,若主用户在上一信道检测时间Tcdt内未改变信道的占用状态,则还包括如下步骤:
步骤6,在下一信道检测时间Tcdt内对信道按感知周期Tsp进行周期性扩展采样,并对感知周期Tsp中感知时间Tst内的感知信号进行分组,再将各个分组进行组合,得到扩展超采样为:
步骤7,计算扩展超采样序列的对数似然比为:
步骤8,根据序贯检测法,设定扩展检测统计量的判决准则为:
即,当时,表明信道为空闲状态,次用户可占用信道传输数据,当时,表明信道被主用户占用,次用户不可占用信道传输数据,当时,则进行步骤9;
步骤9,对再下一感知周期Tsp中感知时间Tst内的感知信号重复执行步骤6-8,直到在信道检测时间Tcdt内获得信道的占用情况。
采用将分组数据型序贯能量检测和扩展分组数据型序贯能量检测相结合,构造混合型序贯能量检测法能够及时检测到主用户状态变化,在次用户首先基于分组数据型序贯能量检测进行细检测后,若主用户状态未发生变化,则再进行基于扩展分组数据型序贯能量检测的粗检测,从而可以进一步减少检测次数和增加数据传输时长,获得更高的吞吐量。
本发明的有益效果在于:(1)采用超采样能够去除时间冗余,增加了数据传输时长,有效提高了吞吐能力;(2)采用在感知时间Tst内进行序贯检测,可大大简化采用SD和SED时的似然比计算过程,减轻了次用户的计算负担,减少了短期信道随机性的影响,提高了信道频谱感知效率,从而间接地提高了吞吐能力。
附图说明
图1为现有的能量检测示意图;
图2为本发明的分组数据型序贯能量检测示意图;
图3为本发明的混合型序贯能量检测示意图;
图4为本发明的GDSED方法流程图;
图5为本发明的EGDSED方法流程图;
图6为P(H0)=0.8,P(H1)=0.2时平均样本容量ASN和信噪比SNR的关系曲线图;
图7为P(H0)=0.6,P(H1)=0.4时平均样本容量ASN和信噪比SNR的关系曲线图;
图8为检测概率Pd和信噪比SNR的关系曲线图;
图9为归一化吞吐量和虚警概率Pf关系曲线图;
图10为感知开销和虚警概率Pf关系曲线图;
图11为平均归一化吞吐量和虚警概率Pf关系曲线图;
图12为平均感知开销和虚警概率Pf关系曲线图;
图13为平均归一化吞吐量和SNR关系曲线图;
图14为平均感知开销和SNR关系曲线图。
具体实施方式
如图1所示,采用现有的基于能量检测(EnergyDetection,ED)时,次用户的可用信道取决于主用户信道使用情况,若将主用户活动建模成“ON-OFF”模型,则可用信道在主用户占用信道“ON”和不占用信道“OFF”两种状态间交替变换。为了实现动态频谱接入和保护主用户,次用户周期性地对主用户信号进行检测以确定频段内是否存在主用户。图1中感知周期(sensingperiod)Tsp包含感知时间(sensingtime)Tst和传输时间(transmissiontime)Ttt,并且信道检测时间(channeldetectiontime)Tcdt包含N个Tsp(Tsp≤Tcdt)。次用户在传输之前感知可用信道,便于次用户之间通信。当主用户为“ON”状态时,次用户需要避让并重新感知可用信道,直到检测到主用户为“OFF”状态再进行传输。频谱感知时间长可保证检测的可靠性,但会减少次用户数据传输时间进而影响频谱利用率。
主用户信号检测的主要挑战是以非常低的漏检概率实现噪声中微弱信号检测,主用户和次用户之间缺少必要的协商与交互,为了在未知主用户信号调制方式和信道信息的条件下,鲁棒地检测出主用户信号,ED将之看作二元假设检验问题:
式中,H0和H1分别表示信道空闲和被主用户占用,次用户接收信号为x(t),接收到主用户复信号为复高斯白噪声为s(t)与w(t)互相独立,设信道增益为常数并忽略。ED虽简单易行,但这种固定时间检测法无法根据接收信号而动态变化,采样点数多,检测时间长,降低了数据传输时长。
如图2和4所示,本发明的基于分组数据型序贯能量检测(GroupedDataSequentialEnergyDetection,GDSED)的信道频谱感知方法,包括如下步骤:
步骤1,在信道检测时间Tcdt内对信道按感知周期Tsp进行周期性采样,并对感知周期Tsp中感知时间Tst内的感知信号进行分组,再将各个分组进行组合,得到超采样yk为:
式中,M为每组内的采样数,m为采样点序号,k为分组序号,x为采样信号;
步骤2,当k≥20时,由中心极限定理可知,在感知时间Tst内yk近似为高斯分布:
式中,N(·)表示为高斯分布,为采样的信噪比;
步骤3,根据式(2)计算超采样序列YK=[y1,…,yK]的对数似然比为:
步骤4,根据序贯检测法,设定检测统计量DK的判决准则为:
其中,和为两个门限值,Pd为检测概率,Pf为虚警概率,即当L(YK)≤A时,表明信道为空闲状态,次用户可占用信道传输数据,当L(YK)≥B时,表明信道被主用户占用,次用户不可占用信道传输数据,当A<L(YK)<B时,则进行步骤5;
步骤5,对下一感知周期Tsp中感知时间Tst内的感知信号重复执行步骤1-4,直到在信道检测时间Tcdt内获得信道的占用情况。
采用超采样能够去除时间冗余,增加了数据传输时长,有效提高了吞吐能力,在感知时间Tst内进行序贯检测,可大大简化采用SD和SED时的似然比计算过程,减轻了次用户的计算负担,减少了短期信道随机性的影响,提高了信道频谱感知效率,从而间接地提高了吞吐能力。
如图3和5所示,本发明的基于分组数据型序贯能量检测(GroupedDataSequentialEnergyDetection,GDSED)的信道频谱感知方法,若主用户在上一信道检测时间Tcdt内未改变信道的占用状态,便可进一步采用扩展分组数据型序贯能量检测(ExtensionalGroupedDataSequentialEnergyDetection,EGDSED),即将GDSED和EGDSED相结合构造混合型序贯能量检测(MixedGroupedDataSequentialEnergyDetection,MGDSED),采用首先基于GDSED进行细检测,若主用户状态未发生变化,则再进行基于EGDSED的粗检测,以进一步减少检测次数和增加数据传输时长,获得更高系统吞吐量,于是本发明的感知方法还包括如下步骤:
步骤6,在下一信道检测时间Tcdt内对信道按感知周期Tsp进行周期性扩展采样,并对感知周期Tsp中感知时间Tst内的感知信号进行分组,再将各个分组进行组合,得到扩展超采样为:
步骤7,计算扩展超采样序列的对数似然比为:
步骤8,根据序贯检测法,设定扩展检测统计量的判决准则为:
即,当时,表明信道为空闲状态,次用户可占用信道传输数据,当时,表明信道被主用户占用,次用户不可占用信道传输数据,当时,则进行步骤9;
步骤9,对再下一感知周期Tsp中感知时间Tst内的感知信号重复执行步骤6-8,直到在信道检测时间Tcdt内获得信道的占用情况。
为了进一步说明本发明的效果,下面对本发明提出的GDSED方法和SD、SED进行1000次蒙特卡罗实验,并根据结果进行性能分析和比较。由IEEE802.22WRAN仿真模型,在低信噪比环境下,假设考察频带带宽是6MHz,采样频率fs=12MHz,Tsp=10ms,Tcdt=2s。
如图6-8所示,比较了不同SNR下SD、SED和GDSED的理论和实验检测性能。图6-8显示三种方法的实验值与理论值相一致。由图6和7可见:低信噪比SNR下,SED和GDSED的平均样本容量ASN远小于SD;高信噪比SNR下,GDSED形成超采样的样本个数M=150,即使平均检验统计容量ATSN较小时平均样本容量ASN也会较大,所以GDSED的ASN略大于SD、SED,但它求解似然比的计算量远小于SD、SED,例如图6和8中当信噪比γ=-2dB时,SD、SED和GDSED的ASN实验值和检测概率Pd分别为:42,19,150,0.9956,0.9408,0.9980,即GDSED进行一次似然比判别就以0.9980概率检测出主用户状态。图8显示GDSED的检测概率Pd随着SNR增加而不断改善,且在高SNR下优于SD、SED。由此可见,GDSED检测速度更快、计算复杂度更低。
如图9和10所示,CR技术的目的是提高频谱利用率,增强次用户数据吞吐能力,因此系统吞吐量是衡量其性能的重要指标之一。吞吐量分析分为两种情况:(1)主用户为“OFF”状态,次用户检测到主用户未占用信道;(2)主用户为“ON”状态,次用户检测到主用户未占用信道。设两种情况的概率分别为P0=P(H0)(1-Pf)和P1=P(H1)(1-Pd)。在Tsp内,次用户在H0和H1下吞吐量分别为比特/秒/赫兹(bits/(s·Hz)),其中,代表SE、SED和GDSED的感知时间,fs为采样频率,C0和C1分别为H0和H1下单位带宽上系统容量。
一般CR系统中C0和P(H0)是常数,于是将吞吐量THv(Pf)简化为归一化吞吐量,即当γ=-20dB,Pf=0.01~0.5时,图9给出了归一化吞吐量受虚警概率Pf影响的曲线图。当检测概率下限Plbd=0.9,0.95,0.99时,NTHGDSED(Pf)均为虚警概率Pf的凸函数,并且达到最大吞吐量的最佳分别为:0.09,0.16,0.34。牛顿迭代法搜索的最佳分别为:0.0912,0.1645,0.3393,此结果与图9相一致。由定义可知THv(Pf)是单位时间上归一化吞吐量,图9显示NTHEGDSED(Pf)远大于NTHGDSED(Pf),即EGDSED的单位时间吞吐能力远高于GDSED,提高了数据传输能力。EGDSED在检测概率下限Plbd=0.9,0.95,0.99下利用牛顿迭代法搜索的最佳分别为5.323×10-5,5.320×10-5,5.319×10-5,这说明较小的虚警概率Pf就可达到最大吞吐量,并且感知开销 远小于GDSED的 如图10所示。
如图11-12所示,SD、SED和MGDSED在两个Tcdt内的检测次数分别为2Nsp、2Nsp和Nsp+1,于是图11中给出了平均归一化吞吐量和平均感知开销随Pf变化的曲线图。当Pd=0.9,Pf=0.01~0.5时,图11中MGDSED的平均归一化吞吐量明显大于SD、SED,但其平均感知开销却小于SD、SED,如图12所示。若提高检测概率至Pd=0.95,三种方法的平均归一化吞吐量虽都相应降低,但MGDSED仍具有最大吞吐量和最低感知开销。以上说明MGDSED可用较低感知开销获得较高吞吐量。
图13和14所示,给出了Pd=0.9,0.95下SNR对三种方法检测性能的影响。MGDSED在低SNR时平均归一化吞吐量和平均感知开销都明显优于SD、SED。随着SNR增加,SD、SED检测所需采样个数相应减少,有利于提高图13中平均归一化吞吐量和降低图14中平均感知开销。可见MGDSED比SD、SED更适合应用于低SNR环境下的频谱感知,从而保障快速、有效地检测频谱和大吞吐量地传输数据。
