CN106856418B - 认知车载自组网中协作频谱感知方法 - Google Patents
认知车载自组网中协作频谱感知方法 Download PDFInfo
- Publication number
- CN106856418B CN106856418B CN201710053162.5A CN201710053162A CN106856418B CN 106856418 B CN106856418 B CN 106856418B CN 201710053162 A CN201710053162 A CN 201710053162A CN 106856418 B CN106856418 B CN 106856418B
- Authority
- CN
- China
- Prior art keywords
- cognitive
- cyclic
- spectrum
- vehicle
- frequency
- 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
Images
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
Abstract
本发明公开了一种认知车载自组网中协作频谱感知方法,其主要过程为:各个认知车辆接收感兴趣频段的授权用户信号并进行以下操作:(1)采用循环模糊函数方法对接收到的授权用户信号进行多普勒频移估计;(2)采用双门限循环谱能量检测方法进行频谱感知,当循环谱能量值大于大门限值或小于小门限值时把本认知车辆获取的本地判决结果及其位置信息在公共控制信道上传送给路侧单元。最后,路侧单元将接收到的参与协作的认知车辆的信息通过位置相关决策方法进行融合判定授权用户频段是否空闲。本发明考虑了多普勒频移对检测的影响,利用了所有循环频率处的频谱信息,并且根据认知车辆间相对位置的实时变化动态改变协作加权因子,提高了检测性能。
Description
技术领域
本发明涉及认知无线电技术和车载无线自组网络技术领域,具体涉及一种认知车载自组网中协作频谱感知方法。
背景技术
在城市化进程稳步发展、城市规模不断扩大的时代背景下,越来越多的车辆在城市道路上行驶,道路安全和车载娱乐引起了人们的广泛关注,为了满足这一需求,涌现出了大量适用于车载环境下的新应用和服务,例如安全与车流量监控、导航、多媒体流等。为支持这些新的车载应用,车载自组织网(VANET,Vehicular Ad-hoc Network)技术应运而生。车载自组网建立在配备有无线接口的车辆即移动节点之间的,点对点的通信的基础之上,主要包括车与车通信,车与基础设施的通信。VANET中一定的通信范围内的车辆可以相互交换各自的车速、位置等信息以及车载传感器感知的数据,这样可以提高道路安全和改善车载环境。
在1999年,美国联邦通信委员会分配专用的75MHz(5.850-5.925GHz)的无线频谱给专用短程通信(DSRC),它也被称为WAVE标准,含802.11p协议以及IEEE 1609协议族。根据美国联邦通信委员会的规定,这些频段被分为七个信道,每个信道占用10MHz的带宽,其中包括一个控制信道和六个服务信道。然而,只有控制信道被分配给信号台传输信息或基本的安全消息。在控制信道中,每个车辆广播交通信息,以便实时查找所有相邻车辆。这样交通信息就周期性的传播出去,其中交通信息中包括速度、坐标和车辆的下一个坐标信息。然而,当交通密度增加,增加的信号台导致控制信道拥塞,并因此使碰撞的概率增大和信号台接受的成功率下降。控制信道所分配的带宽小于一些紧急情况下车载自组网安全应用所需要的带宽。因此,更多的无线频谱资源需要被用于紧急安全应用。认知无线电和动态频谱接入中在美国联邦通信委员会报告中提出,其中空闲许可频谱(也称为“频谱空洞”)可适当的给予次级用户(SU)使用,以便提高频谱利用率。
因此,把车载自组网和认知无线电结合了在一起(称为“CR-VANET”),配备认知无线电通信设备的车辆可以有效接入DSRC信道并检测到其他的空闲信道。如果DSRC传输负荷较重,认知无线电设备将检测并使用其他空闲信道进行广播,从而提高车载通信的效率。CR-VANET应先进行频谱感知,然后再机会接入空闲信道进行通信。如何在车载自组网中准确检测授权用户的空闲频段就变得十分重要。
发明内容
本发明的目的是解决现有车载频段无法满足车载通信需求的问题,提供一种认知车载自组网中协作频谱感知方法,该方法是具有认知功能的车载通信方法,能够自适应的判断是否要启动认知功能,并对感兴趣的授权频段进行准确的检测。
