CN107359949B - 基于相位智能补偿的协作频谱感知方法 - Google Patents

基于相位智能补偿的协作频谱感知方法 Download PDF

Info

Publication number
CN107359949B
CN107359949B CN201710767990.5A CN201710767990A CN107359949B CN 107359949 B CN107359949 B CN 107359949B CN 201710767990 A CN201710767990 A CN 201710767990A CN 107359949 B CN107359949 B CN 107359949B
Authority
CN
China
Prior art keywords
signal
phase
detection
signals
cloud
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
Application number
CN201710767990.5A
Other languages
English (en)
Other versions
CN107359949A (zh
Inventor
张士兵
吴潇潇
王莉
张晓格
包志华
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.)
Nantong University
Nantong Research Institute for Advanced Communication Technologies Co Ltd
Original Assignee
Nantong University
Nantong Research Institute for Advanced Communication Technologies Co Ltd
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 Nantong University, Nantong Research Institute for Advanced Communication Technologies Co Ltd filed Critical Nantong University
Priority to CN201710767990.5A priority Critical patent/CN107359949B/zh
Publication of CN107359949A publication Critical patent/CN107359949A/zh
Application granted granted Critical
Publication of CN107359949B publication Critical patent/CN107359949B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

本发明涉及一种基于相位智能补偿的认知无线云网络协作频谱感知方法。在一个有1个主用户和N个次用户的认知无线网络环境下，每个次用户（感知节点）将接收到的检测信号送往云端。云端选择能量最大的一路检测信号作为参考信号，并将其他N‑1路检测信号与参考信号之间的相位差调整到[‑π/2,π/2]之间，然后采用自适应智能算法对参考信号与其余其他N‑1路检测信号之间的相位差进行智能补偿，最后将参考信号和相位补偿后的N‑1路检测信号相加合并融合，进而进行频谱感知，判决该频段中是否有主用户存在。用本发明进行协作频谱感知，有效利用了所有认知用户接收到的有用信息，大幅度提高了协作频谱感知检测的准确性，同时也减少了感知节点的计算复杂性。

Description

基于相位智能补偿的协作频谱感知方法
技术领域
本发明涉及认知无线通信网络中的多用户协作频谱感知技术，更为具体地说涉及一种在云网络环境下基于相位智能补偿的协作频谱感知方法。
背景技术
无线通信的日益发展，越来越多的无线业务需求导致了频谱资源日渐紧张。提高频谱利用率是有效缓解频谱资源紧张的办法之一。认知无线电技术依靠人工智能感知无线通信环境，根据一定的学习和决策算法，动态地检测频谱资源使用信息，实时自适应地改变自身系统工作参数以有效利用空闲频谱，提高频谱利用率。
认知无线网络中的频谱感知技术有单节点频谱感知技术和多节点协作频谱感知技术。相对于单节点频谱感知技术，在存在衰落多径、隐藏终端等大多数无线信道环境下，多节点协作频谱感知技术具有明显的优势，因此，在多径、阴影衰落等无线环境下多节点协作频谱感知技术得到了人们的广泛认可。目前的多节点协作频谱感知技术只利用了部分信噪比较好的感知节点信息实现多用户协作频谱感知。如何充分利用所有感知节点信息，进一步提高协作频谱感知的准确性，是一个尚未解决的难题。
发明内容
本发明的目的在于解决上述难题。考虑到目前认知无线网络中信道的复杂性以及感知节点的有限计算能力，本发明将云技术引入到认知无线网络的多用户协作频谱感知方法中，提出了一种基于相位智能补偿的认知无线云网络协作频谱感知方法。在该方法中，所有感知节点将各自接收到的检测信号传送到云端进行处理。云端选择能量最大的一路检测信号作为参考信号，并将与其他(N-1)路检测信号之间的相位差调整到
Figure BDA0001394474700000021
之间，然后进行相位智能补偿，最后将参考信号和相位补偿后的信号相加合并融合，检测网络中主用户是否存在，实现无线信道环境下准确、有效的信号频谱感知。
上述目的通过下述技术方案予以实现：本发明一种基于相位智能补偿的认知无线云网络协作频谱感知方法，所述认知无线云网络包括一个主用户、N个认知用户，所述N个认知用户形成N个频谱检测感知节点，所述协作频谱感知方法包括如下步骤：
步骤1、检测信号收集，所述N个感知节点将各自接收到的信号si(t)发送到云端，其中，i＝1,2,…,N，t为时间；
步骤2、参考信号选择，云端在N路接收信号中选择能量最大的信号sm(t)作为参考信号；
步骤3、相位差调整，分别对其他N-1路信号sj(t)的相位加上
Figure BDA0001394474700000022
和减去
Figure BDA0001394474700000023
得到信号s′j(t)和信号s″j(t)，并且分别计算其能量E′mj和E″mj
Figure BDA0001394474700000024
Figure BDA0001394474700000025
如果E′mj>E″mj，则信号s′j(t)与参考信号sm(t)之间的相位差在
Figure BDA0001394474700000026
之间，否则信号s″j(t)与参考信号sm(t)之间的相位差在
Figure BDA0001394474700000027
之间；相位差在
Figure BDA0001394474700000028
之间的信号记为
Figure BDA0001394474700000029
与参考信号sm(t)之间的相位差为θjm，其中，j＝1,2,…,N，且j≠m；
步骤4、相位补偿，对
Figure BDA00013944747000000210
的相位
Figure BDA00013944747000000211
进行补偿，，具体步骤包括：
(1)构建优化目标函数
Figure BDA0001394474700000031
(2)计算优化目标函数的梯度函数
Figure BDA0001394474700000032
(3)调整
Figure BDA0001394474700000033
的相位
Figure BDA0001394474700000034
Figure BDA0001394474700000035
其中，△为调整步长，k的初始值为0；
Figure BDA0001394474700000036
为
Figure BDA0001394474700000037
的初始相位；
(4)重复步骤(1)～(3)，每迭代一次，k增加1，直到|ε|小于给定误差阈值γ；
步骤5、信号合并，云端将参考信号和相位补偿后的各路信号进行叠加合并，形成云端检测信号；
步骤6、频谱判决，云端对叠加合并后的云端检测信号进行频谱检测，判决该频段中是否有主用户存在。
本发明还具有如下特征：
1、目标函数的梯度函数为
Figure BDA0001394474700000038
αj和tj分别为第j路信道的增益和时延。
2、步长△取0.3。
3、误差阈值γ取10-5。
4、云端的频谱检测采用最大最小特征值的频谱检测算法或能量检测算法、平稳循环特征检测算法中的一种。
5、当认知无线云网络包括多个主用户，则步骤1中，所述N个感知节点将各自接收到的来自所有主用户的信号进行合并后，再发送到云端进行处理。
本发明方法在于云计算协作频谱检测中，云端选择能量最大的一路信号作为参考信号，逐步迭代余下的(N-1)路信号相位，使其相位无限接近参考信号，实现多节点信号的最大合并。从而产生以下的有益效果：
(1)通过相位补偿，消除了云端接收到的各路信号之间的相位差，实现多路信号的最大合并；
(2)云端先对各路信号进行最大合并，然后进行频谱感知，有效利用了所有认知用户节点的感知信息，大幅度提高了多用户协作频谱感知的准确性。
附图说明
下面结合附图对本发明作进一步的说明。
图1是系统模型示意图。
图2是云端协作频谱感知框图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步说明。
如图1，在一个包括一个主用户和N个认知用户的认知无线云网络中，每个认知用户(感知节点)将接收到的信号发送到云端，云端选择能量最大的一路检测信号作为参考信号，并将其他(N-1)路检测信号与参考信号之间的相位差调整到
Figure BDA0001394474700000041
之间，然后采用自适应智能算法对参考信号与其余其他(N-1)路检测信号之间的相位差进行智能补偿，最后将参考信号和相位补偿后的(N-1)路检测信号相加合并融合成一个信号后进行频谱感知，判决该网络频段中是否有主用户存在。协作频谱感知方法的基本流程如图2，具体过程如下：
步骤1、所述N个感知节点将各自接收到的信号si(t)发送到云端，其中，i＝1,2,…,N，t为时间。在本例中，主用户信号为x(t)＝p(t)·cosωct，其中p(t)为二进制基带信号，ωc为载波频率。
步骤2、云端在N路接收信号中选择能量最大的信号sm(t)作为参考信号。
步骤3、分别对其他N-1路信号sj(t)的相位加上
Figure BDA0001394474700000051
和减去
Figure BDA0001394474700000052
得到信号s′j(t)和信号s″j(t)，并且分别计算其能量E′mj和E″mj
Figure BDA0001394474700000053
Figure BDA0001394474700000054
如果E′mj>E″mj，则信号s′j(t)与参考信号sm(t)之间的相位差在
Figure BDA0001394474700000055
之间，否则信号s″j(t)与参考信号sm(t)之间的相位差在
Figure BDA0001394474700000056
之间；相位差在
Figure BDA0001394474700000057
之间的信号记为，与参考信号sm(t)之间的相位差为θjm，其中，j＝1,2,…,N，且j≠m。
步骤4、对
Figure BDA0001394474700000058
的相位
Figure BDA0001394474700000059
进行补偿，，具体步骤包括：
(1)构建优化目标函数
Figure BDA00013944747000000510
(2)计算优化目标函数的梯度函数
Figure BDA00013944747000000511
在本例中，目标函数的梯度函数为
Figure BDA00013944747000000512
其中，αj和tj分别为第j路信道的增益和时延；
(3)调整
Figure BDA00013944747000000513
的相位
Figure BDA00013944747000000514
Figure BDA00013944747000000515
在本例中，步长△取0.3，k的初始值为0；
Figure BDA00013944747000000516
为
Figure BDA00013944747000000517
的初始相位。
(4)重复步骤(1)～(3)，每迭代一次，k增加1，直到|ε|小于给定的误差阈值γ，在本例中，误差阈值γ取10-5。
步骤5、将参考信号和相位补偿后的各路信号进行叠加合并，形成云端检测信号。
步骤6、选择一种任一种合适的单节点频谱感知算法对合并后的信号进行频谱检测，判决该频段中是否有主用户存在，做出频谱检测判决结果。在本例中，云端的频谱检测采用最大最小特征值的频谱检测算法。该频谱检测算法为现有成熟算法，本实施例不对其进行详细说明。除此之外，还可以采用能量检测算法或平稳循环特征检测算法。
除上述实施例外，本发明中的相位补偿还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围。

Claims (6)

1.一种基于相位智能补偿的认知无线云网络协作频谱感知方法，所述认知无线云网络包括一个主用户、N个认知用户，所述N个认知用户形成N个频谱检测感知节点，所述协作频谱感知方法包括如下步骤：
步骤1、检测信号收集，所述N个频谱检测感知节点将各自接收到的信号si(t)发送到云端，其中，i＝1,2,…,N，t为时间；
步骤2、参考信号选择，云端在N路接收信号中选择能量最大的信号sm(t)作为参考信号；
步骤3、相位差调整，分别对其他N-1路信号sj(t)的相位加上
Figure FDA0002526177360000011
和减去
Figure FDA0002526177360000012
得到信号s'j(t)和信号s”j(t)，并且分别计算其能量E'mj和E”mj
Figure FDA0002526177360000013
Figure FDA0002526177360000014
如果E'mj>E”mj，则信号s'j(t)与参考信号sm(t)之间的相位差在
Figure FDA0002526177360000015
之间，否则信号s”j(t)与参考信号sm(t)之间的相位差在
Figure FDA0002526177360000016
之间；相位差在
Figure FDA0002526177360000017
之间的信号记为
Figure FDA0002526177360000018
Figure FDA0002526177360000019
与参考信号sm(t)之间的相位差为θjm，其中，j＝1,2,…,N，且j≠m；
步骤4、相位补偿，对
Figure FDA00025261773600000110
的相位
Figure FDA00025261773600000111
进行补偿，具体步骤包括：
(1)构建优化目标函数
Figure FDA00025261773600000112
(2)计算优化目标函数的梯度函数
Figure FDA00025261773600000113
(3)调整
Figure FDA0002526177360000021
的相位
Figure FDA0002526177360000022
Figure FDA0002526177360000023
其中，△为调整步长，k的初始值为0；
Figure FDA0002526177360000024
为
Figure FDA0002526177360000025
的初始相位；
(4)重复步骤(1)～(3)，每迭代一次，k增加1，直到|ε|小于给定误差阈值γ；
步骤5、信号合并，云端将参考信号和相位补偿后的各路信号进行叠加合并，形成云端检测信号；
步骤6、频谱判决，云端对叠加合并后的云端检测信号进行频谱检测，判决该频谱中是否有主用户存在。
2.根据权利要求1所述的基于相位智能补偿的认知无线云网络协作频谱感知方法，其特征在于：所述优化目标函数的梯度函数为
Figure FDA0002526177360000026
αj和tj分别为第j路信道的增益和时延；其中p(t)为二进制基带信号，ωc为载波频率。
3.根据权利要求1所述的基于相位智能补偿的认知无线云网络协作频谱感知方法，其特征在于：所述步骤4中，调整步长△取0.3。
4.根据权利要求1所述的基于相位智能补偿的认知无线云网络协作频谱感知方法，其特征在于：所述步骤4中，误差阈值γ取10-5。
5.根据权利要求1所述的基于相位智能补偿的认知无线云网络协作频谱感知方法，其特征在于：云端的频谱检测采用最大最小特征值的频谱检测算法、能量检测算法、平稳循环特征检测算法中的一种。
6.根据权利要求1所述的基于相位智能补偿的认知无线云网络协作频谱感知方法，其特征在于：当认知无线云网络包括多个主用户，则步骤1中，所述N个频谱检测感知节点将各自接收到的来自所有主用户的信号进行合并后，再发送到云端进行处理。
CN201710767990.5A 2017-08-31 2017-08-31 基于相位智能补偿的协作频谱感知方法 Active CN107359949B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710767990.5A CN107359949B (zh) 2017-08-31 2017-08-31 基于相位智能补偿的协作频谱感知方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710767990.5A CN107359949B (zh) 2017-08-31 2017-08-31 基于相位智能补偿的协作频谱感知方法

Publications (2)

Publication Number Publication Date
CN107359949A CN107359949A (zh) 2017-11-17
CN107359949B true CN107359949B (zh) 2020-09-25

Family

ID=60288585

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710767990.5A Active CN107359949B (zh) 2017-08-31 2017-08-31 基于相位智能补偿的协作频谱感知方法

Country Status (1)

Country Link
CN (1) CN107359949B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101969352A (zh) * 2010-11-12 2011-02-09 北京邮电大学 一种基于快速变极化的频谱感知方法
CN105721080A (zh) * 2016-01-27 2016-06-29 北京邮电大学 一种频谱感知方法及装置
CN106941385A (zh) * 2017-03-13 2017-07-11 南通大学 基于相位补偿的认知云网络协作频谱感知方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101969352A (zh) * 2010-11-12 2011-02-09 北京邮电大学 一种基于快速变极化的频谱感知方法
CN105721080A (zh) * 2016-01-27 2016-06-29 北京邮电大学 一种频谱感知方法及装置
CN106941385A (zh) * 2017-03-13 2017-07-11 南通大学 基于相位补偿的认知云网络协作频谱感知方法

Also Published As

Publication number Publication date
CN107359949A (zh) 2017-11-17

Similar Documents

Publication Publication Date Title
CN107947878B (zh) 一种基于能效和谱效联合优化的认知无线电功率分配方法
US7773949B2 (en) Multi-transmission/reception antenna device and multi-transmission/reception method in multi-user and multi-cell environment
CN102118199B (zh) 基于空时分集的多天线频谱感知方案的实现方法
WO2021159551A1 (zh) 一种mimo-noma下行通信系统的用户匹配和功率分配方法
CN106385300A (zh) 基于动态解码sic接收机的上行noma功率分配方法
CN105680920B (zh) 一种多用户多天线数能一体化通信网络吞吐量优化方法
CN103384174B (zh) 多用户多天线协作频谱感知检测概率优化方法
CN104579443A (zh) 一种基于协作多小区Massive MIMO系统的线性预编码方法
CN103873184B (zh) 协作消除干扰的方法、装置及系统
CN102891740A (zh) 基于盲干扰对齐的小区间干扰抑制方法
Murti et al. SU-MIMO based uplink non-orthogonal multiple access for 5G
Shekhawat et al. Review on classical to deep spectrum sensing in cognitive radio networks
CN106507391B (zh) 无线局域网中的干扰导向方法
CN107359949B (zh) 基于相位智能补偿的协作频谱感知方法
CN103117821B (zh) 一种基于瑞利商的加权协作频谱感知方法
CN112261662A (zh) 一种提升noma协作通信系统能量效率的传输方法
CN102752071B (zh) 用于多点协作系统的下行链路预编码方法和中心处理节点
KR101765127B1 (ko) 셀룰러 통신 시스템에서 협력 통신을 위한 클러스터링 방법 및 장치
US7817710B2 (en) Mobile communication terminal
Seetharaman et al. Analysis of power allocation for non-orthogonal multiple access
CN102006098B (zh) 基于耦合优化算法的cdma多用户检测方法
Valadão et al. Trends and Challenges for the Spectrum Efficiency in NOMA and MIMO based Cognitive Radio in 5G Networks
CN103518333B (zh) 数据传输方法、装置和基站
CN106357375B (zh) 一种评估bpsk最大比接收合并误码性能的方法
Ren et al. Intra-cell performance aware uplink opportunistic interference alignment

Legal Events

Date Code Title Description
PB01 Publication
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