CN106341805A - 邻居设备发现方法及装置 - Google Patents

Abstract

本发明公开了一种邻居设备发现方法及装置，属于无线通信技术领域。所述方法包括：从发送设备发送的无线信号携带的各个字符中获取前导验证序列，根据该前导验证序列和预先设置的前导序列进行第一相关性计算并判断该无线信号是否携带该前导序列，若是，则从该无线信号携带的各个字符中获取身份验证序列进行第二相关性计算，并根据结果判断该发送设备是否为新的邻居设备，其中前导序列和所述已发现的邻居设备的身份序列中包含伪随机序列。本发明利用伪随机序列良好的互相关性实现较强的抗干扰能力，达到有效提高无线通信环境中邻居设备发现的准确性的目的。

Description

邻居设备发现方法及装置

技术领域

本发明涉及无线通信技术领域，特别涉及一种邻居设备发现方法及装置。

背景技术

随着移动通信和电子技术领域的不断发展，移动智能设备的功能也越来越强大，这为基于邻居发现的应用提供了广阔的发展空间。

现有的邻居设备发现方法，大多是基于信标短包(Beacon)的解码机制来实施邻居设备发现的过程。比如，每个发送设备在活跃状态下发送包含自身物理地址的Beacon包，其附近的接收设备在收到Beacon包后对其进行解码，获得该节点的MAC地址，继而完成邻居发现的过程。

在移动无线网络中，某一的通信范围内往往会有很多同时进行的无线传输流，而现有的基于Beacon的邻居设备发现方法的鲁棒性(抗干扰能力)较差，容易受到其它无线信号的干扰，邻居设备发现的准确性较低。

发明内容

为了解决相关技术中基于Beacon的邻居设备发现方法的鲁棒性较差，容易受到其它无线信号的干扰，导致邻居设备发现的准确性较低的问题，本发明实施例提供了一种邻居设备发现方法及装置。所述技术方案如下：

一方面，提供了一种邻居设备发现方法，所述方法包括：

从接收到的无线信号携带的各个字符中获取前导验证序列，所述无线信号是发送设备发送的无线信号；

根据所述前导验证序列和预先设置的前导序列进行第一相关性计算，根据所述第一相关性计算的结果判断所述无线信号是否携带所述前导序列；

若所述无线信号携带所述前导序列，则从所述无线信号携带的各个字符中获取身份验证序列；

根据所述身份验证序列和已发现的邻居设备的身份序列进行第二相关性计算，根据所述第二相关性计算的结果判断所述发送设备是否为新的邻居设备；

所述前导序列和所述已发现的邻居设备的身份序列中包含伪随机序列。

另一方面，提供了邻居设备发现装置，所述装置包括：

第一获取模块，用于从接收到的无线信号携带的各个字符中获取前导验证序列，所述无线信号是发送设备发送的无线信号；

第一计算模块，用于根据所述前导验证序列和预先设置的前导序列进行第一相关性计算；

第一判断模块，用于根据所述第一相关性计算的结果判断所述无线信号是否携带所述前导序列；

第二获取模块，用于若所述无线信号携带所述前导序列，则从所述无线信号携带的各个字符中获取身份验证序列；

第二计算模块，用于根据所述身份验证序列和已发现的邻居设备的身份序列进行第二相关性计算；

第二判断模块，用于根据所述第二相关性计算的结果判断所述发送设备是否为新的邻居设备；

所述前导序列和所述已发现的邻居设备的身份序列中包含伪随机序列。

本发明实施例提供的技术方案带来的有益效果包括：

通过从发送设备发送的无线信号携带的各个字符中获取前导验证序列，根据该前导验证序列和预先设置的前导序列进行第一相关性计算，根据该第一相关性计算的结果判断该无线信号是否携带该前导序列，若是，则从该无线信号携带的各个字符中获取身份验证序列，根据该身份验证序列和已发现的邻居设备的身份序列进行第二相关性计算，并根据该第二相关性计算的结果判断该发送设备是否为新的邻居设备，利用伪随机序列良好的互相关性实现较强的抗干扰能力，达到有效提高无线通信环境中邻居设备发现的准确性的目的。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一个实施例提供的设备的结构示意图；

图2是本发明一个实施例提供的邻居设备发现方法的流程图；

图3A是本发明另一实施例提供的邻居设备发现方法的流程图；

图3B是本发明另一实施例提供的第一相关性计算的方法流程图；

图3C是本发明另一实施例提供的第二相关性计算的方法流程图；

图3D是本发明另一实施例提供的新的邻居设备判断的方法流程图；

图4是本发明一个实施例提供的邻居设备发现装置的装置结构图；

图5是本发明另一实施例提供的邻居设备发现装置的装置结构图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

计算机架构

请参考图1，其示出了本发明一个实施例提供的设备的结构示意图。该设备可以是移动通信设备，比如智能手机、平板电脑、电子书阅读器以及智能可穿戴设备等。具体来讲：

设备100可以包括RF(Radio Frequency，射频)电路110、包括有一个或一个以上计算机可读存储介质的存储器120、输入单元130、显示单元140、传感器150、音频电路160、WiFi(wireless fidelity，无线保真)模块170、包括有一个或者一个以上处理核心的处理器180、以及电源190等部件。本领域技术人员可以理解，图1中示出的设备结构并不构成对设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：

RF电路110可用于收发信息或通话过程中，信号的接收和发送，特别地，将基站的下行信息接收后，交由一个或者一个以上处理器180处理；另外，将涉及上行的数据发送给基站。通常，RF电路110包括但不限于天线、至少一个放大器、调谐器、一个或多个振荡器、用户身份模块(SIM)卡、收发信机、耦合器、LNA(Low Noise Amplifier，低噪声放大器)、双工器等。此外，RF电路110还可以通过无线通信与网络和其他设备通信。无线通信可以使用任一通信标准或协议，包括但不限于GSM(Global System of Mobile communication，全球移动通讯系统)、GPRS(General Packet Radio Service，通用分组无线服务)、CDMA(Code Division Multiple Access，码分多址)、WCDMA(Wideband CodeDivision Multiple Access,宽带码分多址)、LTE(Long Term Evolution,长期演进)、电子邮件、SMS(Short Messaging Service，短消息服务)等。存储器120可用于存储软件程序以及模块。处理器180通过运行存储在存储器120的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器120可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据设备100的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器120可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器120还可以包括存储器控制器，以提供处理器180和输入单元130对存储器120的访问。

输入单元130可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地，输入单元130可包括触敏表面131以及其他输入设备132。触敏表面131，也称为触摸显示屏或者触控板，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面131上或在触敏表面131附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触敏表面131可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器180，并能接收处理器180发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面131。除了触敏表面131，输入单元130还可以包括其他输入设备132。具体地，其他输入设备132可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。

显示单元140可用于显示由用户输入的信息或提供给用户的信息以及设备100的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元140可包括显示面板141，可选的，可以采用LCD(Liquid Crystal Display，液晶显示器)、OLED(Organic Light-Emitting Diode,有机发光二极管)等形式来配置显示面板141。进一步的，触敏表面131可覆盖在显示面板141之上，当触敏表面131检测到在其上或附近的触摸操作后，传送给处理器180以确定触摸事件的类型，随后处理器180根据触摸事件的类型在显示面板141上提供相应的视觉输出。虽然在图1中，触敏表面131与显示面板141是作为两个独立的部件来实现输入和输入功能，但是在某些实施例中，可以将触敏表面131与显示面板141集成而实现输入和输出功能。

设备100还可包括至少一种传感器150，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板141的亮度，接近传感器可在设备100移动到耳边时，关闭显示面板141和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于设备100还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。

音频电路160、扬声器121，传声器122可提供用户与设备100之间的音频接口。音频电路160可将接收到的音频数据转换后的电信号，传输到扬声器121，由扬声器121转换为声音信号输出；另一方面，传声器122将收集的声音信号转换为电信号，由音频电路160接收后转换为音频数据，再将音频数据输出处理器180处理后，经RF电路110以发送给另一设备，或者将音频数据输出至存储器120以便进一步处理。音频电路160还可能包括耳塞插孔，以提供外设耳机与设备100的通信。

WiFi属于短距离无线传输技术，设备100通过WiFi模块170可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图1示出了WiFi模块170，但是可以理解的是，其并不属于设备100的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。

处理器180是设备100的控制中心，利用各种接口和线路连接整个设备的各个部分，通过运行或执行存储在存储器120内的软件程序和/或模块，以及调用存储在存储器120内的数据，执行设备100的各种功能和处理数据，从而对设备进行整体监控。可选的，处理器180可包括一个或多个处理核心；可选的，处理器180可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器180中。

设备100还包括给各个部件供电的电源190(比如电池)，优选的，电源可以通过电源管理系统与处理器180逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源190还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。

尽管未示出，设备100还可以包括摄像头、蓝牙模块等，在此不再赘述。

设备100还包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行。

请参考图2，其示出了本发明一个实施例提供的邻居设备发现方法的流程图。该邻居设备发现方法可以应用于图1所示的设备100中。该邻居设备发现

方法可以包括如下几个步骤：

步骤201，从接收到的无线信号携带的各个字符中获取前导验证序列，该无线信号是发送设备发送的无线信号。

步骤202，根据该前导验证序列和预先设置的前导序列进行第一相关性计算，根据该第一相关性计算的结果判断该无线信号是否携带该前导序列。

步骤203，若该无线信号携带该前导序列，则从该无线信号携带的各个字符中获取身份验证序列。

步骤204，根据该身份验证序列和已发现的邻居设备的身份序列进行第二相关性计算，根据该第二相关性计算的结果判断该发送设备是否为新的邻居设备。

其中，前导序列和已发现的邻居设备的身份序列中均包含伪随机序列。

本发明实施例所示的方案，基于伪随机序列为每一个无线设备设计前导序列和身份序列。在邻居发现过程中，发送设备发送包含前导序列和身份序列的邻居发现信号；接收设备在接收到发送设备发送的无线信号时，首先通过基于前导序列的互相关性计算判断发送设备发送的无线信号中是否包含邻居发现信息，若包含邻居发现信息，则确认该无线信号是邻居发现信号，并进一步从该无线信号中提取出身份验证序列，并基于已发现的邻居设备的身份序列做进一步的互相关计算，判断该无线设备是否为新发现的邻居设备。由于伪随机序列具有良好的互相关性，因此本发明实施例提供的邻居设备发现方法具有较强的抗干扰能力，能够有效提高无线通信环境中邻居设备发现的准确性。

综上所述，本发明实施例提供的邻居发现方法，通过从发送设备发送的无线信号携带的各个字符中获取前导验证序列，根据该前导验证序列和预先设置的前导序列进行第一相关性计算，根据该第一相关性计算的结果判断该无线信号是否携带该前导序列，若是，则从该无线信号携带的各个字符中获取身份验证序列，根据该身份验证序列和已发现的邻居设备的身份序列进行第二相关性计算，并根据该第二相关性计算的结果判断该发送设备是否为新的邻居设备，利用伪随机序列良好的互相关性实现较强的抗干扰能力，达到有效提高无线通信环境中邻居设备发现的准确性的目的。

基于上述图1所示的邻居发现方法，请参考图3A，其示出了本发明另一实施例提供的邻居设备发现方法的流程图。该邻居设备发现方法可以应用于图1所示的设备100中。该邻居设备发现方法可以包括如下几个步骤：

步骤301，接收发送设备发送的无线信号。

步骤302，将该无线信号携带的各个字符中第k-L_C+1个字符到第k个字符获取为该前导验证序列。

其中，L_c为前导序列的字符数，且k-L_C+1为正整数。

该前导序列可以是Gold码(Gold Code)序列，Gold码序列可以由两个等长的m序列优选对通过模二相加获得，该优选对是指m序列中互相关值为[－1，－t(n)，t(n)-2]的一对序列。Gold码序列具有良好的互相关性。

移动通信网络中各个设备预先设置相同的前导序列，发送设备在发送邻居发现信息时，在邻居发现信息中携带该前导序列。前导序列本身是一个0-1序列，在实际应用中，发送设备可以通过BPSK(Binary Phase Shift Keying，二进制相移键控)的调制方式得到相应的复数序列并进行发送。

步骤303，根据该前导验证序列和预先设置的前导序列进行第一相关性计算。

请参考图3B，其示出了本发明另一实施例提供的第一相关性计算的方法流程图，该第一相关性计算的方法可以包括如下步骤：

步骤303a，计算该前导验证序列与该前导序列之间的第一相关值。

在本发明实施例中，发送设备在邻居发现信息时，连续发送前导序列中的各个字符，由于前导序列的长度为L_C，因此接收设备在从发送设备发送的无线信号中解析出L_C个字符之前，并不进行相关性计算，在解析出长度为L_C个字符之后，每解析出一个新的字符，即将该字符以及该字符之前的连续L_C-1个字符按照解析的先后顺序提取为前导验证序列，每一次提取前导验证序列可以称为一次采样，上述k可以称为采样位置。

两个序列之间的相关性计算的公式可以如下：

$C({\stackrel{\→}{s}}_C,\stackrel{\→}{y},i)=\underset{j=1}{\overset{L_c}{\Σ}}({\stackrel{\→}{s}}_{Cj}^{*},{\stackrel{\→}{y}}_{i+j});$

其中，是前导序列和前导验证序列之间的相关值，为前导序列，为前导验证序列，i为相对于的偏移量，为该前导序列中第j位字符的共轭复数，为该前导验证序列中第i+j位字符。在进行第一相关性计算时，相对于的偏移量为0，即i＝0，因此，第一次相关性计算的公式可以表述如下：

$C({\stackrel{\→}{s}}_C,\stackrel{\→}{y},0)=\underset{j=1}{\overset{L_c}{\Σ}}({\stackrel{\→}{s}}_{Cj}^{*},{\stackrel{\→}{y}}_j);$

其中，为该前导验证序列中第j位字符，为该第一相关值。

步骤303b，读取该第一相关值的历史平均值。

该历史平均值是本次采样之前的历次采样过程中计算出的，前导验证序列和前导序列之间的相关值的平均值，发送终端在每次进行第一相关性计算之后即对该历史平均值进行更新，直至确定出该无线信号中包含前导序列，或者该无线信号全部解析完成，其更新公式如下：

$c\left(k\right)=(1-\frac{1}{L_c})c(k-1)+\frac{1}{L_c}C({\stackrel{\→}{s}}_C,\stackrel{\→}{y},0);$

其中，c(k)为本次第一相关性计算之后的历史平均值，c(k-1)为本次第一相关性计算之前的历史平均值。

步骤303c，根据该第一相关值以及该历史平均值计算该无线信号对应的信干噪比。

在不同的干扰信号强度下，用于判断前导序列的阈值大小也不相同，所以阈值的计算必须以信干噪比的估测为基础。一方面，所收到复数符号的实虚部平方和，即其自相关值，可以代表收到信号的总能量水平；另一方面，上述收到信号与已知的前导序列的互相关计算结果可以用来估测收到信号中前导序列的信号强度。因此，该信干噪比的计算公式可以如下：

${\mathrm{SINR}}_c=\frac{\left|C({\stackrel{\→}{s}}_C,\stackrel{\→}{y},0)\right|-c\left(k-1\right)}{C(\stackrel{\→}{y},\stackrel{\→}{y},0)-\left|C({\stackrel{\→}{s}}_C,\stackrel{\→}{y},0)\right|+c\left(k-1\right)},C(\stackrel{\→}{y},\stackrel{\→}{y},0)=\underset{j=1}{\overset{L_c}{\Σ}}({\stackrel{\→}{y}}_j^{*},{\stackrel{\→}{y}}_j);$

其中，SINR_c为该信干噪比，为该前导验证序列中第j位字符的共轭复数，为该前导验证序列中第j位字符。

步骤303d，判断该信干噪比是否大于预设阈值，若是，进入步骤303e，否则返回步骤302，将k加1，进入下一次采样。

考虑到当所收到信号中不包含邻居发现信息时，互相关计算的结果应该与历史平均值近似，所以只有信干噪比SINR_c的值足够大时，才需要进行阈值判断。在实际应用中，可以将信干扰噪比的门限定为-10dB，这样可以保证较高的鲁棒性，同时不引入过高的假阳性侦测概率，即设置该预设阈值为-10dB。

步骤303e，根据该第一相关值、该历史平均值以及该信干噪比计算第一判断阈值T_C。

该第一判断阈值T_C的计算公式如下：

$Tc={\mathrm{\β}}_1\sqrt{L_c\frac{{\left(\right|C({\stackrel{\→}{s}}_C,\stackrel{\→}{y},0)|-c(k-1\left)\right)}^2}{{\mathrm{SINR}}_c}}+{\mathrm{\β}}_{2}c(k-1);$

其中，β₁和β₂为预设值。在实际应用中，根据L_C的不同，β₁需要取不同的值。例如，对于L_C为63、127和255的三种情况，β₁分别可以取0.05、0.03和0.017。另外，β₂可以根据所收到信号的总能量水平的不同，在区间[0.5,3.5]内进行取值，且信号总能量水平越高，β₂的值越小。

步骤304，根据第一相关性计算的结果判断该无线信号是否携带前导序列，若是，进入步骤305，否则返回步骤302。

具体的，在本发明实施例中，可以判断该第一判断阈值T_C是否大于该第一相关值，若该第一判断阈值大于该第一相关值，则确定该无线信号携带该前导序列，进入步骤305，否则返回步骤302，将k加1，进入下一次采样。

步骤305，将该无线信号携带的各个字符中第k个字符之后的连续L₁+L₂个字符获取为身份验证序列，该身份验证序列中的前L₁个字符为第一层身份验证序列，后L₂个字符为第二层身份验证序列。

其中，L₁和L₂为正整数。该第一层身份验证序列由该发送设备对预先设置的基准身份序列进行随机循环移位获得；该第二层身份验证序列由该发送设备根据该发送设备的设备标识生成。

与前导序列类似的，移动通信网络中各个设备预先设置相同的基准身份序列，该基准身份序列也可以为Gold码序列。不同的是，各个设备对该基准身份序列进行随机位数的循环移位，获得自己的第一层身份序列；比如，基准身份序列为：

$(a_1,a_2,a_3,......,a_{L_1-1},a_{L_1});$

经过一位循环移位后，获得的序列为：

$(a_{L_1},a_1,a_2,......,a_{L_1-2},a_{L_1-1});$

经过两位循环移位后，获得的序列为：

$(a_{L_1-1},a_{L_1},a_1,......,a_{L_1-3},a_{L_1-2});$

以此类推……

此外，各个设备还对自身的标识，比如MAC地址，进行哈希计算获得自己的第二层身份序列。在发送邻居发现信息时，发送设备在前导序列之后紧接着依次发送第一层身份序列和第二层身份序列，该第一层身份序列和第二层身份序列也可以通过BPSK方式进行调制后得到相应的复数序列并进行发送。

接收设备在某一次进行第一相关性计算后确定发送设备发送的无线信号中包含前导序列之后，将紧随其后的L₁+L₂个字符分别获取为该发送设备的第一身份验证序列和第二身份验证序列。

步骤306，根据该身份验证序列和已发现的邻居设备的身份序列进行第二相关性计算。

接收设备根据第一身份验证序列和第二身份验证序列与已发现的邻居设备的身份序列进行第二相关性计算，以确定该发送设备是否为新的邻居设备。请参考图3C，其示出了本发明另一实施例提供的第二相关性计算的方法流程图：

步骤306a，计算该第一层身份验证序列与该预先设置的身份序列之间的第二相关值和第三相关值。

其中，该第二相关值为该第一层身份验证序列与各个可用的身份序列之间的相关值中的最大值，该第三相关值为该第一层身份验证序列与各个可用的身份序列之间的相关值的平均值；该各个可用的身份序列是对该基准身份序列按照各个偏移量进行循环移位获得的序列。

在计算第二相关值时，接收设备将从发送设备发送的无线信号中解析出的第一层身份验证序列与每一种可用的身份序列分别进行相关性计算，获得L₁个相关值，其中最大的一个相关值就是第二相关值，可以认为该第一层身份验证序列相对于基准身份序列的偏移量与该第二相关值对应的可用的身份序列相对于该基准身份序列的偏移量相同，即该第一层身份验证序列与该第二相关值对应的可用的身份序列是相同的序列。此外，接收设备还将该L₁个相关值的平均值获取为第三相关值。

其中，接收设备将第一层身份验证序列与每一种可用的身份序列分别进行相关性计算的公式可以如下：

$C(\stackrel{\→}{y},{\stackrel{\→}{y}}_1,i)=\underset{j=1}{\overset{L_1}{\Σ}}({\stackrel{\→}{y}}_j^{*},{\stackrel{\→}{y}}_{1(i+j)});$

其中，为该第一层身份验证序列与对该基准身份序列按照偏移量i进行循环移位获得的序列之间的相关值，i在0～L₁-1的范围内进行取值，为基准身份序列，为第一层身份验证序列，为该基准身份序列中第j位字符的共轭复数，为该第一层身份验证序列的第i+j位字符。

步骤306b，根据该第二相关值和该第三相关值计算第二判断阈值T₁。

该第二判断阈值T₁的计算公式如下：

$T_1={\mathrm{\β}}_1\sqrt{L_1\frac{{\left(C_{\max }-C_{avg}\right)}^2}{{\mathrm{SINR}}_1}}+{\mathrm{\β}}_2{C}_{avg},{\mathrm{SINR}}_1=\frac{\left|C_{\max }\right|-C_{avg}}{C\left({\stackrel{\→}{y}}_1,{\stackrel{\→}{y}}_1,0\right)-\left|C_{\max }\right|+C_{avg}},C\left({\stackrel{\→}{y}}_1,{\stackrel{\→}{y}}_1,0\right)=\underset{j=1}{\overset{L_1}{\Σ}}\left({\stackrel{\→}{y}}_{1j}^{*},{\stackrel{\→}{y}}_{1j}\right);$

其中，β1和β2为预设值，C_max为该第二相关值，C_avg为该第三相关值，为该第一层身份验证序列中第j位字符的共轭复数，为该第一层身份验证序列中第j位字符。

步骤307，根据第二相关性计算的结果判断发送设备是否为新的邻居设备，若是，进入步骤308，否则结束。

请参考图3D，其示出了本发明另一实施例提供的新的邻居设备判断的方法流程图，该方法包括如下步骤：

步骤307a，判断该第二判断阈值是否大于该第二相关值。若是，进入步骤307b，否则，返回步骤302，将k加1，进入下一次采样。

若第二判断阈值大于该第二相关值，则说明信干噪比SINR₁符合要求，可以进行后续步骤，否则说明信干噪比SINR₁不符合要求，返回步骤302继续进行采样及后续计算。

步骤307b，获取该第二相关值对应的可用的身份序列相对于该基准身份序列的偏移量d_max以及该已发现的邻居设备中的各个设备的第一层身份序列各自相对于该基准身份序列的偏移量的集合D。

步骤307c，判断d_max是否属于D。若是，进入步骤307e，否则，进入步骤307d。

步骤307d，确定该发送设备为新的邻居设备。

若d_max不属于D，则说明已发现的邻居设备中，各个设备的第一层身份序列相对于基准身份序列的偏移量与该发送设备的第一层身份序列相对于基准身份序列的偏移量都不相同，该发送设备必然不是已发现的邻居设备中的任何一个，此时可以确定该发送设备是一个新的邻居设备。

步骤307e，获取该已发现的邻居设备中，第一层身份序列相对于该基准身份序列的偏移量为d_max的各个设备对应的第二层身份序列。

若d_max属于D，则说明已发现的邻居设备中，有一个或者多个设备的第一层身份序列相对于基准身份序列的偏移量与该发送设备的第一层身份序列相对于基准身份序列的偏移量相同，此时并不能确定该发送设备是否是已发现的邻居设备中的一个，还需要基于第二层身份验证序列进行进一步的验证。

步骤307f，计算获取到的各个该第二层身份序列各自与该发送设备的第二层身份验证序列之间的相关值C_s。

其中，相关值C_s的计算方式与上述第一次相关性计算类似，即该第二层身份验证序列相对于获取到的各个该第二层身份序列的偏移量为0。

步骤307g，对于该已发现的邻居设备中，第一层身份验证序列相对于该基准身份序列的偏移量为d_max的各个设备中的每一个已发现设备，根据该获取到的各个该第二层身份序列各自与该发送设备的第二层身份验证序列之间的相关值C_s计算第三判断阈值T₂。

该第三判断阈值T₂的计算公式如下：

$T_2={\mathrm{\β}}_1\sqrt{L_2\frac{{\left(C_s-C_t\right)}^2}{{\mathrm{SINR}}_2}}+{\mathrm{\β}}_2{C}_t,{\mathrm{SINR}}_2=\frac{\left|C_s\right|-C_t}{C\left({\stackrel{\→}{y}}_2,{\stackrel{\→}{y}}_2,0\right)-\left|C_s\right|+C_t},C\left({\stackrel{\→}{y}}_2,{\stackrel{\→}{y}}_2,0\right)=\underset{j=1}{\overset{L_2}{\Σ}}\left({\stackrel{\→}{y}}_{2j}^{*},{\stackrel{\→}{y}}_{2j}\right);$

其中，C_t为获取到的各个该第二层身份序列各自与该发送设备的第二层身份验证序列之间的相关值C_s的平均值，为该第二层身份验证序列中第j位字符的共轭复数，为该第二层身份验证序列中第j位字符。

步骤307h，判断该第三判断阈值T₂是否大于该已发现设备对应的相关值C_s。

其中，若第三判断阈值T₂不大于该已发现设备对应的相关值C_s，则说明该发送设备的第二层身份验证序列与该已发现设备的第二层身份序列的相关性较低，即该发送设备与该已发现设备不是同一个设备。

步骤307i，若该每一个已发现设备对应的第三判断阈值T₂都不大于各自对应的相关值C_s，则确定该发送设备为新的邻居设备。

若每一个已发现设备对应的第三判断阈值T₂都不大于各自对应的相关值C_s，则说明该发送设备的第二层身份验证序列与各个已发现的邻居设备中任一设备的第二层身份序列之间的相关性都比较低，即该发送设备不是已发现的邻居设备中的任何一个设备。

步骤308，将该发送设备添加为已发现的邻居设备，并将该第一层身份验证序列和第二层身份验证序列分别存储为该发送设备的第一层身份序列和第二层身份序列。

综上所述，本发明实施例提供的邻居发现方法，通过从发送设备发送的无线信号携带的各个字符中获取前导验证序列，根据该前导验证序列和预先设置的前导序列进行第一相关性计算，根据该第一相关性计算的结果判断该无线信号是否携带该前导序列，若是，则从该无线信号携带的各个字符中获取身份验证序列，根据该身份验证序列和已发现的邻居设备的身份序列进行第二相关性计算，并根据该第二相关性计算的结果判断该发送设备是否为新的邻居设备，利用伪随机序列良好的互相关性实现较强的抗干扰能力，达到有效提高无线通信环境中邻居设备发现的准确性的目的。

此外，本发明实施例提供的邻居发现方法，为每一个设备设计双层身份序列，当发送设备的第一层身份验证序列相对于基准身份序列的偏移量与已发现的邻居设备中的一个或多个设备的第一层身份序列相对于该基准身份序列的偏移量相同时，还可以通过基于第二层身份验证序列的互相关性计算来确定该发送设备是否是新的邻居设备，进一步提高邻居发现的准确性。

下述为本发明装置实施例，可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节，请参照本发明方法实施例。

请参考图4，其示出了本发明一个实施例提供的邻居发现装置的结构方框图。该邻居发现装置可以实现为图1所示实施环境中的设备100的全部或者部分。该邻居发现装置可以包括：

第一获取模块401，用于从接收到的无线信号携带的各个字符中获取前导验证序列，所述无线信号是发送设备发送的无线信号；

第一计算模块402，用于根据所述前导验证序列和预先设置的前导序列进行第一相关性计算；

第一判断模块403，用于根据所述第一相关性计算的结果判断所述无线信号是否携带所述前导序列；

第二获取模块404，用于若所述第一判断模块403判断出所述无线信号携带所述前导序列，则从所述无线信号携带的各个字符中获取身份验证序列；

第二计算模块405，用于根据所述身份验证序列和已发现的邻居设备的身份序列进行第二相关性计算；

第二判断模块406，用于根据所述第二相关性计算的结果判断所述发送设备是否为新的邻居设备；

所述前导序列和所述已发现的邻居设备的身份序列中包含伪随机序列。

综上所述，本发明实施例提供的邻居发现装置，通过从发送设备发送的无线信号携带的各个字符中获取前导验证序列，根据该前导验证序列和预先设置的前导序列进行第一相关性计算，根据该第一相关性计算的结果判断该无线信号是否携带该前导序列，若是，则从该无线信号携带的各个字符中获取身份验证序列，根据该身份验证序列和已发现的邻居设备的身份序列进行第二相关性计算，并根据该第二相关性计算的结果判断该发送设备是否为新的邻居设备，利用伪随机序列良好的互相关性实现较强的抗干扰能力，达到有效提高无线通信环境中邻居设备发现的准确性的目的。

请参考图5，其示出了本发明另一实施例提供的邻居发现装置的结构方框图。该邻居发现装置可以实现为图1所示实施环境中的设备100的全部或者部分。该邻居发现装置可以包括：

第一获取模块401，用于从接收到的无线信号携带的各个字符中获取前导验证序列，所述无线信号是发送设备发送的无线信号；

第一计算模块402，用于根据所述前导验证序列和预先设置的前导序列进行第一相关性计算；

第一判断模块403，用于根据所述第一相关性计算的结果判断所述无线信号是否携带所述前导序列；

第二获取模块404，用于若所述第一判断模块403判断出所述无线信号携带所述前导序列，则从所述无线信号携带的各个字符中获取身份验证序列；

第二计算模块405，用于根据所述身份验证序列和已发现的邻居设备的身份序列进行第二相关性计算；

第二判断模块406，用于根据所述第二相关性计算的结果判断所述发送设备是否为新的邻居设备；

所述前导序列和所述已发现的邻居设备的身份序列中包含伪随机序列。

可选的，所述第一获取模块401，用于将所述无线信号携带的各个字符中第k-L_C+1个字符到第k个字符获取为所述前导验证序列，L_c为所述前导序列的字符数，且k-L_C+1为正整数。

可选的，所述第一计算模块402，包括：

第一计算单元402a，用于计算所述前导验证序列与所述前导序列之间的第一相关值；

读取单元402b，用于读取所述第一相关值的历史平均值；

第二计算单元402c，用于根据所述第一相关值以及所述历史平均值计算所述无线信号对应的信干噪比；

第三计算单元402d，用于根据所述第一相关值、所述历史平均值以及所述信干噪比计算第一判断阈值T_C；

所述第一判断模块403，包括：

第一判断单元403a，用于判断所述第一判断阈值T_C是否大于所述第一相关值；

第一确定单元403b，用于若所述第一判断阈值T_C大于所述第一相关值，则确定所述无线信号携带所述前导序列；

所述第一判断阈值T_C的计算公式如下：

$Tc={\mathrm{\β}}_1\sqrt{L_c\frac{{\left(\right|C({\stackrel{\→}{s}}_C,\stackrel{\→}{y},0)|-c(k-1\left)\right)}^2}{{\mathrm{SINR}}_c}}+{\mathrm{\β}}_{2}c(k-1);$

其中，β1和β2为预设值，为所述第一相关值，c(k-1)为所述历史平均值，SINR_c为所述信干噪比。

所述第一计算模块402，还包括：

第二判断单元402e，用于在所述第三计算单元根据所述第一相关值、所述历史平均值以及所述信干噪比计算第一判断阈值T_C之前，判断所述信干噪比是否大于预设阈值；

所述第三计算单元402d，用于若所述第二判断单元402e判断出所述信干噪比大于所述预设阈值，则执行所述根据所述第一相关值、所述历史平均值以及所述信干噪比计算第一判断阈值T_C的步骤。

可选的，所述装置还包括：

更新模块407，用于将所述历史平均值由c(k-1)更新为c(k)；

$c\left(k\right)=(1-\frac{1}{L_c})c(k-1)+\frac{1}{L_c}C({\stackrel{\→}{s}}_C,\stackrel{\→}{y},0).$

可选的，所述第一计算单元402a，用于根据下列公式计算所述第一相关值：

$C({\stackrel{\→}{s}}_C,\stackrel{\→}{y},0)=\underset{j=1}{\overset{L_c}{\Σ}}({\stackrel{\→}{s}}_{Cj}^{*},{\stackrel{\→}{y}}_j);$

其中，为所述前导序列中第j位字符的共轭复数，为所述前导验证序列中第j位字符。

可选的，所述第二计算单元402c，用于根据下列公式计算所述信干噪比：

${\mathrm{SINR}}_c=\frac{\left|C({\stackrel{\→}{s}}_C,\stackrel{\→}{y},0)\right|-c(k-1)}{C(\stackrel{\→}{y},\stackrel{\→}{y},0)-\left|C({\stackrel{\→}{s}}_C,\stackrel{\→}{y},0)\right|+c(k-1)},C(\stackrel{\→}{y},\stackrel{\→}{y},0)=\underset{j=1}{\overset{L_c}{\Σ}}({\stackrel{\→}{y}}_j^{*},{\stackrel{\→}{y}}_j)$

其中，为所述前导验证序列中第j位字符的共轭复数，为所述前导验证序列中第j位字符。

可选的，所述第二获取模块404，用于将所述无线信号携带的各个字符中第k个字符之后的连续L₁+L₂个字符获取为所述身份验证序列，L₁和L₂为正整数；

其中，所述身份验证序列中的前L₁个字符为第一层身份验证序列，所述第一层身份验证序列由所述发送设备对预先设置的基准身份序列进行随机循环移位获得；所述身份验证序列中的后L₂个字符为第二层身份验证序列，所述第二层身份验证序列由所述发送设备根据所述发送设备的设备标识生成。

可选的，所述第二计算模块405，包括：

第四计算单元405a，用于计算所述第一层身份验证序列与所述预先设置的身份序列之间的第二相关值和第三相关值；所述第二相关值为所述第一层身份验证序列与各个可用的身份序列之间的相关值中的最大值，所述第三相关值为所述第一层身份验证序列与各个可用的身份序列之间的相关值的平均值；所述各个可用的身份序列是对所述基准身份序列按照各个偏移量进行循环移位获得的序列；

第五计算单元405b，用于根据所述第二相关值和所述第三相关值计算第二判断阈值；

第三判断单元405c，用于判断所述第二判断阈值是否大于所述第二相关值T₁；

第一获取单元405d，用于若所述第三判断单元405c判断出所述第二判断阈值T₁大于所述第二相关值，则获取所述第二相关值对应的可用的身份序列相对于所述基准身份序列的偏移量d_max以及所述已发现的邻居设备中的各个设备的第一层身份序列各自相对于所述基准身份序列的偏移量的集合D；

所述第二判断模块406，包括：

第四判断单元406a，用于判断d_max是否属于D；

第二确定单元406b，用于若d_max不属于D，则确定所述发送设备为新的邻居设备；

所述第二判断阈值T₁的计算公式如下：

$T_1={\mathrm{\β}}_1\sqrt{L_1\frac{{\left(C_{\max }-C_{avg}\right)}^2}{{\mathrm{SINR}}_1}}+{\mathrm{\β}}_2{C}_{avg},{\mathrm{SINR}}_1=\frac{\left|C_{\max }\right|-C_{avg}}{C\left({\stackrel{\→}{y}}_1,{\stackrel{\→}{y}}_1,0\right)-\left|C_{\max }\right|+C_{avg}},C\left({\stackrel{\→}{y}}_1,{\stackrel{\→}{y}}_1,0\right)=\underset{j=1}{\overset{L_1}{\Σ}}\left({\stackrel{\→}{y}}_{1j}^{*},{\stackrel{\→}{y}}_{1j}\right);$

其中，β1和β2为预设值，C_max为所述第二相关值，C_avg为所述第三相关值，为所述第一层身份验证序列中第j位字符的共轭复数，为所述第一层身份验证序列中第j位字符。

可选的，所述第二判断模块406，还包括：

第二获取单元406c，用于若d_max属于D，则获取所述已发现的邻居设备中，第一层身份序列相对于所述基准身份序列的偏移量为d_max的各个设备对应的第二层身份序列；

第六计算单元406d，用于计算所述第二获取单元获取到的各个所述第二层身份序列各自与所述发送设备的第二层身份验证序列之间的相关值C_s；

第七计算单元406e，用于对于所述已发现的邻居设备中，第一层身份序列相对于所述基准身份序列的偏移量为d_max的各个设备中的每一个已发现设备，根据所述第二获取单元获取到的各个所述第二层身份序列各自与所述发送设备的第二层身份验证序列之间的相关值C_s计算第三判断阈值T₂；

第五判断单元406f，用于判断所述第三判断阈值T₂是否不大于所述已发现设备对应的相关值C_s；

第三确定单元406g，用于若所述每一个已发现设备对应的第三判断阈值T₂都不大于各自对应的相关值C_s，则确定所述发送设备为新的邻居设备；

所述第三判断阈值T₂的计算公式如下：

$T_2={\mathrm{\β}}_1\sqrt{L_2\frac{{\left(C_s-C_t\right)}^2}{{\mathrm{SINR}}_2}}+{\mathrm{\β}}_2{C}_t,{\mathrm{SINR}}_2=\frac{\left|C_s\right|-C_t}{C\left({\stackrel{\→}{y}}_2,{\stackrel{\→}{y}}_2,0\right)-\left|C_s\right|+C_t},C\left({\stackrel{\→}{y}}_2,{\stackrel{\→}{y}}_2,0\right)=\underset{j=1}{\overset{L_2}{\Σ}}\left({\stackrel{\→}{y}}_{2j}^{*},{\stackrel{\→}{y}}_{2j}\right);$

其中，C_t为所述第二获取单元获取到的各个所述第二层身份序列各自与所述发送设备的第二层身份验证序列之间的相关值C_s的平均值，为所述第二层身份验证序列中第j位字符的共轭复数，为所述第二层身份验证序列中第j位字符。

综上所述，本发明实施例提供的邻居发现装置，通过从发送设备发送的无线信号携带的各个字符中获取前导验证序列，根据该前导验证序列和预先设置的前导序列进行第一相关性计算，根据该第一相关性计算的结果判断该无线信号是否携带该前导序列，若是，则从该无线信号携带的各个字符中获取身份验证序列，根据该身份验证序列和已发现的邻居设备的身份序列进行第二相关性计算，并根据该第二相关性计算的结果判断该发送设备是否为新的邻居设备，利用伪随机序列良好的互相关性实现较强的抗干扰能力，达到有效提高无线通信环境中邻居设备发现的准确性的目的。

此外，本发明实施例提供的邻居发现装置，为每一个设备设计双层身份序列，当发送设备的第一层身份验证序列相对于基准身份序列的偏移量与已发现的邻居设备中的一个或多个设备的第一层身份序列相对于该基准身份序列的偏移量相同时，还可以通过基于第二层身份验证序列的互相关性计算来确定该发送设备是否是新的邻居设备，进一步提高邻居发现的准确性。

需要说明的是：上述实施例提供的邻居发现装置在进行邻居发现时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的邻居发现装置和邻居发现方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

应当理解的是，在本文中使用的，除非上下文清楚地支持例外情况，单数形式“一个”(“a”、“an”、“the”)旨在也包括复数形式。还应当理解的是，在本文中使用的“和/或”是指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (22)

1.一种邻居设备发现方法，其特征在于，所述方法包括：

从接收到的无线信号携带的各个字符中获取前导验证序列，所述无线信号是发送设备发送的无线信号；

根据所述前导验证序列和预先设置的前导序列进行第一相关性计算，根据所述第一相关性计算的结果判断所述无线信号是否携带所述前导序列；

若所述无线信号携带所述前导序列，则从所述无线信号携带的各个字符中获取身份验证序列；

根据所述身份验证序列和已发现的邻居设备的身份序列进行第二相关性计算，根据所述第二相关性计算的结果判断所述发送设备是否为新的邻居设备；

所述前导序列和所述已发现的邻居设备的身份序列中包含伪随机序列。

2.根据权利要求1所述的方法，其特征在于，所述从所述无线信号携带的各个字符中获取前导验证序列，包括：

将所述无线信号携带的各个字符中第k-L_C+1个字符到第k个字符获取为所述前导验证序列，L_c为所述前导序列的字符数，且k-L_C+1为正整数。

3.根据权利要求2所述的方法，其特征在于，所述根据所述前导验证序列和预先设置的前导序列进行第一相关性计算，根据所述第一相关性计算的结果判断所述无线信号是否携带所述前导序列，包括：

计算所述前导验证序列与所述前导序列之间的第一相关值；

读取所述第一相关值的历史平均值；

根据所述第一相关值以及所述历史平均值计算所述无线信号对应的信干噪比；

根据所述第一相关值、所述历史平均值以及所述信干噪比计算第一判断阈值T_C；

判断所述第一判断阈值T_C是否大于所述第一相关值；

若所述第一判断阈值T_C大于所述第一相关值，则确定所述无线信号携带所述前导序列；

所述第一判断阈值T_C的计算公式如下：

$Tc={\mathrm{\β}}_1\sqrt{L_c\frac{{\left(\right|C({\stackrel{\→}{s}}_C,\stackrel{\→}{y},0)|-c(k-1\left)\right)}^2}{{\mathrm{SINR}}_c}}+{\mathrm{\β}}_{2}c(k-1);$

其中，β1和β2为预设值，为所述第一相关值，c(k-1)为所述历史平均值，SINR_c为所述信干噪比。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

在根据所述第一相关值、所述历史平均值以及所述信干噪比计算第一判断阈值T_C之前，判断所述信干噪比是否大于预设阈值；

若所述信干噪比大于所述预设阈值，则执行所述根据所述第一相关值、所述历史平均值以及所述信干噪比计算第一判断阈值T_C的步骤。

5.根据权利要求3或4所述的方法，其特征在于，所述方法还包括：

将所述历史平均值由c(k-1)更新为c(k)；

$c\left(k\right)=(1-\frac{1}{L_c})c(k-1)+\frac{1}{L_c}C({\stackrel{\→}{s}}_C,\stackrel{\→}{y},0).$

6.根据权利要求3或4所述的方法，其特征在于，所述计算所述前导验证序列与所述前导序列之间的第一相关值，包括：

根据下列公式计算所述第一相关值：

$C({\stackrel{\→}{s}}_C,\stackrel{\→}{y},0)=\underset{j=1}{\overset{L_c}{\Σ}}({\stackrel{\→}{s}}_{Cj}^{*},{\stackrel{\→}{y}}_j);$

其中，为所述前导序列中第j位字符的共轭复数，为所述前导验证序列中第j位字符。

7.根据权利要求3或4所述的方法，其特征在于，所述根据所述第一相关值以及所述历史平均值计算所述无线信号对应的信干噪比，包括：

根据下列公式计算所述信干噪比：

${\mathrm{SINR}}_c=\frac{\left|C({\stackrel{\→}{s}}_C,\stackrel{\→}{y},0)\right|-c(k-1)}{C(\stackrel{\→}{y},\stackrel{\→}{y},0)-\left|C({\stackrel{\→}{s}}_C,\stackrel{\→}{y},0)\right|+c(k-1)},$ $C(\stackrel{\→}{y},\stackrel{\→}{y},0)=\underset{j=1}{\overset{L_c}{\Σ}}({\stackrel{\→}{y}}_j^{*},{\stackrel{\→}{y}}_j)$

其中，为所述前导验证序列中第j位字符的共轭复数，为所述前导验证序列中第j位字符。

8.根据权利要求2所述的方法，其特征在于，所述从所述无线信号携带的各个字符中获取身份验证序列，包括：

将所述无线信号携带的各个字符中第k个字符之后的连续L₁+L₂个字符获取为所述身份验证序列，L₁和L₂为正整数；

其中，所述身份验证序列中的前L₁个字符为第一层身份验证序列，所述第一层身份验证序列由所述发送设备对预先设置的基准身份序列进行随机循环移位获得；所述身份验证序列中的后L₂个字符为第二层身份验证序列，所述第二层身份验证序列由所述发送设备根据所述发送设备的设备标识生成。

9.根据权利要求8所述的方法，其特征在于，所述根据所述身份验证序列和已发现的邻居设备的身份序列进行第二相关性计算，根据所述第二相关性计算的结果判断所述发送设备是否为新的邻居设备，包括：

计算所述第一层身份验证序列与所述预先设置的身份序列之间的第二相关值和第三相关值；所述第二相关值为所述第一层身份验证序列与各个可用的身份序列之间的相关值中的最大值，所述第三相关值为所述第一层身份验证序列与各个可用的身份序列之间的相关值的平均值；所述各个可用的身份序列是对所述基准身份序列按照各个偏移量进行循环移位获得的序列；

根据所述第二相关值和所述第三相关值计算第二判断阈值；

判断所述第二判断阈值是否大于所述第二相关值T₁；

若所述第二判断阈值T₁大于所述第二相关值，则获取所述第二相关值对应的可用的身份序列相对于所述基准身份序列的偏移量d_max以及所述已发现的邻居设备中的各个设备的第一层身份序列各自相对于所述基准身份序列的偏移量的集合D；

判断d_max是否属于D；

若d_max不属于D，则确定所述发送设备为新的邻居设备；

所述第二判断阈值T₁的计算公式如下：

$T_1={\mathrm{\β}}_1\sqrt{L_1\frac{{(C_{max}-C_{avg})}^2}{{\mathrm{SINR}}_1}}+{\mathrm{\β}}_2{C}_{avg},$ ${\mathrm{SINR}}_1=\frac{\left|C_{max}\right|-C_{avg}}{C({\stackrel{\→}{y}}_1,{\stackrel{\→}{y}}_1,0)-\left|C_{max}\right|+C_{avg}},$ $C({\stackrel{\→}{y}}_1,{\stackrel{\→}{y}}_1,0)=\underset{j=1}{\overset{L_1}{\Σ}}({\stackrel{\→}{y}}_{1j}^{*},{\stackrel{\→}{y}}_{1j});$

其中，β1和β2为预设值，C_max为所述第二相关值，C_avg为所述第三相关值，为所述第一层身份验证序列中第j位字符的共轭复数，为所述第一层身份验证序列中第j位字符。

10.根据权利要求9所述的方法，其特征在于，所述方法还包括：

若d_max属于D，则获取所述已发现的邻居设备中，第一层身份验证序列相对于所述基准身份序列的偏移量为d_max的各个设备对应的第二层身份序列；

计算获取到的各个所述第二层身份序列各自与所述发送设备的第二层身份验证序列之间的相关值C_s；

对于所述已发现的邻居设备中，第一层身份序列相对于所述基准身份序列的偏移量为d_max的各个设备中的每一个已发现设备，根据所述获取到的各个所述第二层身份序列各自与所述发送设备的第二层身份验证序列之间的相关值C_s计算第三判断阈值T₂；

判断所述第三判断阈值T₂是否大于所述已发现设备对应的相关值C_s；

若所述每一个已发现设备对应的第三判断阈值T₂都不大于各自对应的相关值C_s，则确定所述发送设备为新的邻居设备；

所述第三判断阈值T₂的计算公式如下：

$T_2={\mathrm{\β}}_1\sqrt{L_2\frac{{(C_s-C_t)}^2}{{\mathrm{SINR}}_2}}+{\mathrm{\β}}_2{C}_t,$ ${\mathrm{SINR}}_2=\frac{\left|C_s\right|-C_t}{C({\stackrel{\→}{y}}_2,{\stackrel{\→}{y}}_2,0)-\left|C_s\right|+C_t},$ $C({\stackrel{\→}{y}}_2,{\stackrel{\→}{y}}_2,0)=\underset{j=1}{\overset{L_2}{\Σ}}({\stackrel{\→}{y}}_{2j}^{*},{\stackrel{\→}{y}}_{2j});$

其中，C_t为获取到的各个所述第二层身份序列各自与所述发送设备的第二层身份验证序列之间的相关值C_s的平均值，为所述第二层身份序列中第j位字符的共轭复数，为所述第二层身份验证序列中第j位字符。

11.根据权利要求1至4以及权利要求8-10中任一所述的方法，其特征在于，所述前导序列为Gold码序列。

12.根据权利要求8-10中任一所述的方法，其特征在于，所述基准身份序列为Gold码序列。

13.一种邻居设备发现装置，其特征在于，所述装置包括：

第一获取模块，用于从接收到的无线信号携带的各个字符中获取前导验证序列，所述无线信号是发送设备发送的无线信号；

第一计算模块，用于根据所述前导验证序列和预先设置的前导序列进行第一相关性计算；

第一判断模块，用于根据所述第一相关性计算的结果判断所述无线信号是否携带所述前导序列；

第二获取模块，用于若所述无线信号携带所述前导序列，则从所述无线信号携带的各个字符中获取身份验证序列；

第二计算模块，用于根据所述身份验证序列和已发现的邻居设备的身份序列进行第二相关性计算；

第二判断模块，用于根据所述第二相关性计算的结果判断所述发送设备是否为新的邻居设备；

所述前导序列和所述已发现的邻居设备的身份序列中包含伪随机序列。

14.根据权利要求13所述的装置，其特征在于，所述第一获取模块，用于将所述无线信号携带的各个字符中第k-L_C+1个字符到第k个字符获取为所述前导验证序列，L_c为所述前导序列的字符数，且k-L_C+1为正整数。

15.根据权利要求14所述的装置，其特征在于，所述第一计算模块，包括：

第一计算单元，用于计算所述前导验证序列与所述前导序列之间的第一相关值；

读取单元，用于读取所述第一相关值的历史平均值；

第二计算单元，用于根据所述第一相关值以及所述历史平均值计算所述无线信号对应的信干噪比；

第三计算单元，用于根据所述第一相关值、所述历史平均值以及所述信干噪比计算第一判断阈值T_C；

所述第一判断模块，包括：

第一判断单元，用于判断所述第一判断阈值T_C是否大于所述第一相关值；

第一确定单元，用于若所述第一判断阈值T_C大于所述第一相关值，则确定所述无线信号携带所述前导序列；

所述第一判断阈值T_C的计算公式如下：

$Tc={\mathrm{\β}}_1\sqrt{L_c\frac{{\left(\right|C({\stackrel{\→}{s}}_C,\stackrel{\→}{y},0)|-c(k-1\left)\right)}^2}{{\mathrm{SINR}}_c}}+{\mathrm{\β}}_{2}c(k-1);$