本发明的目的可以通过采取如下技术方案达到:
一种认知车载自组网中协作频谱感知方法,所述方法包括下列步骤:
S1、待通信的的认知车辆向路侧单元发送通信请求,路侧单元判断是否存在空闲的短距离通信频段;若有空闲的短距离通信频段,则路侧单元将感知到的空闲短距离通信频段报告给待通信的的认知车辆,待通信的的认知车辆直接使用空闲的短距离通信频段进行通信;若无空闲的短距离通信频段,则路侧单元向附近的认知车辆广播频谱感知指示,接收到广播的认知车辆开启认知功能,进行频谱感知;
S2、接收到广播的认知车辆继续接收感兴趣频段的授权用户信号,采用循环模糊函数方法对接收到的授权用户信号进行多普勒频移估计,由此可知接收信号的循环频率;
S3、接收到广播的认知车辆分别采用双门限循环谱能量检测方法进行频谱感知,并把循环谱能量值大于大门限值或小于小门限值的认知车辆获取的本地判决结果及其位置信息在公共控制信道上传送给路侧单元,所述位置信息由自带的GPS获取;
S4、路侧单元将接收到的参与协作的认知车辆的信息通过位置相关决策方法进行融合判定感兴趣的授权用户频段是否空闲,将可用的空闲频段放入频谱池中,并分配给待通信的的认知车辆。
进一步地,所述步骤S1中待通信的的认知车辆在向路侧单元发出通信请求的同时发出了其位置信息,路侧单元广播信息包括频谱感知指示和待通信的的认知车辆的位置信息。
进一步地,所述步骤S2中采用循环模糊函数方法对接收到的授权用户信号进行多普勒频移估计的过程如下:
进一步地,所述步骤S3中采用双门限循环谱能量检测方法进行频谱感知的过程如下:
S31、利用各个循环频率截面能量构成的循环能量谱特征信息将接收到的信号r(t)按照如下公式计算检验统计量:
S32、认知车辆CRi基于双门限检测器输出的二进制判决结果为:
只有循环谱能量值Ti<λ1或Ti>λ2的认知车辆才被选择参与协作,循环谱能量值λ1<Ti<λ2的认知车辆直接被舍弃。
进一步地,所述步骤S4中位置相关决策方法的具体过程如下:
S41、考虑阴影效应,定义认知车辆CRi和CRj之间的相关函数为:
其中,dcorr为去相关距离,为认知车辆CRi和CRj之间的距离,N为被选择参与协作的车辆数;
S42、权值初始化,公式如下:
S43、权值迭代调整:
首先从wi(i=1,2,…,N)集合中找出最大权值所对应的认知车辆CRk(k=arg maxwi),把最大权值从集合中去掉,然后根据和CRk的相关性降低所有剩余认知车辆的权值wj=wj·(1-Rkj/Rmax);再从剩余集合中找出最大权值,并把它从集合中除去并相应地降低剩余认知车辆的权值;重复以上步骤直到所有参与协作的认知车辆都被权值迭代调整;
S44、权值归一化处理,公式如下:
S45、路侧单元根据接收到的各协作车辆的本地判决结果及其权重计算出加权目标函数并与判决门限比较:
其中,H0:D=0和H1:D=1分别表示授权用户不存在与存在,γ为检测门限。
进一步地,所述方法还包括:
待通信的的认知车辆在使用空闲授权频段通信的过程中,仍采用基于循环能量谱检测方法周期性地检测授权用户出现与否;一旦授权用户出现,则立刻退出使用授权用户频段。
本发明相对于现有技术具有如下的优点及效果:
1、本方法发明是针对车载自组网提出的,考虑了认知车辆的移动性和阴影相关性。
2、本方法发明首先对多普勒频移进行了估计,减小了其对检测的影响。
3、本方法发明的单用户本地感知方法采用的是基于循环谱能量检测方式,即使在低信噪比的情况中,依然能够获得较好的检测性能,远远优于能量检测方法。
4、本方法发明采用了双门限判决方式,当循环谱能量值进入两个门限之间的判决域时,认为此认知车辆没有足够的信息足以作出判决,此时认知车辆不做判决,也不向路侧单元上传感知数据,提高了检测性能。
5、本方法发明的协作频谱感知方法根据认知车辆相对位置的实时变化动态改变加权因子,使之时刻适应环境的变化,获取恰当的权值,提升系统的检测性能。
6、本方法发明把硬融合和软融合结合起来,各认知车辆分别采用基于循环谱能量检测后作出本地硬判决,传输的是1bit的二进制信息“0”或“1”,然后再加权融合,这样减少了软融合二次判决所需的数据量。
7、本方法发明采用了集中式协作频谱感知方法,由路侧单元充当融合中心进行数据融合,减小了认知车载单元的复杂度。
附图说明
图1是本发明的认知车载自组网的示意图;
图2是本发明的功能系统框图;
图3是本发明中公开的认知车载自组网中协作频谱感知方法的流程示意图;
图4是参与协作的认知车辆间相对位置。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例
如图1所示,在本实施例的认知车载自组网中,设定有授权用户PU、多个具有频谱感知功能的认知车辆CRi。授权用户被赋予有合法的授权频谱。
适用的频谱检测模型为:
H0:y(t)=n(t)
H1:y(t)=h(t)s(t)+n(t)
循环平稳特征的信号是指一种统计量随时间周期性变化的随机信号,而许多授权用户信号,如调幅、调频和调相信号,都是对周期性载波的参数调制,因此该信号一般都具有循环平稳特性。而对于平稳噪声,其统计特性是非时变的,不具备循环平稳特性。因此可以利用授权用户信号的这种循环平稳特征,实现平稳噪声背景下的授权用户信号检测。
首先假设x(t)是循环平稳信号,则可以推出:
mx(t)=mx(t+nT0)
Rx(t,τ)=Rx(t+nT0,τ)
展开成Fourier级数形式有:
信号的循环谱密度函数和循环自相关函数是Fourier变换对,即:
循环谱密度函数实际上表示的是授权用户信号在频率(f-α/2)和(f+α/2)的谱分量之间的相关密度,故又将循环谱密度函数称为谱相关密度函数。
基于上述频谱检测模型和授权用户信号的循环平稳特征,本发明实施例中的认知车载自组网中协作频谱感知方法如图3所示,该方法包括如下步骤:
S1、待通信的的认知车辆向路侧单元发送通信请求,路侧单元判断是否存在空闲的短距离通信频段;若有空闲的短距离通信频段,则路侧单元将感知到的空闲短距离通信频段报告给待通信的的认知车辆,待通信的的认知车辆直接使用空闲的短距离通信频段进行通信;若无空闲的短距离通信频段,则路侧单元向附近的认知车辆广播频谱感知指示,接收到广播的认知车辆开启认知功能,进行频谱感知。
S2、接收到广播的认知车辆继续接收感兴趣频段的授权用户信号,采用循环模糊函数方法对接收到的授权用户信号进行多普勒频移估计,由此可知接收信号的循环频率。
假设时变的多普勒多径信道,则接收信号可以表示为:
其中,为复信道增益,Np为路径数,τn和fd为第n条路径的时延和多普勒频移。则可得接收信号的自相关函数:
其中,α'为发射信号的循环频率,经过时变信道后,接收信号的循环频率变成α=α'+fd,因此相对运动产生的多普勒频移会改变信号的循环频率。
多普勒频移使信号循环谱产生一定的畸变,其变化主要体现在以下三点:(1)信号循环谱的幅值有衰减;(2)信号循环谱发生偏移;(3)信号循环谱存在弥散现象.多普勒频移的随机时变引起循环谱的畸变,使现有的基于循环谱的检测算法性能恶化,无法满足车载通信条件下的信号检测要求。所以在此对多普勒频移进行估计,提高信号检测的准确度。
模糊函数,通常被用作是时延与多普勒频移联合估计问题的主要处理工具。通过模糊函数估计时延与多普勒频移参数,是通过寻找最优的时延与多普勒频移的估值,以实现两路信号间的匹配。这是一个二维优化的问题。假设时延为零,可直接获得多普勒频移估计。
进行时延—多普勒频移估计的信号模型如下式所示
其中,D、fd分别是y(t)相对于x(t)的时延和多普勒频移。s(t)是已知循环频率α的循环平稳信号,且与噪声n(t)是互不循环相关的。
由于信号的多普勒频移是未知的,在计算的时候可假设用频率f进行补偿,并计算两路信号在循环频率α-f处的循环互相关函数,则有循环互模糊函数(或联合时频相关函数)定义为:
将上述信号模型代入上式可得
由于信号s(t)的循环频率为α,因此只有当α-f+fd=kα成立时才不为零,其中,k为整数。即
可得,只有当f=fd,u=D成立时,才能取得最大值。
于是有:
仅考虑多普勒频移时,可以令u=D=0,
同理,信号多普勒频移可通过下式获得
已知发射信号的循环频率为α',则接收信号的循环频率为α=α'±fd。
S3、接收到广播的认知车辆分别采用双门限循环谱能量检测方法进行频谱感知,并把循环谱能量值大于大门限值或小于小门限值的认知车辆获取的本地判决结果及其位置信息在公共控制信道上传送给路侧单元,所述位置信息由自带的GPS获取。
本发明的方法选择双门限循环谱能量检测法作为每个认知车辆的检测方法,认知车辆需要能够准确的判断某个频段是否可用,必须对是否有授权用户存在作出正确的判决。
假设信道理想,接收信号为y(t)=s(t)+n(t),信号与噪声互不相关,则
也就是说,不需要知道关于噪声的任何信息,根据信号在非零循环频率处接收信号循环谱截面信息,就可以区分噪声n(t)和目标信号s(t)。然而在实际计算循环谱时观察时间长度有限,而且获得信号循环谱的过程中存在谱泄漏和计算误差的问题,使得高斯白噪声在α≠0处的循环谱值并不完全等于零(为较小的值),在非零循环频率处也有循环谱值,也就是说当某特定循环频率α≠0时,在循环谱的截面上有一部分噪声信息,因而给信号检测带来麻烦。
为了充分地利用信号功率谱的信息,提出一种基于循环能量谱的检测算法,充分地利用信号循环谱的所有信息,其检测性能一定会有所提高。
假设采用频域平滑法,若接收信号采样周期为Ts,观察时间为T,获得N(N=T/Ts)点采样数据后,通过N点的傅里叶变换(DFT)获得接收信号的频谱,再根据循环频率值获得两路频谱搬移后的信号频谱,最后根据设定的平滑窗口进行平滑,从而获得信号的循环谱估计为
其中,Y(f)为接收信号y(n)(y(n)=y(nTs))的离散傅里叶变换,Fs=1/NTs为频域采样周期,M为频域平滑次数。
利用各个循环频率截面能量构成的循环能量谱特征信息,构造如下检验统计量:
单门限往往取决于误警概率λ=f-1(Pf),考虑到噪声的不确定性,双门限初始化为λ1=λ/τ和λ2=τλ。
认知车辆CRi基于双门限检测器输出的二进制判决结果为:
在理想场景中,单节点频谱感知能够满足认知无线电的全部要求。然而,在现实环境中,却存在很多问题,如隐藏终端,信道衰落,多经效应等等问题。这些会导致单节点检测的检测性能非常糟糕。多节点协作频谱感知能够减弱这些问题的影响,因此本发明采用协作感知。
只有循环谱能量值Ti<λ1或Ti>λ2的认知车辆有可能被选择参与协作,循环谱能量值λ1<Ti<λ2的认知车辆直接被舍弃。
S4、路侧单元将接收到的参与协作的认知车辆的信息通过位置相关决策方法进行融合判定感兴趣的授权用户频段是否空闲,将可用的空闲频段放入频谱池中,并分配给待通信的的认知车辆。
S41、考虑阴影效应,定义认知车辆CRi和CRj之间的相关函数为:
其中,dcorr为去相关距离,为认知车辆CRi和CRj之间的距离,N为被选择参与协作的车辆数。
S42、权值初始化,公式如下
由于距离越相近的认知车辆间经历的衰落与阴影越相似,越相对独立的认知车辆权值越大。
S43、权值迭代调整:
首先从wi(i=1,2,…,N)集合中找出最大权值所对应的认知车辆CRk(k=arg maxwi),把最大权值从集合中去掉,然后根据和CRk的相关性降低所有剩余认知车辆的权值wj=wj·(1-Rkj/Rmax);类似地,再从剩余集合中找出最大权值,并把它从集合中除去并相应地降低剩余认知车辆的权值;重复以上步骤直到所有参与协作的认知车辆都被考虑进去了。
S44、权值归一化处理,公式如下:
例如,若有N=6个参与协作的认知车辆,其某次感知时的相对位置如图4所示,初始权值如表1中第0次迭代时所示,最大权值为w1,选择并去掉认知车辆CR1,根据初始权值的顺序,紧接着选择CR2(权值第二大),然而CR1、CR2距离很近,有可能在相同的高楼阴影区域内,因此在其中一个中出现的错误很有可能出现在另外一个上,所以这样偏离了全面考虑决策。从表1显示的算法第一次迭代后的权值安排,可以看出CR1被选择后CR2的权值大大减小,由此可知和CRk相关性越大权值降低程度越大。按照上述操作步骤可依次得到表1中第n次迭代后数据,最后进行归一化处理。
表1.相关感知决策方案中权值迭代过程及归一化处理
迭代次数 | W<sub>1</sub>(CR<sub>1</sub>) | W<sub>2</sub>(CR<sub>2</sub>) | W<sub>3</sub>(CR<sub>3</sub>) | W<sub>4</sub>(CR<sub>4</sub>) | W<sub>5</sub>(CR<sub>5</sub>) | W<sub>6</sub>(CR<sub>6</sub>) |
0 | 0.7 | 0.63 | 0.39 | 0.41 | 0.26 | 0.18 |
1 | 0.7 | 0.35 | 0.31 | 0.37 | 0.21 | 0.09 |
2 | 0.7 | 0.34 | 0.18 | 0.37 | 0.12 | 0.06 |
3 | 0.7 | 0.34 | 0.16 | 0.37 | 0.09 | 0.05 |
4 | 0.7 | 0.34 | 0.16 | 0.37 | 0.08 | 0.04 |
5 | 0.7 | 0.34 | 0.16 | 0.37 | 0.08 | 0.03 |
归一化 | 0.42 | 0.2 | 0.09 | 0.22 | 0.05 | 0.02 |
S45、路侧单元根据接收到的各协作车辆的本地判决结果及其权重计算出加权目标函数并与判决门限比较:
其中,H0:D=0和H1:D=1分别表示授权用户不存在与存在,γ为检测门限。
在本实施例公开的认知车载自组网中协作频谱感知方法,还包括下列步骤:待通信的的认知车辆在使用空闲授权频段通信的过程中,仍采用上述基于循环能量谱检测方法周期性地检测授权用户出现与否;一旦授权用户出现,则立刻退出使用授权用户频段。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (5)
1.一种认知车载自组网中协作频谱感知方法,其特征在于,所述方法包括下列步骤:
S1、待通信的的认知车辆向路侧单元发送通信请求,路侧单元判断是否存在空闲的短距离通信频段;若有空闲的短距离通信频段,则路侧单元将感知到的空闲短距离通信频段报告给待通信的认知车辆,待通信的认知车辆直接使用空闲的短距离通信频段进行通信;若无空闲的短距离通信频段,则路侧单元向附近的认知车辆广播频谱感知指示,接收到广播的认知车辆开启认知功能,进行频谱感知;
S2、接收到广播的认知车辆继续接收感兴趣频段的授权用户信号,采用循环模糊函数方法对接收到的授权用户信号进行多普勒频移估计,由此可知接收信号的循环频率;
S3、接收到广播的认知车辆分别采用双门限循环谱能量检测方法进行频谱感知,并把循环谱能量值大于大门限值或小于小门限值的认知车辆获取的本地判决结果及其位置信息在公共控制信道上传送给路侧单元,所述位置信息由自带的GPS获取;所述步骤S3中采用双门限循环谱能量检测方法进行频谱感知的过程如下:
S31、利用各个循环频率截面能量构成的循环能量谱特征信息将接收到的信号r(t)按照如下公式计算检验统计量:
S32、认知车辆CRi基于双门限检测器输出的二进制判决结果为:
只有循环谱能量值Ti<λ1或Ti>λ2的认知车辆才被选择参与协作,循环谱能量值λ1<Ti<λ2的认知车辆直接被舍弃;
S4、路侧单元将接收到的参与协作的认知车辆的信息通过位置相关决策方法进行融合判定感兴趣的授权用户频段是否空闲,将可用的空闲频段放入频谱池中,并分配给待通信的的认知车辆。
2.根据权利要求1所述的一种认知车载自组网中协作频谱感知方法,其特征在于,
所述步骤S1中待通信的的认知车辆在向路侧单元发出通信请求的同时发出了其位置信息,路侧单元广播信息包括频谱感知指示和待通信的的认知车辆的位置信息。
4.根据权利要求1所述的一种认知车载自组网中协作频谱感知方法,其特征在于,所述步骤S4中位置相关决策方法的具体过程如下:
S41、考虑阴影效应,定义认知车辆CRi和CRj之间的相关函数为:
S42、权值初始化,公式如下:
S43、权值迭代调整:
首先从wi,i=1,2,…,N集合中找出最大权值所对应的认知车辆CRk,k=arg max wi,把最大权值从集合中去掉,然后根据和CRk的相关性降低所有剩余认知车辆的权值wj=wj·(1-Rkj/Rmax);再从剩余集合中找出最大权值,并把它从集合中除去并相应地降低剩余认知车辆的权值;重复以上步骤直到所有参与协作的认知车辆都被权值迭代调整;
S44、权值归一化处理,公式如下:
S45、路侧单元根据接收到的各协作车辆的本地判决结果及其权重计算出加权目标函数并与判决门限比较:
其中,H0:D=0和H1:D=1分别表示授权用户不存在与存在,γ为检测门限。
5.根据权利要求1所述的一种认知车载自组网中协作频谱感知方法,其特征在于,所述方法还包括:
待通信的的认知车辆在使用空闲授权频段通信的过程中,仍采用基于循环能量谱检测方法周期性地检测授权用户出现与否;一旦授权用户出现,则立刻退出使用授权用户频段。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710053162.5A CN106856418B (zh) | 2017-01-22 | 2017-01-22 | 认知车载自组网中协作频谱感知方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710053162.5A CN106856418B (zh) | 2017-01-22 | 2017-01-22 | 认知车载自组网中协作频谱感知方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106856418A CN106856418A (zh) | 2017-06-16 |
CN106856418B true CN106856418B (zh) | 2020-02-18 |
Family
ID=59125117
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710053162.5A Active CN106856418B (zh) | 2017-01-22 | 2017-01-22 | 认知车载自组网中协作频谱感知方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106856418B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110418276A (zh) * | 2018-04-28 | 2019-11-05 | 中兴通讯股份有限公司 | 多普勒频移矫正方法、装置、设备及计算机可读存储介质 |
CN108900266B (zh) * | 2018-07-06 | 2020-06-19 | 华南理工大学 | 基于协作节点选取和fcm算法的认知车联网频谱感知方法 |
CN110881221B (zh) * | 2019-12-13 | 2022-11-15 | 无锡职业技术学院 | 一种无线自组网分布式频率选择方法 |
CN111682914A (zh) * | 2020-05-12 | 2020-09-18 | 中国电子科技集团公司电子科学研究院 | 一种频谱感知方法、装置和存储介质 |
CN113115268B (zh) * | 2021-04-29 | 2022-06-17 | 广州杰赛科技股份有限公司 | 基于多个路侧单元的车联网最大吞吐量获取方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102664840A (zh) * | 2012-04-26 | 2012-09-12 | 哈尔滨工程大学 | 基于循环前缀的水声正交频分复用多普勒估计方法 |
CN103281143A (zh) * | 2013-05-29 | 2013-09-04 | 河海大学常州校区 | 一种基于双门限能量检测的选择式协作频谱感知方法 |
CN106162532A (zh) * | 2016-08-23 | 2016-11-23 | 桂林电子科技大学 | 具有认知功能的车载通信方法和系统 |
-
2017
- 2017-01-22 CN CN201710053162.5A patent/CN106856418B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102664840A (zh) * | 2012-04-26 | 2012-09-12 | 哈尔滨工程大学 | 基于循环前缀的水声正交频分复用多普勒估计方法 |
CN103281143A (zh) * | 2013-05-29 | 2013-09-04 | 河海大学常州校区 | 一种基于双门限能量检测的选择式协作频谱感知方法 |
CN106162532A (zh) * | 2016-08-23 | 2016-11-23 | 桂林电子科技大学 | 具有认知功能的车载通信方法和系统 |
Non-Patent Citations (1)
Title |
---|
Joint estimation of Doppler and time-difference-of-arrival exploiting cyclostationary property;Z.-T. Huang, Y.-Y. Zhou, W.-L. Jiang and Q.-Z. Lu;《IEE Proc.-Radar Sonar Nuvig.》;20020831;第149卷(第4期);全文第3小节 * |
Also Published As
Publication number | Publication date |
---|---|
CN106856418A (zh) | 2017-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106856418B (zh) | 认知车载自组网中协作频谱感知方法 | |
Chembe et al. | Spectrum sensing in cognitive vehicular network: State-of-Art, challenges and open issues | |
