CN104683989A - 基于多信道同步协作频谱感知的宽带认知网络通信方法 - Google Patents
基于多信道同步协作频谱感知的宽带认知网络通信方法 Download PDFInfo
- Publication number
- CN104683989A CN104683989A CN201510107917.6A CN201510107917A CN104683989A CN 104683989 A CN104683989 A CN 104683989A CN 201510107917 A CN201510107917 A CN 201510107917A CN 104683989 A CN104683989 A CN 104683989A
- Authority
- CN
- China
- Prior art keywords
- sub
- perception
- slots
- cooperation
- primary 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/14—Spectrum sharing arrangements between different networks
Abstract
本发明公开了基于多信道同步协作频谱感知的宽带认知网络通信方法,认知网络的帧结构由感知时隙、协作时隙和传输时隙组成,感知时隙又分为若干个感知子时隙,协作时隙又分为若干个协作子时隙,每个子信道信号在感知时隙的多个感知子时隙内同步检测多个子信道上的主用户,在协作时隙对应分配的协作子时隙内交互各自的感知信息,通过融合所有协作节点序号的感知信息并进行能量检测,最终判决主用户是否存在于频谱中。本发明克服当前协作频谱感知只能感知一个信道的缺点,通过同步感知和利用多个子信道,显著提高认知网络的频谱接入。
Description
技术领域
本发明公开了一种基于多信道同步协作频谱感知的宽带认知网络通信方法,涉及无线电通信技术领域。
背景技术
现代无线通信系统中频谱资源的统筹分配是由无线电管理机构确定的,目前采用的是基于静态(固定)频带分配的原则与方案,近年来通信界广泛认识到,固定频带分配是当前频谱资源稀缺的主要原因之一。目前,在低于3GHz的频谱分配和使用上,频谱资源的竞争十分激烈,而在高于3GHz的频谱使用上却表现出明显不同情况,即从时域和空域的双重角度来看,仍然有许多未被充分利用的空闲频段。实际上,大多数频谱资源的利用率都很低,据美国联邦通信委员会测定,已经分配的频谱资源中,约有70%以上未被充分利用。显然,这些未被充分利用的空闲频谱可以有效缓解频谱资源的短缺,因此迫切需要利用这些空闲频谱的新技术,认知无线电应运而生。认知无线电是一种能够提高无线频谱资源利用率的智能通信技术,它通过使用主用户特定时间和空域内未使用的空闲频谱,自适应地调整传输参数,实现频谱资源的最大化利用。如图1所示,宽带认知网络基于认知无线电技术,能够同时使用较宽频带中主用户未使用的多空闲子信道进行通信。
认知无线电通过频谱感知技术发现空闲频谱,为了避免对主用户产生干扰,认知无线电需要准确地检测主用户是否存在。能量检测法被广泛地应用于认知无线电的频谱感知中,通过在观测时间内积累主用户信号的能量来获得对主用户的判决。能量检测法不需要主用户的先验信息,但是隐终端问题会降低能量检测法的性能。隐终端问题是目前认知无线电频谱感知面临的最大挑战,隐终端使得认知无线电无法接收到足够大的主用户信号能量,因此对主用户的检测性能会显著降低,如果错误地判断主用户不存在,认知无线电会错误接入频谱并对主用户造成严重干扰。为了解决隐终端问题,认知网络的多个子信道信号被设计协作频谱感知主用户,协作频谱感知通过融合多个协作节点序号不同感知路径的感知信息产生协作分集增益,能够有效地克服隐终端问题,并提高频谱感知的性能。
然而,目前的协作频谱感知中,每个协作节点序号在感知时间内只能感知一个信道,由于只能获得一个信道的检测结果,认知网络在传输时间内只能利用该条唯一信道进行通信,从而极大地降低了认知网络的频谱接入。
发明内容
本发明所要解决的技术问题是:解决当前认知网络协作频谱感知,每个子信道信号在感知时间内只能感知一个信道,导致传输时间内只能利用该条唯一信道进行通信,从而极大地降低认知网络频谱接入的缺陷。
本发明为解决上述技术问题采用以下技术方案:
基于多信道同步协作频谱感知的宽带认知网络通信方法,将认知网络的帧结构设定为由感知时隙、协作时隙和传输时隙组成,其中,
所述感知时隙包括复数个感知子时隙和每个感知子时隙对应的子信道序号;
所述协作时隙包括复数个协作子时隙和每个协作子时隙对应的协作节点序号序号;
每个子信道信号在感知子时隙内同步检测多个子信道上的主用户,在协作子时隙内交互各自的感知信息;
通过融合所有协作节点序号的感知信息并进行能量检测,最终判断主用户是否存在于频谱中;
在传输时隙,认知网络在检测到主用户不存在的所有子信道上传输信息。
作为本发明的进一步优选方案,在一个N节点组成的认知网络中,所述通过融合所有协作节点序号的感知信息并进行能量检测,判断主用户是否存在于频谱中的具体步骤包括:
步骤一、将主用户的整个宽频带划分为L个子信道,测量主用户信号的最高频率fs,感知主用户所需的最小采样点数M,每个子信道l上的噪声方差以及每个子信道l上的每个节点n对主用户的接收信噪比γn,l,其中,l=1,2,…,L,n=1,2…,N,设定检测门限λl为噪声的最大功率;
步骤二、将认知网络帧结构中每个子信道信号的感知时隙分成τ个长度为δ的感知子时隙,将认知网络帧结构的协作时隙分成k个长度为δ的协作子时隙;
确定每个感知子时隙和协作子时隙的长度:
建立关于感知子时隙数τ,协作子时隙数k和L个子信道各自所需的感知子时隙数集合{q1,q2,...,qL}的联合优化问题,利用联合优化算法求解最优的τ,k和{q1,q2,...,qL};
步骤三、计算每个节点在所有子信道上的平均信噪比:
选择最大的前k个节点参与协作频谱感知,此处,n=1,2,…,k;
步骤四、将集合{q1,q2,...,qL}的各元素按照由小到大顺序对子信道排序,计算每个元素q1的值:q1=glk+ul,其中,gl和ul是整数,0≤ul<k,l=1,2,…,L,按照顺序为每个子信道依次分配感知子时隙;
步骤五、每个协作节点序号在分配好的感知子时隙内感知相应子信道上的主用户,采用能量检测法计算每个子信道上接收信号的能量统计值;
步骤六、每个协作节点序号在协作时隙对应分配的协作子时隙内,通过事先选定的一个子信道向其它协作节点序号发送感知信息帧,所述感知信息帧包括每个感知子时隙的能量统计值和相应的感知子信道序号;
步骤七、每个协作节点序号根据所有的感知信息帧,对每个子信道在所有感知子时隙的能量统计值再次进行统计平均获得全局能量统计值,并采用能量检测法通过将全局能量统计值与检测门限λl作比较,对每个子信道上是否存在主用户进行最终判决。
作为本发明的进一步优选方案,所述步骤四中,为每个子信道依次分配感知子时隙具体方法为:
对于每个子信道l,首先为每个协作节点序号分配gl个感知子时隙感知子信道l,然后选择子信道l上γn,l最大的前ul个协作节点序号,为每个节点额外再分配一个感知子时隙感知子信道l;
如果分配过程中,某个节点已经分配完所有τ个感知子时隙,则该节点不再进行下个子信道感知子时隙的分配。
作为本发明的进一步优选方案,所述步骤二中,关于感知子时隙数τ、协作节点序号数k和L个子信道各自所需的感知子时隙数集合{q1,q2,...,qL}的联合优化问题表示为:
约束Pd,l(τ,q1,k)≥β,l=1,2,...,L
ql≥1,l=1,2,...,L
1≤k≤N
其中,函数R(τ,{q1,...,qL},k)是认知网络的频谱接入概率,T是每个帧的时长,PH,l是子信道l上主用户实际出现的概率,β为检测概率下限,为小于等于T/δ的最大整数;
函数Pf,l(τ,q1,k)和Pd,l(τ,q1,k)分别是k个协作用户采用能量检测法协作检测子信道l上主用户的虚警概率和检测概率,分别表示为:
式中,函数 为k个协作节点序号在子信道l上接收信噪比的均值;
求解所述优化问题的联合优化方法,具体步骤包括:
(1)定义函数U(m)为τ+k=m时上述优化问题目标函数R(τ,{q1,...,qL},k)的最大值;
(2)初始化m=0和U(m)=0;
(3)设定m=m+1,从1,2,…,N中逐一搜索k值使得k×(m-k)取得最大值,相应的设定τ=m-k;
(4)对于给定的m值和步骤(3)求得的τ和k,采用{q1,...,qL}优化算法求解相应最优的{q1,...,qL},利用已经求得的τ,k和{q1,...,qL}求取目标函数值,并设定U(m)=R(τ,{q1,...,qL},k);
