CN104270234B - 一种基于欠奈奎斯特采样的宽带信号检测识别方法 - Google Patents
一种基于欠奈奎斯特采样的宽带信号检测识别方法 Download PDFInfo
- Publication number
- CN104270234B CN104270234B CN201410466563.XA CN201410466563A CN104270234B CN 104270234 B CN104270234 B CN 104270234B CN 201410466563 A CN201410466563 A CN 201410466563A CN 104270234 B CN104270234 B CN 104270234B
- Authority
- CN
- China
- Prior art keywords
- spectrum
- matrix
- signal
- sampling
- user
- 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.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
- H04L25/03006—Arrangements for removing intersymbol interference
- H04L25/03178—Arrangements involving sequence estimation techniques
- H04L25/03184—Details concerning the metric
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
- H04L25/03828—Arrangements for spectral shaping; Arrangements for providing signals with specified spectral properties
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
Abstract
本发明涉及一种基于欠奈奎斯特采样的通信信号检测与识别方法,流程如下:模拟前端的欠奈奎斯特采样数据作为信号重构模块的输入,信号重构以SOMP算法为基础,在每次迭代计算中产生一个能量观测值用于频谱检测,同时恢复的频域信号用于循环谱估计。频谱检测采用一个恒虚警检测器实现宽带频谱二元判决,多用户识别模块利用用户带宽约束消除由恒虚警检测器产生的毛刺。循环谱估计模块利用恢复的信号和多用户识别的结果对每个用户的循环谱进行估计,最后根据各种数字通信信号的循环谱特征实现各用户信号的调制格式识别,符号速率估计和载波估计。本发明能够同时实现宽频谱检测和数字通信信号识别。
Description
技术领域
本发明涉及通信技术领域,特别是涉及一种基于欠奈奎斯特采样的宽带信号检测识别方法。
背景技术
随着各种无线通信业务的发展,频谱资源日趋匮乏,但是现有的无线通信系统均采用固定信道分配的策略,使得频谱利用率低下。为了提高频谱利用率,认知无线电技术通过频谱感知的结果进行无线随机接入,其关键技术之一便是频谱检测,在很大的频带范围内识别出没有利用的频段。另一方面,在电磁环境的监测中,也需要对各用户信号进行调制格式识别,符号速率估计和载波估计。
为了快速的一次检测出多个分布在宽带范围内的所有用户及其占用的频带,模拟前端采样后的数字信号需要能够保留原始信息,根据奈奎斯特采样定律,模拟/数字转换器的采样频率至少是最大频率的2倍,在实际应用中采样频率会达到最大频率的5倍以上,对于检测频谱宽度上GHz的系统,普通的器件无能为力,同时过高的采样频率会导致较高的功耗。由于现有无线通信系统均采用固定信道分配策略,在实际环境中,分配到频谱使用权的授权用户只在一部分时间工作,这使得整个宽带的信号具有很大的频域稀疏性。
发明内容
本发明所要解决的技术问题是提供一种基于欠奈奎斯特采样的宽带信号检测识别方法,能够同时实现宽频谱检测和数字通信信号识别。
本发明解决其技术问题所采用的技术方案是:提供一种基于欠奈奎斯特采样的宽带信号检测识别方法,包括以下步骤:
(1)模拟前端采用基于调制宽带转换器的欠奈奎斯特采样,得到采样矩阵;
(2)根据SOMP恢复算法得到信号的频域矩阵,在SOMP恢复算法迭代过程中获取能量观测向量,其中,能量观测向量用于频谱检测,频域矩阵用于循环谱估计;