Celebi et al. | Cognitive positioning systems | |
US7956807B1 (en) | Cognitive positioning system | |
JP5337111B2 (ja) | 無線通信システムの無線局で使用される信号検出装置及び信号検出方法 | |
JP5908399B2 (ja) | ワイヤレス通信におけるノイズ推定の容易化 | |
KR20210134979A (ko) | 5g 신무선 상향링크 위치결정 참조 신호를 구성하는 방법 및 장치 | |
JP5624847B2 (ja) | 信号検出装置及び信号検出方法 | |
Ojha et al. | SEAL: Self-adaptive AUV-based localization for sparsely deployed Underwater Sensor Networks | |
CN105959246B (zh) | 一种抗干扰方法 | |
US20130251001A1 (en) | Interference Signal Avoiding Device of a Frequency Hopping Spread System and Method Thereof | |
Kosmanos et al. | Estimating the relative speed of RF jammers in VANETs | |
Zhang et al. | Novel spectrum sensing and access in cognitive radio networks | |
CN110839209B (zh) | 一种适用于车联网的车辆间直视径判别及协作定位的方法 | |
Sumathi et al. | Security in cognitive radio networks-a survey | |
Vizziello et al. | Location based routing protocol exploiting heterogeneous primary users in cognitive radio networks | |
US20220361244A1 (en) | Anonymous collection of directional transmissions | |
Nguyen-Thanh et al. | An efficient ordered sequential cooperative spectrum sensing scheme based on evidence theory in cognitive radio | |
Khomami et al. | Node density estimation in VANETs using received signal power | |
de Souza et al. | Simulation platform for performance analysis of cooperative eigenvalue spectrum sensing with a realistic receiver model under impulsive noise | |
KR101116143B1 (ko) | 무선인지 시스템에서의 우선 사용자 위치 기반 채널 재사용 기법 | |
Watanabe et al. | Poster: A scheduling method for V2V networks using successive interference cancellation | |
KR101646658B1 (ko) | 인지 무선 통신에서 문턱 값을 최적화하여 협력적 센싱을 수행하는 방법 및 그 장치 | |
Singh et al. | Techniques for spectrum sensing in Cognitive Radio networks: issues and challenges | |
Kumar et al. | Deep learning based random access preamble detection for 3GPP NB-IoT systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |