CN104936190B - 基于稀疏系数信息估计的自适应宽带频谱压缩感知方法 - Google Patents

基于稀疏系数信息估计的自适应宽带频谱压缩感知方法 Download PDF

Info

Publication number
CN104936190B
CN104936190B CN201510272700.0A CN201510272700A CN104936190B CN 104936190 B CN104936190 B CN 104936190B CN 201510272700 A CN201510272700 A CN 201510272700A CN 104936190 B CN104936190 B CN 104936190B
Authority
CN
China
Prior art keywords
signal
rarefication
degree
estimation
observation
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
Application number
CN201510272700.0A
Other languages
English (en)
Other versions
CN104936190A (zh
Inventor
宋晓勤
钱丽
张恒龙
朱勇刚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN201510272700.0A priority Critical patent/CN104936190B/zh
Publication of CN104936190A publication Critical patent/CN104936190A/zh
Application granted granted Critical
Publication of CN104936190B publication Critical patent/CN104936190B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • 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
    • H04L25/03878—Line equalisers; line build-out devices
    • H04L25/03885—Line equalisers; line build-out devices adaptive
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/0006—Assessment of spectral gaps suitable for allocating digitally modulated signals, e.g. for carrier allocation in cognitive radio

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Power Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种基于稀疏系数信息估计的自适应宽带频谱压缩感知方法，在流信号进行稀疏度未知的压缩感知时，先采集由先验信息得到的观测值数目；在采集到的观测值数目上自适应调整，得到信号稀疏度估计所需的观测值数目，并精确估计信号的稀疏度；根据当前帧信号稀疏度估计来确认不丢失原信号信息所需的观测值数目；按照实际应用需求，选择后续信号检测算法，完成频谱检测，做出决策。本发明能有效地确定流信号稀疏度估计所需压缩观测值数目，而且对流信号频谱能够保持良好的收敛性和较快的跟踪速度，从而使信号稀疏度估计所需压缩观测值数目随信号稀疏度自适应调整，实现对信号稀疏度变化的实时跟踪。

Description

基于稀疏系数信息估计的自适应宽带频谱压缩感知方法
技术领域
本发明属于认知无线电技术，尤其涉及一种认知无线电中宽带压缩频谱感知方法，具体地说涉及一种基于稀疏系数信息估计的自适应宽带频谱压缩感知方法。
背景技术
近年来，随着无线多媒体业务的发展，多媒体通信所需的带宽不断增加。带宽的增加使得原本就有限的频谱资源变得越来越稀缺，有效可靠的无线频谱接入成为人们关注的焦点。因此，一些学者提出了认知无线电(Cognitive Radio，CR)的概念，当授权用户/主用户(Primary User，PU)所在频段出现空闲时，非授权用户/次用户(Secondary User，SU)可伺机地接入授权频谱，并避免对授权用户的干扰。认知无线电作为一种新型频谱共享技术，其核心思想是使无线通信设备具备充分发掘时域、频域和空间域空闲频谱资源的能力。认知无线电作为一种能够感知周围环境并显著提高频谱利用率的新型智能无线通信技术，在一定程度上解决了多媒体业务频谱资源紧张的问题。
认知无线电的关键技术之一是要对频谱使用状态进行检测。由于无线多媒体业务需要检测较宽的频带，因此面临着如何在较宽的频带内实现快速、有效频谱感知的挑战。随着待检测授权用户信号带宽越来越宽，基于Nyquist采样机制的信号处理框架要求的采样速率和处理速度越来越高，当 前硬件条件往往难以满足要求。
近年来出现的压缩感知技术可以实现宽频带信号的低速采样，很好的解决宽带频谱感知面临的硬件实现难题。在压缩感知理论框架下，信号的采样速率不再决定于信号带宽，而是由信号的信息结构和内容决定的。在信号稀疏或可压缩的前提下，压缩感知以远低于Nyquist采样要求的速率对信号采样，仍然能够实现对原信号的重构。通常，在无线宽频带中，授权用户并不充分占用频谱，存在大量频谱空穴。因此，从统计概率意义上，频谱在一个感知周期内往往具有稀疏性，从而为压缩感知理论在认知无线电宽带频谱感知中的应用提供了前提条件。将压缩感知技术引入宽带频谱感知，极大地降低了采样速率，解决了宽带频谱感知的实现瓶颈。
现有的基于压缩感知的宽带频谱感知方法通常是根据已知的信号稀疏度，或者信号稀疏度的长时间观察统计值上界来决定信号重构所需的最佳观测值数目，然而实际应用中，频谱的稀疏度往往是未知的，甚至是时变的。这使得在使用压缩感知进行频谱感知时，若压缩采样比设置过高，将存在压缩冗余，带来不必要的采样开销；若压缩采样比设置过低，将损失有用信号，导致信号重构精度下降，影响频谱检测性能。而自适应压缩频谱感知技术，可以从宽带认知无线电系统中信号稀疏度未知，甚至时变的实际应用场景出发，根据信号频谱变化来自适应调整压缩采样参数。
发明内容
为了克服现有技术中存在的不足，本发明提供一种基于稀疏系数信息估计的自适应宽带频谱压缩感知方法，实现对频谱稀疏度变化的实时跟踪， 保持对流信号频谱良好的收敛性和较快的跟踪速度。
为实现上述目的，本发明采用的技术方案为：
一种基于稀疏系数信息估计的自适应宽带频谱压缩感知方法，包括以下步骤：
(1)在流信号进行稀疏度未知的压缩感知时，先采集由先验信息得到的观测值数目；
(2)在采集到的观测值数目上自适应调整，得到信号稀疏度估计所需的观测值数目，并精确估计信号的稀疏度；
(3)根据当前帧信号稀疏度估计来确认不丢失原信号信息所需的观测值数目；
(4)按照实际应用需求，选择后续信号检测算法，完成频谱检测，做出决策。
所述步骤(1)包括：
(1a)在采集观测值时，根据首帧信号和非首帧信号，分别对所需的先验信息进行选择；
(1b)对于首帧信号，直接利用信号最大稀疏度作为先验信息，来采集到所需的观测值；
(1c)对于非首帧信号，选取前一帧信号稀疏度估计值来初始化当前帧信号稀疏度估计所需的压缩观测值数目。
所述步骤(1c)中，利用流信号不同帧之间由于频谱占用情况缓慢变化具有的相关性，来采集非首帧信号的观测值数目。
所述步骤(2)包括：
(2a)首帧信号，采集到的信号观测值全部用于信号稀疏度估计；
(2b)非首帧信号，在采集到的观测值基础上，以步长自适应增加或者减少观测值数目，直至找到信号稀疏度估计所需的观测值数目。
所述步骤(2b)包括：
(2b1)在非首帧信号观测值数目自适应调整时，首先根据已采集到的观测值数目对信号频谱重构，获取信号稀疏系数信息；
(2b2)相关系数检测器根据当前帧的信号稀疏系数信息和前一帧的信号稀疏系数信息来计算相关系数，并进行相关系数判决；
(2b3)如果相关系数不满足相关系数门限值，则需要以为步长增加或减少观测值数目，重复执行上述稀疏系数信息相关性判决，直到相关系数满足相关系数门限值条件，找到合适的观测值用于当前帧信号稀疏度估计。
所述步骤(2b3)包括：
(2b31)若当前帧信号不是流信号首帧，则以前一帧信号的稀疏度估计值来初始化当前帧信号稀疏度估计所需观测值数目；
(2b32)以△为步长增加观测值数目，重构信号，获取信号稀疏系数信息，计算信号稀疏系数信息相关系数；
(2b33)以△为步长减少观测值数目，重构信号，获取信号稀疏系数信息，计算信号稀疏系数信息相关系数。
本发明的有益效果是：本发明针对无线多媒体业务进行宽带频谱感知 应用场景，对采用认知无线电的系统提出了一种基于稀疏系数信息估计的自适应宽带频谱压缩感知方法(命名为SCI-CSS算法)。该方法将基于稀疏度估计的压缩频谱感知算法扩展到流信号模型下，将前一帧频谱稀疏度估计值作为当前帧信号频谱感知的先验信息，通过自适应调整当前帧频谱稀疏度估计所需观测值数目，实现对频谱稀疏度变化的实时跟踪。仿真结果表明：本发明的方法能有效地确定流信号稀疏度估计所需压缩观测值数目，而且对流信号频谱能够保持良好的收敛性和较快的跟踪速度，从而使信号稀疏度估计所需压缩观测值数目随信号稀疏度自适应调整，实现对信号稀疏度变化的实时跟踪。
附图说明
图1为本发明中流信号稀疏度估计实现示意图。
图2为本发明中稀疏估计所需观测值数目自适应调整流程图。
图3为本发明中稀疏度估计过程中自适应调整变化曲线(无噪声)。
图4为不同稀疏度信号条件下，本发明中信号稀疏系数信息检测性能比较。
图5为本发明中稀疏度估计过程自适应调整变化曲线(含噪声)。
图6为不同信噪比条件下，本发明中信号稀疏系数信息检测性能比较。
具体实施方式
下面结合附图对本发明作更进一步的说明。
本发明针对无线多媒体业务进行宽带频谱感知应用场景，对采用认知无线电的系统提出了一种基于稀疏系数信息估计的自适应宽带频谱压缩感 知方法(命名为SCI-CSS算法)。
本发明的核心思想在于：流信号进行稀疏度未知的频谱压缩感知，利用其不同帧之间由于频谱占用情况缓慢变化具有的相关性，以前一帧信号稀疏度估计值来初始化当前帧信号稀疏度估计所需观测值数目，随后自适应调整当前帧信号稀疏度估计所需观测值数目，实现对频谱稀疏度变化的实时跟踪，保持对流信号频谱良好的收敛性和较快的跟踪速度。
步骤一：如图1所示，在流信号进行稀疏度未知的压缩感知时，先采集由先验信息得到的观测值数目；
(1.1)、在采集观测值时，根据首帧信号和非首帧信号，分别对所需的先验信息进行选择；
(1.2)、首帧信号直接利用信号最大稀疏度Kmax作为先验信息，根据M1＝1.2Kmaxlog(N/Kmax+1/2)来采集到所需的观测值M1；
(1.3)、非首帧信号j，选取前一帧信号j-1稀疏度估计值来初始化当前帧信号稀疏度估计所需的压缩观测值数目Mj0，即
且M0≤M1，其特征在于利用流信号不同帧之间由于频谱占用情况缓慢变化具有的相关性。
步骤二：如图2所示，在采集到的观测值数目上自适应调整，得到信号稀疏度估计所需的观测值数目，并精确估计信号的稀疏度；
(2.1)、首帧信号采集到的信号观测值M1全部用于信号稀疏度估计，估计出首帧信号稀疏度
(2.2)、非首帧信号j在采集到的观测值Mj0基础上，以步长自适应增 加或者减少观测值数目,直至找到信号稀疏度估计所需的观测值数目。
(2.21)、在非首帧信号m观测值数目自适应调整时，首先根据已采集到的观测值数目Mm对信号频谱重构，获取信号稀疏系数信息SCIm；
(2.22)、相关系数检测器根据当前帧的信号m稀疏系数信息SCIm和前一帧的信号m-1稀疏系数信息SCIm-1来计算相关系数cohm，并进行相关系数判决；
(2.23)、如果相关系数cohm不满足相关系数门限值coh*，则需要以为步长增加或减少观测值数目，重复执行上述稀疏系数信息相关性判决，直到相关系数cohm满足相关系数门限值coh*条件，找到合适的观测值用于当前帧信号稀疏度估计。
(2.231)、若当前帧信号不是流信号首帧，则以前一帧信号的稀疏度估计值来初 始化当前帧信号稀疏度估计所需观测值数目
(2.232)、以△为步长增加观测值数目，即Mm＝2c3Mm-1+△,m＝1,2,…，分别根据Mm个观测值和Mm+1个观测值重构信号，获取信号稀疏系数信息SCIm和SCIm-1，计算信号稀疏系数信息相关系数cohm；
若表明当前数目的观测值无法实现信号稀疏度估计，则循环执行步骤(2.232)，直至找到SCI*；
若且m＝1，则执行步骤(2.233)；
(2.233)、以△为步长减少观测值数目，即Mm＝Mm-1-△,m＝1,2,…n，分别根据Mm个观测值和Mm+1个观测值重构信号，获取信号稀疏系数信息SCIm和 SCIm-1，计算信号稀疏系数信息相关系数cohm；
若表明当前数目的观测值足够实现信号稀疏度估计，且可能存在一定的观测值数目冗余，因此，需要循环执行步骤2.233，直至找到SCI*。
表1
表1是信号稀疏度估计和信号重构所需观测值数目最小值实测值。
步骤三：根据当前帧信号稀疏度估计来确认不丢失原信号信息所需的观测值数目；
步骤四：按照实际应用需求，选择合适的后续信号检测算法，完成频谱检测，做出决策。
下面结合附图3-6对本发明的优势做进一步说明。
图3给出了理想无噪声环境下，SCI-CSS算法在稀疏度估计过程中，信号稀疏系数信息相关系数coh变化曲线和压缩采样速率CSR的自适应跟踪调整曲线。图中各coh数值点代表第m步的Mm个观测值重构出的信号稀疏系数信息和第m+1步的Mm+！个观测值重构出的信号稀疏系数信息之间的相关性。可以看出，当第m步和第m+1步的观测值数目均不足以当前帧信号稀疏估计时，两者的稀疏系数信息相关系数coh小于1。但是，当找到合适的观 测值数目时，此时相关系数coh接近于1。同时，在SCI-CSS算法自适应到合适的观测值数目，即找到合适的采样速率R*后，coh基本保持大小不变。此外，在相同的检测条件下，信号越稀疏，保证稀疏系数信息重构所需观测值数目越少。在相同的采样速率调整步长条件下，信号越稀疏，coh值越大。
图4给出了SCI-CSS算法在不同稀疏度信号条件下，信号稀疏系数信息检测性能比较曲线。可以看出，信号越稀疏，SCI-CSS算法越能更快的实现信号稀疏系数信息的准确检测。在SCI-CSS算法自适应到信号稀疏度估计所需观测值数目后，信号稀疏系数信息检测概率接近1。
图5给出了高斯白噪声环境下，SCI-CSS算法在信号稀疏度为4％时，不同信噪比条件下，coh变化曲线和CSR的自适应跟踪调整曲线。可以看出，在一定的信噪比条件下，SCI-CSS算法均可实现信号稀疏度估计所需观测值数目的自适应调整，即保证对信号稀疏度的自适应估计。此外，在环境噪声干扰越严重的情况下，信号稀疏度估计所需的采样速率越大，即实现信号稀疏度估计所需压缩观测值数目越多。
图6给出了含噪声环境下，SCI-CSS算法在信号稀疏度为4％时，不同信噪比条件下，信号稀疏系数信息检测性能比较曲线。可以看出，环境噪声干扰越严重，实现信号稀疏系数信息的准确检测的采样速率越高。在SCI-CSS算法自适应到信号稀疏度估计所需观测值数目后，信号稀疏系数信息检测概率同样接近1。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的 普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (5)

1.一种基于稀疏系数信息估计的自适应宽带频谱压缩感知方法，其特征在于：包括以下步骤：
(1)在流信号进行稀疏度未知的压缩感知时，先采集由先验信息得到的当前帧信号稀疏度估计所需的压缩观测值数目；
(2)在采集到的观测值数目上自适应调整，得到信号稀疏度估计所需的观测值数目，并精确估计信号的稀疏度；
(3)根据当前帧信号稀疏度估计来确认不丢失原信号信息所需的观测值数目；
(4)进行后续信号检测算法，完成频谱检测，做出决策。
2.如权利要求1所述的基于稀疏系数信息估计的自适应宽带频谱压缩感知方法，其特征在于：所述步骤(1)包括：
(1a)在采集观测值时，根据首帧信号和非首帧信号，分别对所需的先验信息进行选择；
(1b)对于首帧信号，直接利用信号最大稀疏度作为先验信息，来采集到所需的观测值；
(1c)对于非首帧信号，选取前一帧信号稀疏度估计值来初始化当前帧信号稀疏度估计所需的压缩观测值数目。
3.如权利要求2所述的基于稀疏系数信息估计的自适应宽带频谱压缩感知方法，其特征在于：所述步骤(1c)中，利用流信号不同帧之间由于频谱占用情况缓慢变化具有的相关性，来采集非首帧信号的观测值数目。
4.如权利要求1所述的基于稀疏系数信息估计的自适应宽带频谱压缩感知方法，其特征在于：所述步骤(2)包括：
(2a)首帧信号，采集到的信号观测值全部用于信号稀疏度估计；
(2b)非首帧信号，在采集到的观测值基础上，以Δ步长自适应增加或者减少观测值数目，直至找到信号稀疏度估计所需的观测值数目；所述步骤(2b)包括：
(2b1)在非首帧信号观测值数目自适应调整时，首先根据已采集到的观测值数目对信号频谱重构，获取信号稀疏系数信息；
(2b2)相关系数检测器根据当前帧的信号稀疏系数信息和前一帧的信号稀疏系数信息来计算相关系数，并进行相关系数判决；
(2b3)如果相关系数不满足相关系数门限值，则需要以△为步长增加或减少观测值数目，重复执行上述稀疏系数信息相关性判决，直到相关系数满足相关系数门限值条件，找到合适的观测值用于当前帧信号稀疏度估计。
5.如权利要求4所述的基于稀疏系数信息估计的自适应宽带频谱压缩感知方法，其特征在于：所述步骤(2b3)包括：
(2b31)若当前帧信号不是流信号首帧，则以前一帧信号的稀疏度估计值来初始化当前帧信号稀疏度估计所需观测值数目；
(2b32)以△为步长增加观测值数目，重构信号，获取信号稀疏系数信息，计算信号稀疏系数信息相关系数；
(2b33)以△为步长减少观测值数目，重构信号，获取信号稀疏系数信息，计算信号稀疏系数信息相关系数。
CN201510272700.0A 2015-05-25 2015-05-25 基于稀疏系数信息估计的自适应宽带频谱压缩感知方法 Expired - Fee Related CN104936190B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510272700.0A CN104936190B (zh) 2015-05-25 2015-05-25 基于稀疏系数信息估计的自适应宽带频谱压缩感知方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510272700.0A CN104936190B (zh) 2015-05-25 2015-05-25 基于稀疏系数信息估计的自适应宽带频谱压缩感知方法

Publications (2)

Publication Number Publication Date
CN104936190A CN104936190A (zh) 2015-09-23
CN104936190B true CN104936190B (zh) 2018-11-09

Family

ID=54123093

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510272700.0A Expired - Fee Related CN104936190B (zh) 2015-05-25 2015-05-25 基于稀疏系数信息估计的自适应宽带频谱压缩感知方法

Country Status (1)

Country Link
CN (1) CN104936190B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108847909B (zh) * 2018-06-14 2020-10-27 电子科技大学 一种基于压缩感知的宽带块稀疏频谱恢复方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103139828A (zh) * 2012-12-29 2013-06-05 东北大学 一种宽带频谱感知装置及方法
CN103490848A (zh) * 2012-06-13 2014-01-01 华为技术有限公司 一种稀疏度估计的方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102013104727A1 (de) * 2013-05-07 2014-11-13 Deutsche Telekom Ag Verfahren und Vorrichtungen zum Bestimmen der Position einer beweglichen Kommunikationseinrichtung

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103490848A (zh) * 2012-06-13 2014-01-01 华为技术有限公司 一种稀疏度估计的方法及装置
CN103139828A (zh) * 2012-12-29 2013-06-05 东北大学 一种宽带频谱感知装置及方法

Also Published As

Publication number Publication date
CN104936190A (zh) 2015-09-23

Similar Documents

Publication Publication Date Title
Quan et al. Optimal spectral feature detection for spectrum sensing at very low SNR
CN103347268B (zh) 认知传感器网络中基于能量有效性观测的自适应压缩重构方法
JP5717621B2 (ja) 狭帯域干渉を受けるｏｆｄｍ信号を復号する方法
CN104283825B (zh) 一种基于动态压缩感知的信道估计方法
CN109274438B (zh) 一种自适应双门限协同干扰检测方法及装置
CN106713190B (zh) 基于随机矩阵理论和特征阈值估计的mimo发射天线数目盲估计算法
Munshi et al. Performance analysis of compressive sensing based LS and MMSE channel estimation algorithm
US20080181288A1 (en) Method and system for communication channel characterization
CN107770778A (zh) 一种基于软融合策略的盲协作频谱感知方法
Arunkumar et al. Iterative sparse channel estimation and data detection for underwater acoustic communications using partial interval demodulation
CN104936190B (zh) 基于稀疏系数信息估计的自适应宽带频谱压缩感知方法
Bai et al. Impulsive noise mitigation with interleaving based on MUSIC in power line communication
US8175829B2 (en) Analyzer for signal anomalies
CN110233687B (zh) 一种多路数据信号联合判决检测方法
Zahedpour et al. Impulsive noise cancellation based on soft decision and recursion
WO2011112128A1 (en) Method and apparatus for estimating a doppler frequency
CN109150344A (zh) 一种卫星通信中成对载波多址快速频谱感知方法
CN109525521B (zh) 一种信道估计方法
KR20140095665A (ko) Ｏｆｄｍ에서 압축 센싱을 이용한 채널 추정 방법
Naiqi et al. Research of Adaptive Resolution Spectrum Sensing Method Based on Discrete Wavelet Packet Transform
Shehata et al. A novel framework for signal detection in alpha-stable interference
Zhang et al. Application of maximum entropy theorem in channel estimation
CN107222870B (zh) 针对时间异步且不存在频偏情况下的ofdm信号频谱感知方法
Sun et al. RBM based cooperative Bayesian compressive spectrum sensing with adaptive threshold
Li et al. Research on the design of highly random and consistent wireless key generation system

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

Granted publication date: 20181109

Termination date: 20200525

CF01 Termination of patent right due to non-payment of annual fee