(3)利用恒虚警检测器对能量观测向量进行二元判决,能量观测向量的能量观测值大于等于门限值判定为有信号,小于门限值判定为噪声;在高分辨频谱识别中,利用每个用户的频谱宽度和每个用户之间的频谱间隔设立带宽约束,利用带宽约束消除恒虚警检测器产生的毛刺,实现多用户检测;
(4)根据多用户检测和信号的频域矩阵,利用FAM时域平滑算法估计每一个用户的循环谱;
(5)对每个用户循环谱的估计结果,搜索出其中的峰值的位置,根据每一种数字通信信号对应的循环谱特征,估计出每个用户的符号速率和载波以及其采用的调制格式。
所述步骤(1)中得到的采样矩阵:Y[n]=AX[n],其中A为压缩采样矩阵,其元素随机从{1,-1}中选取;X为原始输入信号的奈奎斯特离散采样矩阵。
所述步骤(2)中的SOMP恢复算法迭代过程如下:
(21)计算出最大原子同时计算能量观测值
(22)更新支撑集
(23)求取恢复矩阵Xi=argminX||Y-XSi||;
(24)计算残差Ri=Y-XiSi;
其中,矩阵Φ=AF-1,F-1为IDFT矩阵,则Y[n]=ΦX[f],X[f]为恢复信号的频域矩阵;Ri为每次迭代产生的残差,初始为Y;支撑集的初始值为空集。
所述步骤(3)中的门限值设定为其中Q-1为标准反累计分布函数,PFA为系统设定的虚警概率。
所述步骤(4)中FAM时域平滑算法包括以下步骤:
(41)将频域矩阵中的列两两向量点成,生成大小为N×L2的频域相关矩阵,对频域相关矩阵做N点DFT变换生成矩阵D;
(42)对矩阵D中的元素位置与循环谱位置做对应,经过元素位置调换后得到估计的二维循环谱。
有益效果
由于采用了上述的技术方案,本发明与现有技术相比,具有以下的优点和积极效果:
本发明具有采样速率低,计算复杂度低和应用灵活等优点,能在低信噪比环境下进行频谱检测,同时具有数字通信信号识别能力,本发明具有较强的实用性。通过引入能量观 测值d的计算,表征了原始信号利用周期图法计算的功率谱,每次迭代计算出一个能量观测值di,比利用最后恢复的信号矩阵X[f]计算的功率谱更加可靠,尤其是在低信噪比情况下。
本发明根据SOMP算法的输出直接得到恢复信号的频域矩阵X[f],避免了基于FAM循环特征检测中需要对信号进行傅里叶变换的步骤。本发明还可根据每个用户的频谱宽度和每个用户之间的频谱间隔设立带宽约束,消除了由恒虚警检测器产生的虚报,使得检测结果可靠性大大增强。
本发明将宽带循环谱估计转换为对单个用户的循环谱估计,由于信号实际占用的频带较少,这大大降低了系统的计算复杂度。由于对整个宽带循环谱估计过程中会导致虚循环特征,容易导致识别错误,本发明将宽带循环谱的估计转换为对单个用户的循环谱估计,避免了复杂的信号分离,同时避免了小信号在峰值搜索时由于大信号的存在而被漏检。
本发明可以根据实际场景灵活使用,可以只采用部分步骤实现对宽带无线信号的频谱检测和多用户识别,也可以通过所有步骤同时实现对各用户信号的调制格式识别,符号速率估计和载波估计。
附图说明
图1是本发明的流程图;
图2是本发明中调制宽带转换器(MWC)采样结构图;
图3是本发明中宽带检测流程及其效果图,实例中原始信号包含3个占用不同频带的BPSK调制信号;
图4是不同方法获得的能量观测值比较。(a)基于SOMP算法恢复原始信号的频域矩阵,利用周期图法计算能量观测向量;(b)本发明中基于SOMP算法迭代过程中计算的能量观测向量;
图5是多用户循环谱估计效果图。(a)基于奈奎斯特采样估计的循环谱;(b)基于欠奈奎斯特采样估计的循环谱,不利用多用户检测;(c-d)基于欠奈奎斯特采样估计的循环谱,利用多用户检测分别估计两个用户的循环谱;
图6是基于欠奈奎斯特采样的多用户循环谱调制识别效果图。原始信号包含3个占用不同频带的BPSK信号,ρ为压缩采样率,即实际采样频率与奈奎斯特采样频率的比值。
具体实施方式
下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的实施方式涉及一种基于欠奈奎斯特采样的通信信号检测与识别方法,本方法面向宽带稀疏信号。本发明方法流程如下:模拟前端的欠奈奎斯特采样数据作为信号重构模块的输入,信号重构以SOMP算法为基础,在每次迭代计算中产生一个能量观测值用于频谱检测,同时恢复的频域信号用于循环谱估计。频谱检测采用一个恒虚警检测器实现宽带频谱二元判决,多用户识别模块利用用户带宽约束消除由恒虚警检测器产生的毛刺。循环谱估计模块利用恢复的信号和多用户识别的结果对每个用户的循环谱进行估计,本发明采用复杂度较低的FAM时域平滑循环谱估计算法。最后根据各种数字通信信号的循环谱特征实现各用户信号的调制格式识别,符号速率估计和载波估计。