(5)重复步骤(3)和步骤(4),直至满足U(m)-U(m-1)≤0和中的任何一个条件;
(6)令m=m-1,对应m的τ、k和{q1,...,qL}即为上述优化问题的最优解。
作为本发明的进一步优选方案,所述联合优化方法的步骤(4)中,具体求解方法包括:
(401)初始化ql=1(l=1,2,…,L);
(402)对于所有的子信道l=1,2,…,L,计算Δl(ql)=Gl(ql+1)-Gl(ql);
式中, 函数Q-1( )是的反函数,选择使得Δl(ql)最大的对应的子信道序号l*;
(403)设定ql*=ql*+1;
(404)重复步骤(402)和步骤(403)直至满足
作为本发明的进一步优选方案,步骤七中,所述能量检测方法的具体实现步骤包括:
(701)接收主用户频谱中的信号,并对接收信号采样,采样频率为信号最高频率的二倍以上;
(702)将信号采样点的幅度值平方,获得采样点的能量值;
(703)对所有采样点的能量值统计平均,获得能量统计值。
(704)将能量统计值和检测门限作比较,检测门限选取为频谱中噪声最大时的噪声功率;
如果能量统计值大于检测门限,判定主用户存在于频谱中,否则判定主用户不存在于频谱中。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:提供了一种通过同步感知和利用多条子信道,显著提高认知网络频谱接入的基于多信道同步协作频谱感知的宽带认知网络通信方法。
附图说明
图1宽带认知网络频谱利用示意;
图2认知网络帧结构;
图3具体实施方式一的帧结构子时隙划分结构;
图4感知信息帧结构;
图5能量检测法结构;
图6具体实施方式二的帧结构子时隙划分结构。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
下面结合附图对本发明的技术方案做进一步的详细说明:
具体实施方式一
如图2所示,本发明认知网络的帧结构由感知时隙、协作时隙和传输时隙组成,感知时隙又分为若干个感知子时隙,协作时隙又分为若干个协作子时隙。每个子信道信号在感知时隙的多个感知子时隙内同步检测多个子信道上的主用户,在协作时隙相应分配的协作子时隙内交互各自的感知信息,通过融合所有节点的感知信息并采用能量检测法最终判决主用户是否存在于频谱中。如果最终判决主用户不存在,认知网络在传输时隙接入主用户频谱并通信,否则认知网络不接入频谱并等待下一帧重新检测主用户。
本发明基于多信道同步协作频谱感知的宽带认知网络通信方法,在一个N节点组成的认知网络中,由以下步骤实现:
1、将主用户的整个宽频带划分为L个子信道,测量主用户信号的最高频率fs(相应的最小采样频率为2fs),感知主用户所需的最小采样点数M,子信道l(l=1,2,…,L)上的噪声方差(也是噪声的平均功率)以及每个子信道l上每个节点n(n=1,2…,N)对主用户的接收信噪比γn,l,确定检测门限λl为子信道上噪声的最大功率。
2、确定每个感知和协作子时隙的长度建立关于感知子时隙数τ,协作节点序号数(协作子时隙数)k和L个子信道各自所需的感知子时隙数集合{q1,q2,...,qL}的联合优化问题,并利用联合优化算法求解最优的τ,k和{q1,q2,...,qL}。
3、计算每个节点在所有子信道上的平均信噪比选择最大的前k个节点n=1,2,…,k参与协作频谱感知。
4、如图3所示,将认知网络帧结构中每个子信道信号的感知时隙分成τ个长度为δ的感知子时隙,将认知网络帧结构的协作时隙分成k个长度为δ的协作子时隙。
5、将{q1,q2,...,qL}的各元素按照由小到大顺序对子信道排序,计算每个元素q1(l=1,2,…,L)模k的值,即q1=glk+ul(gl和ul是整数,且0≤ul<k),按照顺序为每个子信道依次分配感知子时隙。对于每个子信道l,首先为每个协作节点序号分配gl个感知子时隙感知子信道l,然后选择子信道l上hn,l最大的前ul个协作节点序号,为每个节点额外再分配一个感知子时隙感知子信道l。如果分配过程中,某个节点已经分配完所有τ个感知子时隙,则该节点不再进行下个子信道感知子时隙的分配。
6、每个协作节点序号在分配好的感知子时隙内感知相应子信道上的主用户,采用能量检测法计算每个子信道上接收信号的能量统计值。