Claims (2)
1.一种基于分组数据型序贯能量检测的信道频谱感知方法,设定次用户接收的信号模型为其中,H0和H1分别表示信道空闲和信道被主用户占用,
为接收到主用户的复信号,为复高斯白噪声,s(t)与w(t)互相独立,为信号s(t)的方差,为白噪声w(t)的方差,信道增益为常数并忽略;
其特征在于,本信道频谱感知方法包括如下步骤:
步骤1,在信道检测时间Tcdt内对信道按感知周期Tsp进行周期性采样,并对感知周期Tsp中感知时间Tst内的感知信号进行分组,再将各个分组进行组合,得到超采样yk为:
式中,M为每组内的采样数,m为采样点序号,k为分组序号,x为采样信号;
步骤2,当k≥20时,由中心极限定理可知,在感知时间Tst内yk近似为高斯分布:
式中,N(·)表示为高斯分布,为采样的信噪比;
步骤3,根据式(2)计算超采样序列YK=[y1,…,yK]的对数似然比为:
步骤4,根据序贯检测法,设定检测统计量DK的判决准则为:
其中,和为两个门限值,Pd为检测概率,Pf为虚警概率,即当L(YK)≤A时,表明信道为空闲状态,次用户可占用信道传输数据,当L(YK)≥B时,表明信道被主用户占用,次用户不可占用信道传输数据,当A<L(YK)<B时,则进行步骤5;
步骤5,对下一感知周期Tsp中感知时间Tst内的感知信号重复执行步骤1-4,直到在信道检测时间Tcdt内获得信道的占用情况。
2.根据权利要求1所述的基于分组数据型序贯能量检测的信道频谱感知方法,其特征在于,若主用户在上一信道检测时间Tcdt内未改变信道的占用状态,则还包括如下步骤:
步骤6,在下一信道检测时间Tcdt内对信道按感知周期Tsp进行周期性扩展采样,并对感知周期Tsp中感知时间Tst内的感知信号进行分组,再将各个分组进行组合,得到扩展超采样为:
其中,fs为采样频率;
步骤7,计算扩展超采样序列的对数似然比为:
步骤8,根据序贯检测法,设定扩展检测统计量的判决准则为:
即,当时,表明信道为空闲状态,次用户可占用信道传输数据,当时,表明信道被主用户占用,次用户不可占用信道传输数据,当时,则进行步骤9;
步骤9,对再下一感知周期Tsp中感知时间Tst内的感知信号重复执行步骤6~8,直到在信道检测时间Tcdt内获得信道的占用情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410573431.7A CN104270212B (zh) | 2014-10-23 | 2014-10-23 | 一种基于分组数据型序贯能量检测的信道频谱感知方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410573431.7A CN104270212B (zh) | 2014-10-23 | 2014-10-23 | 一种基于分组数据型序贯能量检测的信道频谱感知方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104270212A CN104270212A (zh) | 2015-01-07 |
CN104270212B true CN104270212B (zh) | 2016-05-25 |
Family
ID=52161710
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410573431.7A Expired - Fee Related CN104270212B (zh) | 2014-10-23 | 2014-10-23 | 一种基于分组数据型序贯能量检测的信道频谱感知方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104270212B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104767579A (zh) * | 2015-03-30 | 2015-07-08 | 西南科技大学 | 一种认知无线电频谱检测间隔的自适应调节方法 |
CN108089169A (zh) * | 2017-12-06 | 2018-05-29 | 上海无线电设备研究所 | 一种面向多目标场景探测的序贯检测方法 |
CN109600754B (zh) * | 2018-12-24 | 2021-09-10 | 南京工业大学 | 一种wcsn中基于时空相关性的序贯频谱感知方法 |
CN110138477B (zh) * | 2019-05-23 | 2021-08-24 | 武汉恒泰通技术有限公司 | 一种基于5g无线频谱感知方法 |
CN110913398B (zh) * | 2019-11-29 | 2020-07-31 | 北京邮电大学 | 一种无线通信系统的频谱识别方法及装置 |
CN111193564B (zh) * | 2019-12-25 | 2021-01-12 | 南京工业大学 | 抗御智能ssdf攻击的宽带加权协作频谱感知算法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102075263A (zh) * | 2010-12-21 | 2011-05-25 | 西安电子科技大学 | 基于分段能量处理的截尾型序贯检验方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101399564B (zh) * | 2008-10-27 | 2013-01-02 | 重庆邮电大学 | 一种感知无线电中空闲频谱的双次协作检测方法 |
CN101521896B (zh) * | 2009-04-17 | 2010-09-22 | 东南大学 | 认知无线电中的基于似然比的协同频谱感知方法 |
CN101789836B (zh) * | 2010-02-02 | 2013-03-06 | 浙江大学 | 一种节省网络通信开销的合作频谱感知方法 |
CN102006609B (zh) * | 2010-12-01 | 2013-10-09 | 东南大学 | 一种自适应序贯的协同频谱检测方法 |
-
2014
- 2014-10-23 CN CN201410573431.7A patent/CN104270212B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102075263A (zh) * | 2010-12-21 | 2011-05-25 | 西安电子科技大学 | 基于分段能量处理的截尾型序贯检验方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104270212A (zh) | 2015-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104270212B (zh) | 一种基于分组数据型序贯能量检测的信道频谱感知方法 | |
CN103338082A (zh) | 一种基于“k秩”准则的双门限协作频谱感知方法 | |
CN101404513B (zh) | 认知无线通信系统中基于推理的快速多信道联合检测方法 | |
CN107820255A (zh) | 一种改进的协方差绝对值协作频谱感知方法 | |
CN103841566B (zh) | 移动模型下存在恶意用户攻击的基于d‑s证据理论的协作频谱感知方法 | |
CN102271022B (zh) | 一种基于最大广义特征值的频谱感知方法 | |
CN101753232A (zh) | 协作频谱检测方法和系统 | |
CN110798270B (zh) | 一种基于功率方差比较的多频带频谱感知方法 | |
CN105634624B (zh) | 一种面向认知无线网络的频域协作频谱感知方法 | |
CN104243063A (zh) | 一种基于遗传算法的并行合作频谱感知的方法 | |
CN103780324A (zh) | 动态频谱接入方法 | |
CN103780323B (zh) | 一种基于信号聚合特性的认知无线电宽带频谱感知方法 | |
CN102412911B (zh) | 两极频谱检测方法 | |
Yao et al. | Mitigating cross-technology interference through fast signal identification | |
Paso et al. | Feasibility study of ieee 802.15. 4e dsme utilizing ir-uwb and s-aloha | |
Yang et al. | Energy-efficient design of spectrum prediction in cognitive radio networks: Prediction strategy and communication environment | |
CN102868654B (zh) | 一种认知网络中数字调制信号的分类方法 | |
CN102111228A (zh) | 一种基于循环对称性的认知无线电频谱感知方法 | |
Muta et al. | Throughput analysis for cooperative sensing in cognitive radio networks | |
CN101944934B (zh) | 一种基于载波间干扰消除的认知ofdma系统载波检测方法 | |
Zhao et al. | Cooperative Time-Frequency Localization for Wideband Spectrum Sensing With A Lightweight Detector | |
CN102324989B (zh) | 一种分簇式频谱感知方法 | |
CN103973380B (zh) | 一种解决用户随机到达的反馈叠加能量检测方法 | |
CN103781089A (zh) | 一种协同频谱感知中认知用户的选择方法 | |
CN103795478A (zh) | 一种基于典型关联分析的多主用户个数检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160525 Termination date: 20161023 |
|
CF01 | Termination of patent right due to non-payment of annual fee |