本宽带频谱检测与识别方法具体实施步骤如图1所示,具体如下:
步骤1:拟前端采用基于调制宽带转换器(MWC)的欠奈奎斯特采样,得到采样矩阵Y[n]=AX[n],其中A为压缩采样矩阵,其元素随机从{1,-1}中选取,其矩阵大小为M×N(M<N)。X为原始输入信号的奈奎斯特离散采样,并将其分段组成矩阵,其大小为N×L。Y为压缩采样的信号输出矩阵,其大小为M×L。取矩阵Φ=AF-1,F-1为IDFT矩阵,则Y[n]=ΦX[f],X[f]为恢复信号的频域矩阵,其采样结构如图2所示。
步骤2:根据SOMP恢复算法得到信号的频域矩阵X[f],在SOMP恢复算法迭代过程中获取能量观测向量:初始化能量观测向量d=01×N为零向量。每次迭代计算出最大原子的同时计算能量观测值其结果如图3(b)所示。基于调制宽带转换器技术的SOMP恢复算法,其第i次迭代如下:
步骤2.1:Ri为每次迭代产生的残差,初始为Y,计算出最大原子
步骤2.2:更新支撑集初始化S0为空集。
步骤2.3:求取恢复矩阵Xi=argminX||Y-XSi||。
步骤2.4:计算残差Ri=Y-XiSi。
迭代输出结果为信号的频域矩阵X[f]=X。
本方法利用了迭代过程中计算的能量观测向量,而不是根据最后频域矩阵X[f]获取,大大提高了在低信噪比下的能量观测向量的可靠性,如图4所示,图4(a)为利用恢复的频域矩阵X[f]获取的能量观测向量,由于SOMP恢复算法需要较高的信噪比条件,在噪声环境中其误差较大,图4(b)为迭代过程中计算的能量观测向量。
步骤3:利用恒虚警检测器对观测向量d进行二元判决,大于等于门限值判定为有信号,小于门限值判定为噪声,此判决方法类似于基于周期图的能量检测法。能量观测值di的判决门限设定为其中Q-1为标准反累计分布函数,PFA为系统设定的虚警概率,判决结果如图3所示。
步骤4:对于高分辨率或者宽带用户,其占用频带宽度大于等于ΔB1,两用户间的频带间隔大于等于ΔB2。利用此带宽约束实现多用户检测,以消除恒虚警检测器产生的毛刺,结果如图3所示。
步骤5:根据多用户检测的结果,从矩阵X[f]中取出每一个用户的频域数据矩阵,利用FAM算法对每个用户的循环谱进行估计。时域平滑的FAM循环谱估计算法如下:
步骤5.1:首先计算信号频域矩阵X[f],本发明中直接取SOMP算法的输出结果。
步骤5.2:将矩阵X[f]中的列两两向量点成,生成大小为N×L2的频域相关矩阵C,对C做N点DFT变换生成矩阵D。
步骤5.3:对D中的元素位置与循环谱位置做对应,经过元素位置调换后得到估计的二维循环谱。
由于X[f]中非零行较少,逐一对每个用户进行循环谱估计,而不是对整个宽带信号的循环谱进行估计,这大大降低了计算复杂度。图5(a)为基于奈奎斯特采样估计的循环谱,图5(b)为欠奈奎斯特采样后对整个宽带信号估计的循环谱。图5(c-d)是基于欠奈奎斯特采 样估计的循环谱,其先利用了多用户检测后,分别估计两个用户的循环谱。由图5(a-b)所示,对整个宽带循环谱估计过程中会导致虚循环特征,容易导致识别错误,多用户检测将宽带循环谱的估计转换为对单个用户的循环谱估计,避免了复杂的信号分离。同时避免了小信号在峰值搜索时由于大信号的存在而被漏检,如图5(d)的小信号在图5(a-b)中并不明显。
步骤6:估计出每个用户信号的循环谱后,利用各种数字通信信号的循环谱特征进行调制格式识别,符号速率估计和载波估计。例如图6显示了在不同欠采样频率下对三个占用不同频带的BPSK信号进行识别概率,BPSK在循环谱(fc,1/Tb),(0,2fc),(0,2fc±1/Tb)处会有明显的单峰,其中fc为载波频率,Tb为符号周期,1/Tb为符号速率。ρ为压缩采样率,即实际采样频率与奈奎斯特采样频率的比值。
由以上具体实施步骤中可以看出本发明方法,在模拟前端采样欠奈奎斯特采样可以降低系统采样速率和减小功耗,在低信噪比环境下进行频谱检测性能比基于信号恢复的方法更加可靠,采用多用户检测后循环谱估计的计算复杂度大大降低,同时各用户信号分离避免了虚检和小信号漏检,同时可以根据要求只进行宽带频谱检测,具有应用灵活的优点,因此本发明具有较强的实用性。
Claims (5)
1.一种基于欠奈奎斯特采样的宽带信号检测识别方法,其特征在于,包括以下步骤:
(1)模拟前端采用基于调制宽带转换器的欠奈奎斯特采样,得到采样矩阵;
(2)根据SOMP恢复算法得到信号的频域矩阵,在SOMP恢复算法迭代过程中获取能量观测向量,其中,能量观测向量用于频谱检测,频域矩阵用于循环谱估计;
(3)利用恒虚警检测器对能量观测向量进行二元判决,能量观测向量的能量观测值大于等于门限值判定为有信号,小于门限值判定为噪声;在高分辨频谱识别中,利用每个用户的频谱宽度和每个用户之间的频谱间隔设立带宽约束,利用带宽约束消除恒虚警检测器产生的毛刺,实现多用户检测;
(4)根据多用户检测结果和信号的频域矩阵,利用FAM时域平滑算法估计每一个用户的循环谱;
(5)对每个用户循环谱的估计结果,搜索出其中的峰值的位置,根据每一种数字通信信号对应的循环谱特征,估计出每个用户的符号速率和载波以及其采用的调制格式。
2.根据权利要求1所述的基于欠奈奎斯特采样的宽带信号检测识别方法,其特征在于,所述步骤(1)中得到的采样矩阵:Y[n]=AX[n],其中A为压缩采样矩阵,其元素随机从{1,-1}中选取;X为原始输入信号的奈奎斯特离散采样矩阵。
3.根据权利要求2所述的基于欠奈奎斯特采样的宽带信号检测识别方法,其特征在于,所述步骤(2)中的SOMP恢复算法迭代过程如下:
(21)计算出最大原子同时计算能量观测值
(22)更新支撑集
(23)求取恢复矩阵Xi=argminX||Y-XSi||;
(24)计算残差Ri=Y-XiSi;
其中,矩阵Φ=AF-1,F-1为IDFT矩阵,则Y[n]=ΦX[f],X[f]为恢复信号的频域矩阵;
Ri为每次迭代产生的残差,初始为Y;Y为压缩采样的信号输出矩阵,其大小为M×L;
支撑集的初始值为空集。
4.根据权利要求3所述的基于欠奈奎斯特采样的宽带信号检测识别方法,其特征在于,所述步骤(3)中的门限值设定为其中Q-1为标准反累计分布函数,PFA为系统设定的虚警概率。
5.根据权利要求1所述的基于欠奈奎斯特采样的宽带信号检测识别方法,其特征在于,所述步骤(4)中FAM时域平滑算法包括以下步骤:
(41)将频域矩阵中的列两两向量点成,生成大小为N×L2的频域相关矩阵,对频域相关矩阵做N点DFT变换生成矩阵D;
(42)对矩阵D中的元素位置与循环谱位置做对应,经过元素位置调换后得到估计的二维循环谱。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410466563.XA CN104270234B (zh) | 2014-09-12 | 2014-09-12 | 一种基于欠奈奎斯特采样的宽带信号检测识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410466563.XA CN104270234B (zh) | 2014-09-12 | 2014-09-12 | 一种基于欠奈奎斯特采样的宽带信号检测识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104270234A CN104270234A (zh) | 2015-01-07 |
CN104270234B true CN104270234B (zh) | 2017-04-19 |
Family
ID=52161729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410466563.XA Active CN104270234B (zh) | 2014-09-12 | 2014-09-12 | 一种基于欠奈奎斯特采样的宽带信号检测识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104270234B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104618073B (zh) * | 2015-03-03 | 2018-08-21 | 北京邮电大学 | 一种信号调制方式的识别方法 |
CN105093200B (zh) * | 2015-08-11 | 2017-08-11 | 电子科技大学 | 一种基于修正字典的网格外目标波达方向估计方法 |
CN105515695B (zh) * | 2015-12-04 | 2017-12-19 | 哈尔滨工程大学 | 基于调制宽带转换器的压缩采样信号检测方法 |