7、每个协作节点序号在协作时隙对应分配的协作子时隙内,通过事先选定的一个子信道向其它协作节点序号发送感知信息帧,如图4所示,感知信息帧包括每个感知子时隙的能量统计值和相应的感知子信道序号。
8、每个协作节点序号根据所有的感知信息帧,对每个子信道在所有感知子时隙的能量统计值再次进行统计平均获得全局能量统计值,并采用能量检测法通过将全局能量统计值与检测门限λl作比较,对每个子信道上是否存在主用户进行最终判决。
9、在传输时隙,认知网络在检测到主用户不存在的所有子信道上传输信息。
基于多信道同步协作频谱感知的宽带认知网络通信方法的步骤(2)中,关于感知时隙数τ,协作节点序号数k和L个子信道各自所需的感知子时隙数集合{q1,q2,...,qL}的联合优化问题表示如下:
约束Pd,l(τ,q1,k)≥β,l=1,2,...,L
ql≥1,l=1,2,...,L
1≤k≤N
式中,函数R(τ,{q1,...,qL},k)是认知网络频谱接入概率,T是帧时长,PH,l是子信道l上主用户实际出现的概率,β为检测概率下限,为小于等于T/δ的最大整数;函数Pf,l(τ,q1,k)和Pd,l(τ,q1,k)分别是k个协作用户采用能量检测法协作检测子信道l上主用户的虚警概率和检测概率,分别表示为:
式中,函数: 为k个协作节点序号在子信道l上接收信噪比的均值。
求解上述优化问题的联合优化方法,由以下步骤实现:
(1)定义函数U(m)为τ+k=m时上述优化问题目标函数R(τ,{q1,...,qL},k)的最大值。
(2)初始化m=0和U(m)=0。
(3)设定m=m+1,从1,2,…,N中逐一搜索k值使得k×(m-k)取得最大值,相应的设定τ=m-k。
(4)对于给定的m值和步骤(3)求得的τ和k,采用{q1,...,qL}优化算法求解相应最优的{q1,...,qL},利用已经求得的τ,k和{q1,...,qL}求取目标函数值,并设定U(m)=R(τ,{q1,...,qL},k)。
(5)重复步骤(3)和步骤(4),直至满足U(m)-U(m-1)≤0和中的任何一个条件。
(6)设定m=m-1,对应m的τ,k和{q1,...,qL}即为上述优化问题的最优解。
上述联合优化方法的步骤(4)中,对于给定的m值和步骤(3)求得的τ和k,{q1,...,qL}优化算法由以下步骤实现:
(401)初始化ql=1(l=1,2,…,L)。
(402)对于所有的子信道l=1,2,…,L,计算Δl(ql)=Gl(ql+1)-Gl(ql),式中 函数Q-1( )是的反函数,选择使得Δl(ql)最大的对应的子信道序号l*。
(403)设定ql*=ql*+1;
(404)重复步骤(2)和步骤(3)直至满足
基于多信道同步协作频谱感知的宽带认知网络通信方法的步骤(6)和步骤(8)中,能量检测方法如图5所示,由以下步骤实现:
(601)接收主用户频谱中的信号,并对接收信号采样,采样频率为信号最高频率的二倍以上。
(602)将信号采样点的幅度值平方,获得采样点的能量值。
(603)对所有采样点的能量值统计平均,即累加求和再求均值,获得能量统计值。
(604)将能量统计值和检测门限作比较,检测门限选取为频谱中噪声最大时的噪声功率;如果能量统计值大于检测门限,判定主用户存在于频谱中,否则判定主用户不存在于频谱中。
具体实施方式二
下面给出一个简化方法:
1)将主用户的整个宽频带划分为L个子信道,测量每个子信道信号n(n=1,2,…,N)在子信道l(l=1,2,…,L)上接收信号的信噪比γn,l,主用户信号的最高频率fs和感知主用户所需的最小采样点数M,以及子信道l上的噪声方差(也是噪声的平均功率)确定检测门限λl为子信道上噪声的最大功率。
2)计算每个子信道信号n的平均接收信噪比按照从大到小顺序对子信道信号排序,从1至N逐一搜索k,查找k使得函数:
取得最大值,选择信噪比最大的前k个节点参与协作频谱感知。
3)如图6所示,每个子信道信号帧结构的感知时隙划分为L个长度不同的感知子时隙,帧结构的协作时隙划分为k个长度相同的协作子时隙。根据Pd,l≥β,节点n对子信道l的感知子时隙的长度为:
每个协作子时隙的长度为
4)每个协作节点序号在分配好的感知子时隙内感知相应的子信道,采用能量检测法计算每个子信道上接收信号的能量统计值。
5)每个协作节点序号在协作时隙对应分配的协作子时隙内向其它协作节点序号发送感知信息帧,感知信息帧包括每个感知子时隙的能量统计值和相应的感知子信道序号。
6)每个协作节点序号对每个子信道在所有感知子时隙的能量统计值再次进行统计平均,并采用能量检测法对每个子信道上是否存在主用户进行最终判决。
7)在传输时隙,认知网络在检测到主用户不存在的所有子信道上传输信息。
上面结合附图对本发明的实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案内容,依据本发明的技术实质,在本发明的精神和原则之内,对以上实施例所作的任何简单的修改、等同替换与改进等,均仍属于本发明技术方案的保护范围之内。
Claims (6)
1.基于多信道同步协作频谱感知的宽带认知网络通信方法,其特征在于:将认知网络的帧结构设定为由感知时隙、协作时隙和传输时隙组成,其中,
所述感知时隙包括复数个感知子时隙和每个感知子时隙对应的子信道序号;
所述协作时隙包括复数个协作子时隙和每个协作子时隙对应的协作节点序号序号;
每个子信道信号在感知子时隙内同步检测多个子信道上的主用户,在协作子时隙内交互各自的感知信息;
通过融合所有协作节点序号的感知信息并进行能量检测,最终判断主用户是否存在于频谱中;
在传输时隙,认知网络在检测到主用户不存在的所有子信道上传输信息。
2.如权利要求1所述的基于多信道同步协作频谱感知的宽带认知网络通信方法,其特征在于:在一个N节点组成的认知网络中,所述通过融合所有协作节点序号的感知信息并进行能量检测,判断主用户是否存在于频谱中的具体步骤包括:
步骤一、将主用户的整个宽频带划分为L个子信道,测量主用户信号的最高频率fs,感知主用户所需的最小采样点数M,每个子信道l上的噪声方差以及每个子信道l上的每个节点n对主用户的接收信噪比γn,l,其中,l=1,2,…,L,n=1,2…,N,设定检测门限λl为噪声的最大功率;
步骤二、将认知网络帧结构中每个子信道信号的感知时隙分成τ个长度为δ的感知子时隙,将认知网络帧结构的协作时隙分成k个长度为δ的协作子时隙;
确定每个感知子时隙和协作子时隙的长度:
建立关于感知子时隙数τ,协作子时隙数k和L个子信道各自所需的感知子时隙数集合{q1,q2,...,qL}的联合优化问题,利用联合优化算法求解最优的τ,k和{q1,q2,...,qL};
步骤三、计算每个节点在所有子信道上的平均信噪比:
选择最大的前k个节点参与协作频谱感知,此处,n=1,2,…,k;
步骤四、将集合{q1,q2,...,qL}的各元素按照由小到大顺序对子信道排序,计算每个元素q1的值:q1=glk+ul,其中,gl和ul是整数,0≤ul<k,l=1,2,…,L,按照顺序为每个子信道依次分配感知子时隙;
步骤五、每个协作节点序号在分配好的感知子时隙内感知相应子信道上的主用户,采用能量检测法计算每个子信道上接收信号的能量统计值;
步骤六、每个协作节点序号在协作时隙对应分配的协作子时隙内,通过事先选定的一个子信道向其它协作节点序号发送感知信息帧,所述感知信息帧包括每个感知子时隙的能量统计值和相应的感知子信道序号;
步骤七、每个协作节点序号根据所有的感知信息帧,对每个子信道在所有感知子时隙的能量统计值再次进行统计平均获得全局能量统计值,并采用能量检测法通过将全局能量统计值与检测门限λl作比较,对每个子信道上是否存在主用户进行最终判决。
3.如权利要求1或2所述的基于多信道同步协作频谱感知的宽带认知网络通信方法,其特征在于,所述步骤四中,为每个子信道依次分配感知子时隙具体方法为:
对于每个子信道l,首先为每个协作节点序号分配gl个感知子时隙感知子信道l,然后选择子信道l上γn,l最大的前ul个协作节点序号,为每个节点额外再分配一个感知子时隙感知子信道l;
如果分配过程中,某个节点已经分配完所有τ个感知子时隙,则该节点不再进行下个子信道感知子时隙的分配。
4.如权利要求1或2所述的基于多信道同步协作频谱感知的宽带认知网络通信方法,其特征在于,所述步骤二中,关于感知子时隙数τ、协作节点序号数k和L个子信道各自所需的感知子时隙数集合{q1,q2,...,qL}的联合优化问题表示为:
约束 Pd,l(τ,q1,k)≥β,l=1,2,...,L
ql≥1,l=1,2,...,L
1≤k≤N
其中,函数R(τ,{q1,...,qL},k)是认知网络的频谱接入概率,T是每个帧的时长,PH,l是子信道l上主用户实际出现的概率,β为检测概率下限,为小于等于T/δ的最大整数;
函数Pf,l(τ,q1,k)和Pd,l(τ,q1,k)分别是k个协作用户采用能量检测法协作检测子信道l上主用户的虚警概率和检测概率,分别表示为:
式中,函数 为k个协作节点序号在子信道l上接收信噪比的均值;
求解所述优化问题的联合优化方法,具体步骤包括:
(1)定义函数U(m)为τ+k=m时上述优化问题目标函数R(τ,{q1,...,qL},k)的最大值;
(2)初始化m=0和U(m)=0;
(3)设定m=m+1,从1,2,…,N中逐一搜索k值使得k×(m-k)取得最大值,相应的设定τ=m-k;
(4)对于给定的m值和步骤(3)求得的τ和k,采用{q1,...,qL}优化算法求解相应最优的{q1,...,qL},利用已经求得的τ,k和{q1,...,qL}求取目标函数值,并设定U(m)=R(τ,{q1,...,qL},k);
(5)重复步骤(3)和步骤(4),直至满足U(m)-U(m-1)≤0和中的任何一个条件;
(6)令m=m-1,对应m的τ、k和{q1,...,qL}即为上述优化问题的最优解。
5.如权利要求4所述的基于多信道同步协作频谱感知的宽带认知网络通信方法,其特征在于,所述联合优化方法的步骤(4)中,具体求解方法包括:
(401)初始化ql=1(l=1,2,…,L);
(402)对于所有的子信道l=1,2,…,L,计算Δl(ql)=Gl(ql+1)-Gl(ql);
式中, 函数Q-1( )是的反函数,选择使得Δl(ql)最大的对应的子信道序号l*;
(403)设定
(404)重复步骤(402)和步骤(403)直至满足
6.如权利要求2所述的基于多信道同步协作频谱感知的宽带认知网络通信方法,其特征在于:步骤七中,所述能量检测方法的具体实现步骤包括:
(701)接收主用户频谱中的信号,并对接收信号采样,采样频率为信号最高频率的二倍以上;
(702)将信号采样点的幅度值平方,获得采样点的能量值;
(703)对所有采样点的能量值统计平均,获得能量统计值。
(704)将能量统计值和检测门限作比较,检测门限选取为频谱中噪声最大时的噪声功率;
如果能量统计值大于检测门限,判定主用户存在于频谱中,否则判定主用户不存在于频谱中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510107917.6A CN104683989B (zh) | 2015-03-11 | 2015-03-11 | 基于多信道同步协作频谱感知的宽带认知网络通信方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510107917.6A CN104683989B (zh) | 2015-03-11 | 2015-03-11 | 基于多信道同步协作频谱感知的宽带认知网络通信方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104683989A true CN104683989A (zh) | 2015-06-03 |
CN104683989B CN104683989B (zh) | 2018-04-24 |
Family
ID=53318443
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510107917.6A Expired - Fee Related CN104683989B (zh) | 2015-03-11 | 2015-03-11 | 基于多信道同步协作频谱感知的宽带认知网络通信方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104683989B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108055666A (zh) * | 2017-12-07 | 2018-05-18 | 杭州电子科技大学 | 信息素驱动的分布式协同宽带频谱感知方法 |
CN109120362A (zh) * | 2018-10-24 | 2019-01-01 | 南京航空航天大学 | 一种具有能量采集功能的认知无线电网络的信道选择方法 |
CN109451582A (zh) * | 2018-11-12 | 2019-03-08 | 京信通信系统(中国)有限公司 | 一种信源选择方法、装置、中继设备及存储介质 |
CN111726217A (zh) * | 2020-06-29 | 2020-09-29 | 中南大学 | 基于深度强化学习的宽带无线通信自主选频方法及系统 |
CN113347638A (zh) * | 2021-05-14 | 2021-09-03 | 东北大学 | 一种认知工业物联网动态协作频谱预测与感知方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080166974A1 (en) * | 2007-01-08 | 2008-07-10 | Koon Hoo Teo | Space-Time-Frequency Sensing of RF Spectrum in Cognitive Radios |
US20100142463A1 (en) * | 2008-12-05 | 2010-06-10 | Stmicroelectronics, Inc. | Frame-based on-demand spectrum contention protocol-messaging method |
CN102427393A (zh) * | 2011-11-22 | 2012-04-25 | 电子科技大学 | 一种可靠的协作频谱感知方法 |
CN103209037A (zh) * | 2013-03-08 | 2013-07-17 | 西安交通大学 | 一种基于迭代筛选的多信道协作频谱感知方法 |
-
2015
- 2015-03-11 CN CN201510107917.6A patent/CN104683989B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080166974A1 (en) * | 2007-01-08 | 2008-07-10 | Koon Hoo Teo | Space-Time-Frequency Sensing of RF Spectrum in Cognitive Radios |
US20100142463A1 (en) * | 2008-12-05 | 2010-06-10 | Stmicroelectronics, Inc. | Frame-based on-demand spectrum contention protocol-messaging method |
CN102427393A (zh) * | 2011-11-22 | 2012-04-25 | 电子科技大学 | 一种可靠的协作频谱感知方法 |
CN103209037A (zh) * | 2013-03-08 | 2013-07-17 | 西安交通大学 | 一种基于迭代筛选的多信道协作频谱感知方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108055666A (zh) * | 2017-12-07 | 2018-05-18 | 杭州电子科技大学 | 信息素驱动的分布式协同宽带频谱感知方法 |
CN108055666B (zh) * | 2017-12-07 | 2020-02-28 | 杭州电子科技大学 | 信息素驱动的分布式协同宽带频谱感知方法 |
CN109120362A (zh) * | 2018-10-24 | 2019-01-01 | 南京航空航天大学 | 一种具有能量采集功能的认知无线电网络的信道选择方法 |
CN109451582A (zh) * | 2018-11-12 | 2019-03-08 | 京信通信系统(中国)有限公司 | 一种信源选择方法、装置、中继设备及存储介质 |
CN109451582B (zh) * | 2018-11-12 | 2022-12-06 | 京信网络系统股份有限公司 | 一种信源选择方法、装置、中继设备及存储介质 |
CN111726217A (zh) * | 2020-06-29 | 2020-09-29 | 中南大学 | 基于深度强化学习的宽带无线通信自主选频方法及系统 |
CN111726217B (zh) * | 2020-06-29 | 2021-07-20 | 中南大学 | 基于深度强化学习的宽带无线通信自主选频方法及系统 |
CN113347638A (zh) * | 2021-05-14 | 2021-09-03 | 东北大学 | 一种认知工业物联网动态协作频谱预测与感知方法 |
CN113347638B (zh) * | 2021-05-14 | 2024-04-30 | 东北大学 | 一种认知工业物联网动态协作频谱预测与感知方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104683989B (zh) | 2018-04-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jiang et al. | Transparent cross-technology communication over data traffic | |
CN104683989A (zh) | 基于多信道同步协作频谱感知的宽带认知网络通信方法 | |
CN103716853B (zh) | 一种终端直通通信系统中的自适应多中继选择方法 | |
CN103929255B (zh) | 一种基于多信道的认知用户能效优化方法 | |
Wang et al. | Channel assignment of cooperative spectrum sensing in multi-channel cognitive radio networks | |
CN102457338B (zh) | 认知传感器网络中多用户感知信道的选择方法 | |
CN103209037B (zh) | 一种基于迭代筛选的多信道协作频谱感知方法 | |
CN102984736B (zh) | 无线泛在异构网络资源优化方法 | |
CN110798270B (zh) | 一种基于功率方差比较的多频带频谱感知方法 | |
CN102394712B (zh) | 认知无线电系统中检测周期与检测时间的联合优化方法 | |
Giri Prasad et al. | Group based multi-channel synchronized spectrum sensing in cognitive radio network with 5G | |
CN105634624B (zh) | 一种面向认知无线网络的频域协作频谱感知方法 | |
CN103024796A (zh) | 一种无线Mesh网络带宽估计方法 | |
CN103237356B (zh) | 基于信道质量的选择性认知接入方法 | |
CN103117821A (zh) | 一种基于瑞利商的加权协作频谱感知方法 | |
CN103036626A (zh) | 基于认知无线电协作用户与检测门限联合选择的无线通信方法 | |
CN102118200B (zh) | 一种基于协方差绝对值法的频谱检测方法 | |
CN104754747A (zh) | 高密度无线局域网部署的信道分配方法 | |
CN105578483B (zh) | 基于无线传感器网络的高能效协作频谱感知方法 | |
CN106788818A (zh) | 基于认知功能和传感器节点分离的crsn频谱感知方法 | |
CN102299748A (zh) | 一种认知无线电网络中的频谱检测方法 | |
CN105491573A (zh) | 一种认知无线电干扰预测方法及系统 | |
CN104734794A (zh) | 一种认知无线网络数据量与能量消耗比最大化频谱感知方法 | |
CN106455074B (zh) | 一种认知无线电频谱资源分配方法 | |
CN110798272B (zh) | 一种基于功率比较的多频带频谱感知方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
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: 20180424 Termination date: 20200311 |