其中，β1和β2为预设值，为所述第一相关值，c(k-1)为所述历史平均值，SINR_c为所述信干噪比。

16.根据权利要求15所述的装置，其特征在于，所述第一计算模块，还包括：

第二判断单元，用于在所述第三计算单元根据所述第一相关值、所述历史平均值以及所述信干噪比计算第一判断阈值T_C之前，判断所述信干噪比是否大于预设阈值；

所述第三计算单元，用于若所述信干噪比大于所述预设阈值，则执行所述根据所述第一相关值、所述历史平均值以及所述信干噪比计算第一判断阈值T_C的步骤。

17.根据权利要求15或16所述的装置，其特征在于，所述装置还包括：

更新模块，用于将所述历史平均值由c(k-1)更新为c(k)；

$c\left(k\right)=(1-\frac{1}{L_c})c(k-1)+\frac{1}{L_c}C({\stackrel{\→}{s}}_C,\stackrel{\→}{y},0).$

18.根据权利要求15或16所述的装置，其特征在于，所述第一计算单元，用于根据下列公式计算所述第一相关值：

$C({\stackrel{\→}{s}}_C,\stackrel{\→}{y},0)=\underset{j=1}{\overset{L_c}{\Σ}}({\stackrel{\→}{s}}_{Cj}^{*},{\stackrel{\→}{y}}_j);$

其中，为所述前导序列中第j位字符的共轭复数，为所述前导验证序列中第j位字符。

19.根据权利要求15或16所述的装置，其特征在于，所述第二计算单元，用于根据下列公式计算所述信干噪比：

${\mathrm{SINR}}_c=\frac{\left|C\left({\stackrel{\→}{s}}_C,\stackrel{\→}{y},0\right)\right|-c\left(k-1\right)}{C\left(\stackrel{\→}{y},\stackrel{\→}{y},0\right)-\left|C\left({\stackrel{\→}{s}}_C,\stackrel{\→}{y},0\right)\right|+c\left(k-1\right)},$ $C(\stackrel{\→}{y},\stackrel{\→}{y},0)=\underset{j=1}{\overset{L_c}{\Σ}}({\stackrel{\→}{y}}_j^{*},{\stackrel{\→}{y}}_j)$

其中，为所述前导验证序列中第j位字符的共轭复数，为所述前导验证序列中第j位字符。

20.根据权利要求14所述的装置，其特征在于，所述第二获取模块，用于将所述无线信号携带的各个字符中第k个字符之后的连续L₁+L₂个字符获取为所述身份验证序列，L₁和L₂为正整数；

其中，所述身份验证序列中的前L₁个字符为第一层身份验证序列，所述第一层身份验证序列由所述发送设备对预先设置的基准身份序列进行随机循环移位获得；所述身份验证序列中的后L₂个字符为第二层身份验证序列，所述第二层身份验证序列由所述发送设备根据所述发送设备的设备标识生成。

21.根据权利要求20所述的装置，其特征在于，所述第二计算模块，包括：

第四计算单元，用于计算所述第一层身份验证序列与所述预先设置的身份序列之间的第二相关值和第三相关值；所述第二相关值为所述第一层身份验证序列与各个可用的身份序列之间的相关值中的最大值，所述第三相关值为所述第一层身份验证序列与各个可用的身份序列之间的相关值的平均值；所述各个可用的身份序列是对所述基准身份序列按照各个偏移量进行循环移位获得的序列；

第五计算单元，用于根据所述第二相关值和所述第三相关值计算第二判断阈值；

第三判断单元，用于判断所述第二判断阈值是否大于所述第二相关值T₁；

第一获取单元，用于若所述第二判断阈值T₁大于所述第二相关值，则获取所述第二相关值对应的可用的身份序列相对于所述基准身份序列的偏移量d_max以及所述已发现的邻居设备中的各个设备的第一层身份序列各自相对于所述基准身份序列的偏移量的集合D；

所述第二判断模块，包括：

第四判断单元，用于判断d_max是否属于D；

第二确定单元，用于若d_max不属于D，则确定所述发送设备为新的邻居设备；

所述第二判断阈值T₁的计算公式如下：

$T_1={\mathrm{\β}}_1\sqrt{L_1\frac{{(C_{max}-C_{avg})}^2}{{\mathrm{SINR}}_1}}+{\mathrm{\β}}_2{C}_{avg},$ ${\mathrm{SINR}}_1=\frac{\left|C_{max}\right|-C_{avg}}{C({\stackrel{\→}{y}}_1,{\stackrel{\→}{y}}_1,0)-\left|C_{max}\right|+C_{avg}},$ $C({\stackrel{\→}{y}}_1,{\stackrel{\→}{y}}_1,0)=\underset{j=1}{\overset{L_1}{\Σ}}({\stackrel{\→}{y}}_{1j}^{*},{\stackrel{\→}{y}}_{1j});$

其中，β1和β2为预设值，C_max为所述第二相关值，C_avg为所述第三相关值，为所述第一层身份验证序列中第j位字符的共轭复数，为所述第一层身份验证序列中第j位字符。

22.根据权利要求21所述的装置，其特征在于，所述第二判断模块，还包括：

第二获取单元，用于若d_max属于D，则获取所述已发现的邻居设备中，第一层身份序列相对于所述基准身份序列的偏移量为d_max的各个设备对应的第二层身份序列；

第六计算单元，用于计算所述第二获取单元获取到的各个所述第二层身份序列各自与所述发送设备的第二层身份验证序列之间的相关值C_s；

第七计算单元，用于对于所述已发现的邻居设备中，第一层身份序列相对于所述基准身份序列的偏移量为d_max的各个设备中的每一个已发现设备，根据所述第二获取单元获取到的各个所述第二层身份序列各自与所述发送设备的第二层身份验证序列之间的相关值C_s计算第三判断阈值T₂；

第五判断单元，用于判断所述第三判断阈值T₂是否不大于所述已发现设备对应的相关值C_s；

第三确定单元，用于若所述每一个已发现设备对应的第三判断阈值T₂都不大于各自对应的相关值C_s，则确定所述发送设备为新的邻居设备；

所述第三判断阈值T₂的计算公式如下：

$T_2={\mathrm{\β}}_1\sqrt{L_2\frac{{(C_s-C_t)}^2}{{\mathrm{SINR}}_2}}+{\mathrm{\β}}_2{C}_t,$ ${\mathrm{SINR}}_2=\frac{\left|C_s\right|-C_t}{C({\stackrel{\→}{y}}_2,{\stackrel{\→}{y}}_2,0)-\left|C_s\right|+C_t},$ $C({\stackrel{\→}{y}}_2,{\stackrel{\→}{y}}_2,0)=\underset{j=1}{\overset{L_2}{\Σ}}({\stackrel{\→}{y}}_{2j}^{*},{\stackrel{\→}{y}}_{2j});$

其中，C_t为所述第二获取单元获取到的各个所述第二层身份序列各自与所述发送设备的第二层身份验证序列之间的相关值C_s的平均值，为所述第二层身份验证序列中第j位字符的共轭复数，为所述第二层身份验证序列中第j位字符。