CN105578480B (zh) * | 2015-12-15 | 2019-04-19 | 西安电子科技大学 | 面向宽带调制变换器的欠采样频谱感知预判决方法 |
CN106130942B (zh) * | 2016-07-05 | 2019-10-11 | 东南大学 | 一种基于循环谱的无线通信信号调制识别及参数估计方法 |
CN109412718B (zh) * | 2018-12-24 | 2021-07-09 | 电子科技大学 | 宽带频谱信号检测方法 |
CN110365437B (zh) * | 2019-07-30 | 2021-05-14 | 电子科技大学 | 基于次奈奎斯特采样的快速功率谱估计方法 |
CN111901058B (zh) * | 2020-07-31 | 2021-07-02 | 电子科技大学 | 基于亚奈奎斯特采样的多天线辅助宽带频谱感知方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101897125A (zh) * | 2007-12-14 | 2010-11-24 | 摩托罗拉公司 | 用于检测操作的频带和模式的方法和装置 |
CN102611455A (zh) * | 2012-03-05 | 2012-07-25 | 哈尔滨工业大学 | 一种面向压缩感知的稀疏多带信号重构方法 |
CN103051403A (zh) * | 2013-01-29 | 2013-04-17 | 哈尔滨工业大学 | 基于多个mwc分布式亚奈奎斯特采样联合重构的频谱感知方法 |
CN103368578A (zh) * | 2013-07-01 | 2013-10-23 | 中国农业大学 | 基于压缩感知的分布式无线传感器网络节点信号采样方法 |
CN103856972A (zh) * | 2012-11-30 | 2014-06-11 | 上海贝尔股份有限公司 | 宽带频谱感知方法和装置及相应的用户设备和基站 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140092998A (ko) * | 2013-01-17 | 2014-07-25 | 한국전자통신연구원 | 압축 센싱을 이용한 광대역 스펙트럼 센싱 방법 및 장치 |
-
2014
- 2014-09-12 CN CN201410466563.XA patent/CN104270234B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101897125A (zh) * | 2007-12-14 | 2010-11-24 | 摩托罗拉公司 | 用于检测操作的频带和模式的方法和装置 |
CN102611455A (zh) * | 2012-03-05 | 2012-07-25 | 哈尔滨工业大学 | 一种面向压缩感知的稀疏多带信号重构方法 |
CN103856972A (zh) * | 2012-11-30 | 2014-06-11 | 上海贝尔股份有限公司 | 宽带频谱感知方法和装置及相应的用户设备和基站 |
CN103051403A (zh) * | 2013-01-29 | 2013-04-17 | 哈尔滨工业大学 | 基于多个mwc分布式亚奈奎斯特采样联合重构的频谱感知方法 |
CN103368578A (zh) * | 2013-07-01 | 2013-10-23 | 中国农业大学 | 基于压缩感知的分布式无线传感器网络节点信号采样方法 |
Non-Patent Citations (3)
Title |
---|
Cyclic Feature Detection with Sub-Nyquist Sampling for Wideband Spectrum Sensing;Zhi Tian; Yphannes Tafesse; Brian M. sADLER;《IEEE Journal of Selected Topics in Signal Processing》;20121231;第6卷(第1期);第58-59页 * |
一种面向信息带宽的频谱感知方法研究;张京超,付宁,乔立岩,彭喜元;《物理学报》;20140331;第63卷(第3期);第1-11页 * |
稳定分布下基于FAM的低阶循环谱算法研究;何继爱,裴承全,郑玉峰;《电子学报》;20130731;第4卷(第7期);第1297-1304页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104270234A (zh) | 2015-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104270234B (zh) | 一种基于欠奈奎斯特采样的宽带信号检测识别方法 | |
CN102413079B (zh) | 3gpp-lte系统下行链路初始分数频偏估计方法 | |
Like et al. | Signal classification in fading channels using cyclic spectral analysis | |
CN103237311B (zh) | 基于ofdm频域内插导频的循环平稳特征频谱感知方法 | |
CN104410590A (zh) | 一种基于压缩感知的短波ofdm抑制干扰联合信道估计方法 | |
CN112398553A (zh) | 一种基于差分等势星球图的通信辐射源个体识别方法 | |
CN102946288A (zh) | 基于自相关矩阵重构的压缩频谱感知方法 | |
CN104618278B (zh) | 一种基于谱相关的多用户tddm‑boc信号的伪码速率估计方法 | |
CN103873111A (zh) | 压缩感知的脉冲超宽带接收机的窄带干扰抑制系统及方法 | |
CN101588191B (zh) | 无线电信号认知方法及设备 | |
Shen et al. | Chip rate and pseudo‐noise sequence estimation for direct sequence spread spectrum signals | |
CN104486284B (zh) | 基于增强型六维64psk星座的正交频分复用方法 | |
CN106452626B (zh) | 基于多组互质采样的宽带频谱压缩感知 | |
CN104821856B (zh) | 一种用于ofdm频谱感知的噪声功率估计方法 | |
CN101237438A (zh) | 一种应用于无线传感网的多载波解调装置 | |
Valluri et al. | Investigation of blind CFO estimation for GFDM system using universal software radio peripheral: theory, simulations and experiments | |
CN114884538B (zh) | 一种nr上行控制信道的时偏估计方法和系统 | |
CN105871764A (zh) | Mc-cdma信号的调制识别及伪码序列盲估计 | |
Yu et al. | A low‐complexity demodulation technique for spectrally efficient FDM systems using decision‐feedback | |
Liu et al. | Adversarial training for low-complexity convolutional neural networks using in spectrum sensing | |
TWI396415B (zh) | 正交分頻多工系統的通道長度估測方法及其估測器 | |
CN104639478B (zh) | 一种联合方差修正的信号检测与时域定位方法和系统 | |
CN107248964B (zh) | 一种underlay频谱共享时频重叠信号码速率估计方法 | |
Lai et al. | Implementation of a C-V2X receiver on an over-the-air software-defined-radio platform with OpenCL | |
Turunen et al. | Spectrum estimator and cyclostattionary detector for cognitive radio |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |