CN105721079B - 一种基于认知无线技术的无线信道“指纹”特征使用方法 - Google Patents
一种基于认知无线技术的无线信道“指纹”特征使用方法 Download PDFInfo
- Publication number
- CN105721079B CN105721079B CN201610043728.1A CN201610043728A CN105721079B CN 105721079 B CN105721079 B CN 105721079B CN 201610043728 A CN201610043728 A CN 201610043728A CN 105721079 B CN105721079 B CN 105721079B
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- wireless
- feature
- wireless channel
- module
- 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
- 230000019771 cognition Effects 0.000 title claims abstract description 39
- 238000005516 engineering process Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000004891 communication Methods 0.000 claims abstract description 51
- 230000001149 cognitive effect Effects 0.000 claims abstract description 30
- 230000006870 function Effects 0.000 claims abstract description 19
- 238000012986 modification Methods 0.000 claims abstract description 13
- 230000004048 modification Effects 0.000 claims abstract description 13
- 230000008569 process Effects 0.000 claims abstract description 8
- 238000013459 approach Methods 0.000 claims abstract description 6
- 238000002360 preparation method Methods 0.000 claims abstract description 4
- 238000005070 sampling Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 230000003920 cognitive function Effects 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000003993 interaction Effects 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 230000000644 propagated effect Effects 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 abstract description 10
- 238000005457 optimization Methods 0.000 abstract description 2
- 230000008449 language Effects 0.000 description 4
- 230000003930 cognitive ability Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于认知无线技术的“指纹”识别使用方法，所述方法通过不同通信场景中无线信道的“指纹”识别提取参数设定，基于具有“指纹”识别功能的认知无线电体系结构模型提出，包括选取三个“指纹”识别特征参数的准备阶段、实施认知方法过程的认知阶段和对通信参数的选择进行调整的匹配调整阶段。本方法基于“离散线性系统”建模，贴近实际通信场景。该方法简单，容易扩展，有利于工程实现，不仅适用于认知无线系统中的无线信道的认知识别，提高认知无线系统的频谱利用率，还有助于移动网络的优化。
Description
技术领域
本发明涉及移动通信技术与认知无线电技术领域，特别涉及一种基于认知无线技术的无线信道“指纹”特征使用方法。
背景技术
以移动通信为主的无线通信产业近年来以惊人的速度快速发展，已经成为全球经济发展的重要引擎，对人们日常的工作和生活产生着重要影响。随着无线通信技术的发展和人们对无线业务需求的日益增长，认知无线技术以其不通过授权就可以使用频谱，使用方式灵活，频谱利用率高的特点受到广泛关注。作为一种智能无线通信技术，认知无线技术可以通过认知能力在自己工作的无线环境中捕获或感知信息。认知无线技术的认知能力不仅包括对无线环境的感知，还包括对无线环境时空变化的统计规律的分析，从而避免给其它用户带来干扰。
接收端和发射端通过电磁链路所形成的无线信道与周围环境密切相关，不同通信环境下的无线信道具有不同的特征。类比人类指纹，我们将上述无线信道的差异化的特征称为无线信道“指纹”。无线信道“指纹”特征提取，就是在先验模型和测试数据的基础上，提取不同场景或不同区域内无线信道的差异化的特征，进而分析归纳出“指纹”特征，并给出清晰准确的“数学描述”。
在认知无线技术的发展过程中，传统的认知无线技术主要集中于对感知导频信道(CPC)的研究，该技术帮助无线终端感知网络环境，辅助终端自主决策并实现网络发现和网络选择，该技术对终端要求很高，成本较高，无线网络的复杂度高，解决方案相对困难。然而，目前对于认知无线技术中的无线信道的“指纹”特征提取的研究是空白。基于认知无线技术中的无线信道的“指纹”特征的使用方法利用数学方法建模，选取适当的评价指标，从理论上分析提取“指纹”特征提取的可能性，该方法简单实用，易于扩展，有助于认知无线技术的信道感知走向实际应用。
在认知无线技术中考虑无线信道的“指纹”特征提取，挖掘分析实测信道中的各种特征，设计合适的评价参数，将提高认知无线网络利用无线信道“指纹”特征的识别认知能力。研究基于认知无线技术的无线信道的“指纹”特征使用方法，不仅有利于利用时空变化的统计规律来分析调整认知无线网络通信参数的选择(例如，载波频率，带宽和传输功率)提高频谱利用率，还将对移动通信网络的优化产生重要意义。
发明内容
本发明的目的在于针对认知无线网络系统情形，结合认知无线技术和无线信道“指纹”特征识别，提出一种基于认知无线技术的无线信道“指纹”特征使用方法。本发明不仅设计了一种新型的基于认知无线技术的无线信道“指纹”特征使用方法，还给出了一种普遍性的“指纹”特征评价参数。除此之外，还设计了一种具有“指纹”识别功能的认知无线电体系结构模型。
本发明首先通过对无线信道的信号统计分析，提取无线信道的“指纹”特征，作为不同通信场景下的无线信道的识别指标，并给出“指纹”特征合理的评价标准，然后在认知无线网络中利用所提取到的“指纹”特征，设计合理方案，避免认知无线网络接入频谱空洞时认知无线电用户对授权用户的干扰，调整通信参数选择，提高认知无线网络的频谱利用率。
为了实现上述发明目的，本发明采用的技术方案如下：
一种基于认知无线技术的无线信道“指纹”特征使用方法，基于具有“指纹”识别功能的认知无线电体系结构模型，通过该体系结构的认知方法过程来实现无线信道“指纹”特征提取，包括如下步骤：
(1)首先，利用上述“离散线性系统”模型，测试不同通信场景中无线信道的接收信号，选取设定的三个“指纹”识别特征参数作为通信场景下的无线信道的“指纹”识别指标，并进行记录与其相对应通信场景的数据，该阶段为准备阶段；
(2)然后，当认知无线网络进行新的通信场景进行信道数据传输时，提取该通信场景中的无线信道的三个“指纹”特征值，将该特征值与原来收集记录的特征值进行对比匹配，假如有原始值匹配，认定面临的新的通信场景为该原始特征值所对应的通信场景，否则，将新的“指纹”特征值进行重新收集学习记录，此即认知方法过程，该阶段为认知阶段；
(3)最后，根据上述分析，在数据匹配的前提下，利用原始数据的通信参数，对该新的通信场景的通信参数的选择进行调整，以便适应于新的通信场景的数据传输与接收，提高新场景中的频谱利用率，该阶段为匹配调整阶段。
所述三个“指纹”识别特征参数，包括两个时域参数和一个频域参数；两个时域参数分别为接收信号|r[k,n]|幅值统计范围和接收信号|p[k,n]|的统计幅值最大值及其对应的样点取值范围；频域参数为中心频率f；其中：
|r[k,n]|为第k个样点在第n时刻单位脉冲依次经过发送滤波器、信道、接收滤波器后的接收信号的绝对值；
|p[k,n]|为第k个样点在第n时刻单位脉冲依次经过发送滤波器，信道，接收滤波器后的接收信号滤除高斯白噪声后的接收信号的绝对值；
f为接收信号频域图的样本中心频率值，该参数为频域特征参数。
所述具有“指纹识别”功能的认知无线电体系结构模型以软件无线电平台和RKRL为基础，分为硬件和软件两部分；
硬件部分基于软件无线电平台的体系结构，包括顺序连接的天线、射频前端、反应器功能模块、环境传感模块、认知功能模块、匹配调整模块、基带处理和用户接口；
天线模块为接收天线模块，将无界媒介中的电磁波变换成传输线传播的导行波。射频前端保证有用的射频信号能够完整并且不失真地提取出来并输送给后级电路。反应器功能模块对有用的射频信号进行调制解调。环境传感模块对无线信道的复杂环境进行感知并根据预先设定的“指纹”特征识别指标进行信息提取。认知功能模块通过对“指纹”特征的信息学习分析，认知无线通信环境的变化。匹配调整模块利用上级认知信息，进行自适应调整自身内部的通信机理来适应无线环境的变化。基带处理模块通过通信协议控制，对调整变化的信号进行处理与储存。用户接口模块进行系统和用户之间的人机交互和信息交换，实现信息的内部形式和人类可以接受形式的转换。
本发明的优点为：本发明有益于提高认知无线网络的认知能力，尤其是提高无线信道的认知识别能力，进而提升认知无线网络的频谱利用率，有助于认知无线网络走向实际应用。本发明具有一定的实际应用背景，具有易实现，易扩展的优点。
附图说明
图1为实际无线信道示意图；
图2为本发明中具有“指纹”识别功能的认知无线电体系结构模型图；
图3为本发明基于认知无线技术的无线信道“指纹”特征使用方法的流程图。
具体实施方式
以下结合附图及实施例对本发明做进一步详细说明。
“指纹”特征参数设定
如图1所示，信号经过不同场景的无线信道，通过“离散线性系统”，对不同通信场景中接收信号的幅值统计取值范围，滤除噪声之后接收信号的统计幅值最大值及其对应的样点取值范围以及接收信号频域图的样本中心频率三个“指纹”识别数据进行记录。
由于电磁波传播信道中的多径传输现象会引起干涉延迟效应，所以采用“离散线性系统”为无线信道建模更能反映实际通信场景情况。在理想信道下，发射单位脉冲信号经附带高斯白噪声的无线信道传输后可得当前时刻的完整信道参数为：
其中k为离散信号的样点标识；n表示当前时刻；L为当前时刻路径总数；hl[n]为当前时刻第l条路径上的信道系数；τl[n]表示n时刻第l条路径延迟的样点数；δ[k]为离散信号k的单位脉冲信号；δ[k-τl[n]]表示当前时刻经过第l条路径时延的单位脉冲信号。
实际上，在发射端和接受端都会各增加一个滤波器，增添滤波器后的当前时刻信道测量结果为：
式中，r[k,n]表示第k个样点在第n时刻单位脉冲依次经过发送滤波器、信道、接收滤波器后的接收信号；n表示测试的样本标识，对应测试时刻，假设共有N个样本；h[k-m,n]表示第n时刻，与当前引入滤波器的长度计数m所对应的测试样本标示k所带来的误差的信道系数；g[m]表示滤波系数,m表示滤波器长度的计数；M为滤波器的长度，即g[m]的样点数；u[k,n]表示第n时刻第k个测试样本引入的高斯白噪声。
根据式(2)，我们可以对第k个样点在第n时刻单位脉冲依次经过发送滤波器、信道和接收滤波器后的接收信号的值取绝对值，即可得|r[k,n]|，该参数将在不同无线信道中呈现不同的统计取值范围，该参数的统计取值稳定浮动区间范围，作为第一个无线信道时域“指纹”特征参数。
令p[k,n]＝r[k,n]-u[k,n]，则p[k,n]为二维离散序列，代入式(3)得
根据公式(4)，我们可以将第k个样点在第n时刻单位脉冲依次经过发送滤波器、信道和接收滤波器后的接收信号滤除高斯白噪声后的值取绝对值，即|p[k,n]|，该取值的统计幅值最大值及其所对应的样点取值范围作为第二个无线信道时域“指纹”特征参数。
通过对r[k,n]进行傅里叶变换，我们将得到r[k,n]的二维快速傅里叶变换的频域图。在频域图中寻找不同无线信道中的样本信道中心频率，不同信道中的样本中心频率具有差异化特征，将该频率值f作为第三个“指纹”特征参数，该参数为无线信道频域的特征参数。
综上所述，我们选取三个“指纹”识别特征参数，即两个时域参数一个频域参数，作为通信场景下的无线信道的“指纹”识别指标。接收信号|r[k,n]|的幅值统计取值范围，滤除噪声之后接收信号|p[k,n]|的统计幅值最大值及其对应的样点取值范围作为两个无线信道时域“指纹”特征参数。接收信号频域图的样本中心频率f为无线信道的频域“指纹”特征参数。
构建具有“指纹”识别功能的认知无线电体系结构模型
Joseph Mitola所提出的认知无线电体系结构模型中，认知无线电是以软件无线电平台和无线电描述语言(RKRL)为基础的智能通信系统，通过无线电模块的学习和推理能力，认知射频环境，空中接口，通信协议及频谱的使用模型，并通过RKRL语言与网络进行智能交流。基于Mitola博士所提出的经典模型为基础，本发明所设计的一种具有“指纹”识别功能的认知无线电体系结构模型。
如图2所示，关于认知无线电的定义，基于认知无线电技术的具有“指纹”识别功能的认知无线电体系结构模型以软件无线电平台和RKRL为基础，分为硬件和软件两部分。
硬件部分是基于软件无线电平台的体系结构，包括顺序连接天线、射频前端、反应器功能模块、环境传感模块、认知功能模块、匹配调整模块、基带处理模块和用户接口八个部分。天线模块进行信号的接收，信号通过天线接收传输给给射频前端。射频前段将信号完整并且不失真输出传输给反应器模块。反应器模块与环境传感模块连接。环境传感模块与认知功能模块连接，将信号处理传输给匹配调整模块，这三部分主要进行信号处理和无线信道认知过程，并将处理信号通过匹配调整模块传输给基带处理模块。基带处理模块将处理后的信号传输给用户接口。
天线模块为接收天线模块，将无界媒介中的电磁波变换成传输线传播的导行波。射频前端保证有用的射频信号能够完整并且不失真地提取出来并输送给后级电路。反应器功能模块对有用的射频信号进行调制解调。环境传感模块对无线信道的复杂环境进行感知并根据预先设定的“指纹”特征识别指标进行信息提取。认知功能模块通过对“指纹”特征的信息学习分析，认知无线通信环境的变化。匹配调整模块利用上级认知信息，进行自适应调整自身内部的通信机理来适应无线环境的变化。基带处理模块通过通信协议控制，对调整变化的信号进行处理与储存。用户接口模块进行系统和用户之间的人机交互和信息交换，实现信息的内部形式和人类可以接受形式的转换。
软件部分又被分为基础软件和智能软件两部分。基础软件包括信号测试和调制解调过程，智能软件部分利用RKRL语言，实现无线信道“指纹”特征提取，使用无线电规则实现与周围无线网络的智能交流，并采用支持关于用户需要的自适应学习的方式，以便更好地提高信道通信质量。RKRL语言描述的内容包括无线传输方式，通信设备，软件模块，传输，网络，用户需求和根据用户需求而重新加载自动配置的应用方式等。
从系统功能上看，基于认知无线电技术的“指纹”特征体系结构模型是集成了各种应用模块，接口功能和认知功能的软件无线电平台，它包括多个功能模块：用户接口功能模块，反应器功能模块，环境传感模块，认知功能模块，匹配调整模块。
“指纹”特征使用方法流程
如图3所示，通过不同场景下的无线信道的“指纹”特征参数设定，将这三个参数的不同场景下所对应的取值情况作为数据记录，基于认知无线电的“指纹”识别体系模型，通过该体系结构的认知方法过程来实现无线信道“指纹”特征提取，给出具体的基于认知无线技术的无线信道“指纹”特征使用方法的流程图。
(1)首先，利用上述“离散线性系统”模型，测试不同通信场景中无线信道的接收信号，提取上述分析所得到的三个“指纹”特征值，并进行记录统计与其相对应通信场景的数据，包括|r[k,n]|，|p[k,n]|和f，该阶段为准备阶段。
(2)然后，当认知无线网络进行新的通信场景进行信道数据传输时，提取该通信场景中的无线信道的三个“指纹”特征值，将该特征值与原来收集记录的特征值进行对比匹配，假如有原始值匹配，认定面临的新的通信场景为该原始特征值所对应的通信场景，否则，将新的“指纹”特征值进行重新收集学习记录，该阶段为认知阶段。
(3)最后，根据上述分析，在数据匹配的前提下，利用原始数据的通信参数，对该新的通信场景的通信参数的选择进行调整，以便适应于新的通信场景的数据传输与接收，提高新场景中的频谱利用率，该阶段为匹配调整阶段。
Claims (3)
1.一种基于认知无线技术的无线信道“指纹”特征使用方法，其特征在于，基于具有“指纹”识别功能的认知无线电体系结构模型，通过该体系结构的认知方法过程来实现无线信道“指纹”特征提取，包括如下步骤：
( 1 )首先，利用“离散线性系统”模型，测试不同通信场景中无线信道的接收信号，选取三个“指纹”识别特征参数作为通信场景下的无线信道的“指纹”识别指标，并进行记录与其相对应通信场景的数据，为准备阶段；
( 2 )然后，当认知无线网络进行新的通信场景进行信道数据传输时，提取该通信场景中的无线信道的三个“指纹”特征值，将该特征值与原来收集记录的特征值进行对比匹配，假如有原始值匹配，认定面临的新的通信场景为原始特征值所对应的通信场景，否则，将新的“指纹”特征值进行重新收集学习记录，此即认知方法过程，为认知阶段；
( 3 )最后，在数据匹配的前提下，利用原始数据的通信参数，对该新的通信场景的通信参数的选择进行调整，以便适应于新的通信场景的数据传输与接收，提高新场景中的频谱利用率，为匹配调整阶段。
2.根据权利要求1所述的基于认知无线技术的无线信道“指纹”特征使用方法，其特征在于，所述三个“指纹”识别特征参数为两个时域参数和一个频域参数；两个时域参数分别为接收信号|r[k ,n ]|的幅值统计取值范围和接收信号|p[k ,n ]|的统计幅值最大值及其对应的样点取值范围；频域参数为中心频率f；其中|r[ k ,n ]|为第k个样点在第n时刻单位脉冲依次经过发送滤波器、信道、接收滤波器后的接收信号的绝对值；|p[ k ,n ]|为第k个样点在第n时刻单位脉冲依次经过发送滤波器，信道，接收滤波器后的接收信号滤除高斯白噪声后的接收信号的绝对值；f为接收信号频域图的样本中心频率值。
3.根据权利要求1所述的基于认知无线技术的无线信道“指纹”特征使用方法，其特征在于，所述具有“指纹识别”功能的认知无线电体系结构模型以软件无线电平台和RKRL为基础，分为硬件和软件两部分；硬件部分基于软件无线电平台的体系结构，包括顺序连接的天线，射频前端，反应器功能模块，环境传感模块，认知功能模块，匹配调整模块，基带处理和用户接口；天线模块为接收天线模块，将无界媒介中的电磁波变换成传输线传播的导行波；射频前端保证有用的射频信号能够完整并且不失真地提取出来并输送给后级电路；反应器功能模块对有用的射频信号进行调制解调；环境传感模块对无线信道的复杂环境进行感知并根据预先设定的“指纹”特征识别指标进行信息提取；认知功能模块通过对“指纹”特征的信息学习分析，认知无线通信环境的变化；匹配调整模块利用上级认知信息，进行自适应调整自身内部的通信机理来适应无线环境的变化；基带处理模块通过通信协议控制，对调整变化的信号进行处理与储存；用户接口模块进行系统和用户之间的人机交互和信息交换，实现信息的内部形式和人类可以接受形式的转换。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610043728.1A CN105721079B (zh) | 2016-01-22 | 2016-01-22 | 一种基于认知无线技术的无线信道“指纹”特征使用方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610043728.1A CN105721079B (zh) | 2016-01-22 | 2016-01-22 | 一种基于认知无线技术的无线信道“指纹”特征使用方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105721079A CN105721079A (zh) | 2016-06-29 |
| CN105721079B true CN105721079B (zh) | 2018-07-03 |
Family
ID=56153948
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610043728.1A Active CN105721079B (zh) | 2016-01-22 | 2016-01-22 | 一种基于认知无线技术的无线信道“指纹”特征使用方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105721079B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107734507A (zh) * | 2016-08-12 | 2018-02-23 | 索尼公司 | 无线场景识别装置和方法以及无线通信设备和系统 |
| CN110141259B (zh) * | 2019-06-04 | 2021-09-28 | 清华大学 | 一种基于无线通信测量认知负荷与心理压力的方法及装置 |
| CN113203754A (zh) * | 2021-05-13 | 2021-08-03 | 合肥工业大学 | 一种基于无线商用设备的材料检验方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101808327A (zh) * | 2010-03-04 | 2010-08-18 | 电子科技大学 | 无线通信中基于视觉认知的方法与系统 |
| CN103237356A (zh) * | 2013-03-29 | 2013-08-07 | 北京凯华信业科贸有限责任公司 | 基于信道质量的选择性认知接入方法 |
| EP2415316B1 (en) * | 2009-03-30 | 2015-11-11 | Motorola Solutions, Inc. | Dynamic spectrum allocation (dsa) in a communication network |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8103217B2 (en) * | 2008-06-11 | 2012-01-24 | Samsung Electronics Co., Ltd. | Apparatus and method for radio communication |
-
2016
- 2016-01-22 CN CN201610043728.1A patent/CN105721079B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2415316B1 (en) * | 2009-03-30 | 2015-11-11 | Motorola Solutions, Inc. | Dynamic spectrum allocation (dsa) in a communication network |
| CN101808327A (zh) * | 2010-03-04 | 2010-08-18 | 电子科技大学 | 无线通信中基于视觉认知的方法与系统 |
| CN103237356A (zh) * | 2013-03-29 | 2013-08-07 | 北京凯华信业科贸有限责任公司 | 基于信道质量的选择性认知接入方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105721079A (zh) | 2016-06-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Soltani et al. | More is better: Data augmentation for channel-resilient RF fingerprinting | |
| CN108764077B (zh) | 一种基于卷积神经网络的数字信号调制分类方法 | |
| CN112702294B (zh) | 一种基于深度学习的多层次特征提取的调制识别方法 | |
| CN112312457B (zh) | 一种基于复数深度残差网络的通信辐射源个体识别方法 | |
| CN109890043B (zh) | 一种基于生成式对抗网络的无线信号降噪方法 | |
| CN110166154B (zh) | 一种基于神经网络的软件无线电频谱监测识别的方法 | |
| CN105721079B (zh) | 一种基于认知无线技术的无线信道“指纹”特征使用方法 | |
| CN112770325B (zh) | 一种基于深度学习的认知车联网频谱感知方法 | |
| CN112733811B (zh) | 基于改进稠密神经网络的水声信号调制方式类间识别方法 | |
| CN110166387A (zh) | 一种基于卷积神经网络识别信号调制方式的方法及系统 | |
| CN111050315B (zh) | 一种基于多核双路网络的无线发射机识别方法 | |
| CN113343868A (zh) | 一种辐射源个体识别方法及装置、终端、存储介质 | |
| CN111027614B (zh) | 一种噪声增强射频指纹识别方法及装置 | |
| CN108924847A (zh) | 一种基于ann的认知无线电频谱预测方法及设备 | |
| An et al. | Multimodality-aided multicarrier waveform recognition in low SNR regimes based on denoised cyclic autocorrelation transformation | |
| CN105743756B (zh) | WiFi系统中基于adaboost算法的帧检测方法 | |
| CN115866615B (zh) | 一种基于电磁频谱特征的无线网络通联关系发现方法 | |
| CN111310680B (zh) | 一种基于深度学习的辐射源个体识别方法 | |
| CN117370730A (zh) | 面向无线电数字孪生的身份识别方法 | |
| CN113905383B (zh) | 一种基于射频指纹的iff信号识别方法、装置及介质 | |
| CN108600137A (zh) | 一种基于反向传播神经网络的新型多载波识别方法 | |
| Huang et al. | Radio frequency fingerprint identification method based on ensemble learning | |
| CN113242201B (zh) | 基于生成分类网络的无线信号增强解调方法及系统 | |
| Yang et al. | Conventional Neural Network‐Based Radio Frequency Fingerprint Identification Using Raw I/Q Data | |
| CN108832982A (zh) | 一种用于基站信号的时频分布调制方法 |
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 | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20160629 Assignee: Guangxi Taijiexin Technology Co.,Ltd. Assignor: GUILIN University OF ELECTRONIC TECHNOLOGY Contract record no.: X2023980044263 Denomination of invention: A Method for Using Wireless Channel "Fingerprint" Features Based on Cognitive Wireless Technology Granted publication date: 20180703 License type: Common License Record date: 20231025 |
|
| EE01 | Entry into force of recordation of patent licensing contract |