CN107370521A - 一种认知无线电多用户协作频谱感知方法 - Google Patents
一种认知无线电多用户协作频谱感知方法 Download PDFInfo
- Publication number
- CN107370521A CN107370521A CN201710812826.1A CN201710812826A CN107370521A CN 107370521 A CN107370521 A CN 107370521A CN 201710812826 A CN201710812826 A CN 201710812826A CN 107370521 A CN107370521 A CN 107370521A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- user
- cognitive
- frequency spectrum
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/336—Signal-to-interference ratio [SIR] or carrier-to-interference ratio [CIR]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/022—Site diversity; Macro-diversity
- H04B7/026—Co-operative diversity, e.g. using fixed or mobile stations as relays
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及认知无线电技术领域,公开了一种认知无线电多用户协作频谱感知方法,该方法包括四个过程:(1)数据准备:各认知用户分别计算接收信号的能量、频谱宽度和信噪比;(2)本地判决:各认知用户通过对比门限值与对应统计量的大小进行本地判决;(3)判决结果传输:本地判决结束之后,将判决结果和自身参数发送至融合中心;(4)最终判决:融合中心根据周围网络情况设置门限值,并将各个认知用户发来的数据进行两轮加权融合与判决,并根据最终结果来判定授权用户是否存在。本方法考虑了无线环境中噪声的影响以及数据融合过程中各个认知用户信噪比的不同,对提高频谱利用率,缓解频谱匮乏的现状提供了解决思路。
Description
技术领域
本发明涉及一种认知无线电多用户协作频谱感知方法,属于认知无线电技术领域。
背景技术
目前频谱资源管理国际上采用的通用做法是实行授权和非授权频谱管理体制,对于授权频段,非授权者不得随意使用。由此带来的问题是,在某些授权频段,频谱利用率很低,而在某些非授权频段,信号又非常地拥挤,导致频谱资源利用极不均衡。为了解决这个问题,人们提出了基于软件无线电的认知无线电(Cognitive Radio,CR)概念。认知无线电系统通过允许认知用户(又称次用户)智能地感知和接入暂时不被授权用户(又称主用户)占用的频谱空洞来提高网络的频谱利用率,同时这也不会干扰授权用户正常使用频谱。认知无线电技术对于未来无线电领域的发展是相当重要的,其中涵盖了诸多方面的问题需要人们的研究,频谱感知算法设计就是其中的一个重点研究项目。
作为认知无线电网络中的关键技术之一,频谱感知对于检测授权用户信号的存在情况意义重大。认知无线电的基本过程是:首先认知用户利用频谱感知技术对周围无线电磁环境中的已授权频段进行持续感知;然后在保证授权用户能够优先使用该段频谱且传输性能几乎不受影响的条件下,认知用户自适应地调整本身的收发设备,并调整至空闲频谱上进行通信。当认知用户检测到有授权用户信号出现时,认知用户则要让出信道供授权用户使用,进而避免对授权用户的正常通信进行干扰。可见,认知用户所采用的频谱感知方法要求对授权用户具有高度的可靠性,即要求频谱感知方法具有高度的检测性能。
在实际环境中,由于受到多径衰落、阴影效应和噪声不确定性等诸多因素的不利影响,单个认知用户的检测性能往往不能适应对授权用户信号检测率的要求。为了减少多径衰落、阴影效应和噪声不确定性等诸多因素对检测性能的不利影响,基于多个认知用户的协作频谱感知方法被不断提出。在现有的协作频谱感知方法中,通过将每个认知用户的检测结果发送给频谱感知融合中心进行融合,以达到对频谱进行感知的目的。然而,由于现有的协作频谱感知方法要么没有考虑复杂电磁环境下噪声不确定性的影响,要么没有考虑不同信噪比的认知用户对检测结果的贡献应该有所差别,要么没有充分利用认知用户感知的来的信息,要么是采用的数据处理准则并不是最优的,从而导致检测概率差强人意,整个频谱感知系统的整体检测性能也不够好。
发明内容
发明目的:针对上述现有技术的不足,本发明目的是提供一种既能降低环境噪声不确定性的影响,又考虑了不同信噪比的认知用户对结果的贡献,同时联合了能量检测和频带宽度检测的多用户协作频谱感知方法。
技术方案:为实现上述目的,本发明采用的技术方案为:
一种认知无线电多用户协作频谱感知方法,其特征在于:该方法包括如下步骤:
(1)参与协作的各个认知用户节点独立地对接收到的信号进行处理,得到接收信号的能量、频谱宽度和信噪比;
(2)参与协作的认知用户将信号能量值与能量双门限值进行比较,并将频谱宽度与带宽门限值进行比较,联合能量和频谱宽度的比较结果得到本地判决结果,对于非0和1的判决结果,本地判决结果记为信号能量值;
(3)参与协作的认知用户分别将本地判决结果和信噪比发送至频谱感知融合中心;
(4)融合中心对认知用户发来的数据进行两轮数据融合与判决,首先根据信噪比对本地判决结果为信号能量值的数据进行加权融合,基于能量门限值进行判决得到结果,然后将所得到的结果与本地判决结果为0或1的数据进行融合,根据多数原则作出授权用户是否占用信道的最终判决结果。
该方法所述的一种认知无线电多用户协作频谱感知方法,其特征在于:所述步骤(2)中的能量双门限值λl和λh的计算公式为:
其中,是标准噪声功率,ε是噪声不确定度且ε>1,N是采样点数,PF是能量检测固定误警概率,Q(·)是高斯互补积分函数,Q-1(·)是Q(·)的反函数。
该方法所述的一种认知无线电多用户协作频谱感知方法,其特征在于:所述步骤(2)中本地判决的判决准则为:
其中,Si是第i个认知用户的本地判决结果,Yi是第i个认知用户检测的信号能量值,ηi是第i个认知用户检测的频谱宽度,ηB是带宽门限。
该方法所述的一种认知无线电多用户协作频谱感知方法,其特征在于:所述的步骤(4)中融合中心对本地判决结果为信号能量值的数据进行融合和判决的准则是:
其中,T表示判决结果,C是本地判决结果为信号能量值的认知用户个数,λ是单门限能量检测的门限值,αi是最大比合并的加权因子。
该方法所述的一种认知无线电多用户协作频谱感知方法,其特征在于:加权因子αi的计算公式为:
其中,γi是第i个认知用户的信噪比。
该方法所述的一种认知无线电多用户协作频谱感知方法,其特征在于:单门限值λ的计算公式为:
其中,是标准噪声功率,N是采样点数,PF是能量检测固定误警概率,Q(·)是高斯互补积分函数,Q-1(·)是Q(·)的反函数。
该方法所述的一种认知无线电多用户协作频谱感知方法,其特征在于:步骤(4)中最终判决的准则是:
其中,F表示最终的判决结果,K是最终的判决门限,K=M/2,ξi是加权因子,C是本地判决结果为信号能量值的认知用户个数,M是认知用户总数,Si是第i个认知用户的本地判决结果,T是融合中心对本地判决结果为信号能量值的数据进行融合判决的结果。
该方法所述的一种认知无线电多用户协作频谱感知方法,其特征在于:加权因子ξi的计算公式为:
其中,M是认知用户总数,C是本地判决结果为信号能量值的认知用户个数,γi是第i个认知用户的信噪比。
有益效果:与现有技术相比,本发明的优点在于:各认知用户本地检测使用的是联合能量检测和频谱宽度检测的方法,其中能量检测是基于噪声不确定性的双门限能量感知。本地感知结束之后,各认知用户分别独立地将自身信噪比和检测结果发送至频谱感知融合中心。在频谱感知融合中心进行的是两轮基于信噪比加权的数据融合,最终根据“多数”准则做作出最终判决。该协作频谱感知方法考虑了环境中噪声不确定性的影响,并在进行数据整合时根据各认知用户信噪比的不同分配了不同的权重,在充分利用各认知用户频谱信息的同时,也减小了低信噪比认知用户对协作检测影响,从而提高了整体的协作检测性能。
附图说明
图1为本发明实施例中协作频谱感知的模型示意图;
图2为本发明实施例中能量检测的流程示意图;
图3为本发明实施例中认知无线电协作频谱感知方法的流程示意图;
图4为本发明实例中协作频谱感知方法的协作检测性能曲线图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
如图1所示,是一个中心式协作频谱感知模型,设定有一个授权用户,M个认知用户以及一个频谱感知融合中心,认知用户由CUi表示,频谱感知融合中心由FC表示,i=1,2,…,M;其中,每个认知用户均能够独立地检测自身的信噪比,并能够进行本地判决,在得到本地判决结果之后,将结果和信噪比一起发送至融合中心。频谱感知融合中心FC负责对各认知用户发送来的数据进行处理,并作出最终判决。
能量检测通常可以看作是一个二原假设问题:
其中y(t)是认知用户接收到的信号,w(t)表示接收到的噪声信号,h(t)表示信道增益,s(t)表示授权用户发送的信号。信道状态可以用两个假设表示:H0表示信道空闲,H1表示信道被授权用户占用。
如图2所示,是能量检测的流程图。认知用户接收到的信号先经过带通滤波器,然后进行时域采样,经过快速傅里叶变换运算后求模值平方,累加平均后即得该信号的能量值Yi。对于频谱宽度ηi,我们令其等于“x-dB”带宽。“x-dB”带宽被定义为这样一个频谱宽度,即超出其上限和下限的任何离散频谱分量或连续频谱功率密度至少比预先设定的0dB参考电平低“x-dB”。在计算“x-dB”带宽时可以采用“x-dB”方法。
将接收到的信号y(t)通过如图2所示的流程,可以得到能量检测的统计量:
其中N是采样点数。当N足够大时,由中心极限定理可知,Y可近似为高斯分布:
其中是噪声功率,γi是第i个认知用户的信噪比。
当使用单门限判决时,将检测统计量Y与预先设置的判决门限λ进行比较,可以得到单门限能量感知的检测概率和误警概率为
其中Q(·)是高斯互补积分函数。
若给定虚警概率,则可以求得判决门限为:
其中Q-1(·)是Q(·)的反函数。
为了降低实际环境中噪声不确定性对检测性能的影响,我们利用噪声功率处于一个范围内,使用双门限检测。定义噪声不确定区间:
其中σ2是实际噪声功率,是标准噪声功率,ε是噪声不确定度且ε>1。
根据噪声不确定性模型和能量检测单门限与虚警概率的关系,可能量感知的双门限:
如图3所示,本实施例公开的一种认知无线电多用户协作频谱感知方法,具体包括如下步骤:
(1)参与协作的各认知用户节点分别独立地对接收到的信号进行处理,得到接收信号的能量Yi、频谱宽度ηi和信噪比γi。
(2)参与协作的各认知用户节点分别采用能量和频谱宽度联合检测的方式进行本地判决。
若本地判决结果用Si表示,则本地判决的判决准则可以表示为
经过实验测量发现,噪声的频谱宽度是很窄的,大约是10KHZ左右。而在常用的802.11a和802.11n标准下,信号的带宽分别是20MHZ和40MHZ,在新一代WiFi标准802.11ac中,信号的工作频宽更是提高到了80MHZ和160MHZ。所以说噪声的带宽远比一个正常信号的带宽窄。考虑到有用信号的多样性和环境噪声的不确定性,设置频谱宽度门限ηB的取值范围是20KHZ-40KHZ。也就是说,在实际通信场景中,频谱宽度门限值选取在这个范围内时,可以使得判决结果更加准确。
为了充分利用接收信号的频谱信息,当λl<Yi<λh时,我们并没有丢弃这部分的数据,相反,我们把这类数据发送至数据融合中心进行进一步的处理。
(3)在本地检测完成之后,参与协作的认知用户分别独立地获取自身的信噪比γi和频谱检测结果,并分别将获取的信噪比γi和频谱检测结果Si发送至频谱感知融合中心FC,i=1,2,…,M。
(4)频谱感知融合中心FC接收各认知用户CUi发送来的信噪比γi和频谱检测结果,并进行两轮的数据融合。
第一轮数据融合:假设在参与协作的M个认知用户中,有C个认知用户的频谱检测结果是能量值,也就是说这些认知用户并未在本地检测时作出判决,我们采用最大比合并准则对这些数据进行处理,如果用T表示处理后的结果,则T可以表示为
其中T=1时表示这些认知用户认为授权用户正在使用该段频谱,当T=0时,则表示这些认知用户认为此段频谱空闲。λ是单门限能量检测的门限值,由公示(6)可以得到;αi是最大比合并的加权因子,可以由下面的式子得到:
第二轮数据融合:在经过第一轮数据融合之后,所有参与协作的认知用户的本地感知结果都已经得到(0或1),为了更加准确的做出最终的判决,我们采用了“多数”原则:在M个参与协作的认知用户中,如果有超过一半的认知用户判决结果是1,则最终结果为1,即认为授权用户存在,否则为0,判决授权用户不存在。
若用F表示最终的判决结果,则F可以表示为:
其中K是最终的判决门限,因为这里我们使用的是“多数”准则,所以K=M/2;ξi是根据信噪比计算得来的加权因子,具体计算公式如下:
为了验证本算法的性能,可以对比检测概率和误警概率,本算法的检测概率和误警概率可以表示如下:
QD=P{F=1|H1} (15)
QF=P{F=1|H0} (16)
如图4所示,给出了利用本实例中认知无线电协作频谱感知方法的仿真结果示意图,其中,我们采用的是蒙特卡洛仿真,仿真条件如下:设定在认知无线电网络中,具有10个认知用户,即M=10,采样点数是N=1000,仿真次数是K=10000,授权用户占用频谱的概率是0.5,认知用户CU1至CU10的信噪比分别为SNR1=-8dB、SNR2=-10dB、SNR3=-12dB、SNR4=-14dB、SNR5=-16dB、SNR6=-18dB、SNR7=-20dB、SNR8=-22dB、SNR9=-24dB、SNR10=-26dB。由图4可以看出,在虚警概率一定的条件下,本发明中协作频谱感知方法的全局检测概率要高于传统的基于OR准则和AND准则的协作检测性能,也明显优于使用单门限检测的认知用户的检测性能。可知,本发明实施例中的协作频谱感知方法具有更好的检测性能。
以上所述仅为本发明的较佳实施方式,本发明的保护范围并不以上述实施方式为限,但凡本领域普通技术人员根据本发明所揭示内容所作的等效修饰或变化,皆应纳入权利要求书中记载的保护范围内。
Claims (8)
1.一种认知无线电多用户协作频谱感知方法,其特征在于:该方法包括如下步骤:
(1)参与协作的各个认知用户节点独立地对接收到的信号进行处理,得到接收信号的能量、频谱宽度和信噪比;
(2)参与协作的认知用户将信号能量值与能量双门限值进行比较,并将频谱宽度与带宽门限值进行比较,联合能量和频谱宽度的比较结果得到本地判决结果,对于非0和1的判决结果,本地判决结果记为信号能量值;
(3)参与协作的认知用户分别将本地判决结果和信噪比发送至频谱感知融合中心;
(4)融合中心对认知用户发来的数据进行两轮数据融合与判决,首先根据信噪比对本地判决结果为信号能量值的数据进行加权融合,基于能量门限值进行判决得到结果,然后将所得到的结果与本地判决结果为0或1的数据进行融合,根据多数原则作出授权用户是否占用信道的最终判决结果。
2.根据权利要求1所述的一种认知无线电多用户协作频谱感知方法,其特征在于:所述步骤(2)中的能量双门限值λl和λh的计算公式为:
<mrow>
<msub>
<mi>&lambda;</mi>
<mi>l</mi>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>&epsiv;</mi>
</mfrac>
<mrow>
<mo>(</mo>
<msqrt>
<mfrac>
<mn>2</mn>
<mi>N</mi>
</mfrac>
</msqrt>
<msup>
<mi>Q</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>(</mo>
<msub>
<mi>P</mi>
<mi>F</mi>
</msub>
<mo>)</mo>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<msubsup>
<mi>&sigma;</mi>
<mi>w</mi>
<mn>2</mn>
</msubsup>
</mrow>
<mrow>
<msub>
<mi>&lambda;</mi>
<mi>h</mi>
</msub>
<mo>=</mo>
<mi>&epsiv;</mi>
<mrow>
<mo>(</mo>
<msqrt>
<mfrac>
<mn>2</mn>
<mi>N</mi>
</mfrac>
</msqrt>
<msup>
<mi>Q</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>(</mo>
<msub>
<mi>P</mi>
<mi>F</mi>
</msub>
<mo>)</mo>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<msubsup>
<mi>&sigma;</mi>
<mi>w</mi>
<mn>2</mn>
</msubsup>
</mrow>
其中,是标准噪声功率,ε是噪声不确定度且ε>1,N是采样点数,PF是能量检测固定误警概率,Q(·)是高斯互补积分函数,Q-1(·)是Q(·)的反函数。
3.根据权利要求2所述的一种认知无线电多用户协作频谱感知方法,其特征在于:所述步骤(2)中本地判决的判决准则为:
其中,Si是第i个认知用户的本地判决结果,Yi是第i个认知用户检测的信号能量值,ηi是第i个认知用户检测的频谱宽度,ηB是带宽门限。
4.根据权利要求1所述的一种认知无线电多用户协作频谱感知方法,其特征在于:所述步骤(4)中,融合中心对本地判决结果为信号能量值的数据进行融合和判决的准则是:
<mrow>
<mi>T</mi>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msubsup>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>C</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<msub>
<mi>&alpha;</mi>
<mi>i</mi>
</msub>
<msub>
<mi>Y</mi>
<mi>i</mi>
</msub>
<mo>&GreaterEqual;</mo>
<mi>&lambda;</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msubsup>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>C</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<msub>
<mi>&alpha;</mi>
<mi>i</mi>
</msub>
<msub>
<mi>Y</mi>
<mi>i</mi>
</msub>
<mo><</mo>
<mi>&lambda;</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中,T表示判决结果,C是本地判决结果为信号能量值的认知用户个数,λ是单门限能量检测的门限值,αi是最大比合并的加权因子。
5.根据权利要求4所述的一种认知无线电多用户协作频谱感知方法,其特征在于:加权因子αi的计算公式为:
<mrow>
<msub>
<mi>&alpha;</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>&gamma;</mi>
<mi>i</mi>
</msub>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>C</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<msub>
<mi>&gamma;</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
</mrow>
其中,γi是第i个认知用户的信噪比。
6.根据权利要求4所述的一种认知无线电多用户协作频谱感知方法,其特征在于:单门限值λ的计算公式为:
<mrow>
<mi>&lambda;</mi>
<mo>=</mo>
<mrow>
<mo>(</mo>
<msqrt>
<mfrac>
<mn>2</mn>
<mi>N</mi>
</mfrac>
</msqrt>
<msup>
<mi>Q</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>(</mo>
<msub>
<mi>P</mi>
<mi>F</mi>
</msub>
<mo>)</mo>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<msubsup>
<mi>&sigma;</mi>
<mi>w</mi>
<mn>2</mn>
</msubsup>
</mrow>
其中,是标准噪声功率,N是采样点数,PF是能量检测固定误警概率,Q(·)是高斯互补积分函数,Q-1(·)是Q(·)的反函数。
7.根据权利要求1所述的一种认知无线电多用户协作频谱感知方法,其特征在于:步骤(4)中最终判决的准则是:
<mrow>
<mi>F</mi>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mi>i</mi>
<mrow>
<mi>M</mi>
<mo>-</mo>
<mi>C</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<msub>
<mi>&xi;</mi>
<mi>i</mi>
</msub>
<msub>
<mi>S</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<mi>C</mi>
<mi>T</mi>
<mo>&GreaterEqual;</mo>
<mi>K</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mi>i</mi>
<mrow>
<mi>M</mi>
<mo>-</mo>
<mi>C</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<msub>
<mi>&xi;</mi>
<mi>i</mi>
</msub>
<msub>
<mi>S</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<mi>C</mi>
<mi>T</mi>
<mo><</mo>
<mi>K</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中,F表示最终的判决结果,K是最终的判决门限,K=M/2,ξi是加权因子,C是本地判决结果为信号能量值的认知用户个数,M是认知用户总数,Si是第i个认知用户的本地判决结果,T是融合中心对本地判决结果为信号能量值的数据进行融合判决的结果。
8.根据权利要求1所述的一种认知无线电多用户协作频谱感知方法,其特征在于:加权因子ξi的计算公式为:
<mrow>
<msub>
<mi>&xi;</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mo>(</mo>
<mi>M</mi>
<mo>-</mo>
<mi>C</mi>
<mo>)</mo>
<msub>
<mi>&gamma;</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>M</mi>
<mo>-</mo>
<mi>C</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<msub>
<mi>&gamma;</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
</mrow>
其中,M是认知用户总数,C是本地判决结果为信号能量值的认知用户个数,γi是第i个认知用户的信噪比。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710812826.1A CN107370521B (zh) | 2017-09-11 | 2017-09-11 | 一种认知无线电多用户协作频谱感知方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710812826.1A CN107370521B (zh) | 2017-09-11 | 2017-09-11 | 一种认知无线电多用户协作频谱感知方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107370521A true CN107370521A (zh) | 2017-11-21 |
CN107370521B CN107370521B (zh) | 2020-07-31 |
Family
ID=60302615
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710812826.1A Active CN107370521B (zh) | 2017-09-11 | 2017-09-11 | 一种认知无线电多用户协作频谱感知方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107370521B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109150341A (zh) * | 2018-09-11 | 2019-01-04 | 北京邮电大学 | 频谱感知方法和设备以及存储介质 |
CN110290534A (zh) * | 2018-12-03 | 2019-09-27 | 东南大学 | 一种基于XGBoost的认知无线电协作频谱感知方法及系统 |
WO2020037629A1 (en) * | 2018-08-23 | 2020-02-27 | Nokia Technologies Oy | Co-operative sensing |
CN111565080A (zh) * | 2020-03-24 | 2020-08-21 | 国网辽宁省电力有限公司朝阳供电公司 | 一种基于认知无线电自适应频谱感知与分配方法 |
CN112165364A (zh) * | 2020-08-11 | 2021-01-01 | 常州工学院 | 窄带频谱感知系统的增强频谱感知方法 |
CN113326163A (zh) * | 2021-08-02 | 2021-08-31 | 中国人民解放军国防科技大学 | 一种基于最大比合并的多级数据融合方法及系统 |
CN113347638A (zh) * | 2021-05-14 | 2021-09-03 | 东北大学 | 一种认知工业物联网动态协作频谱预测与感知方法 |
CN115066017A (zh) * | 2022-05-13 | 2022-09-16 | 北京邮电大学 | 频谱感知方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100097952A1 (en) * | 2006-05-12 | 2010-04-22 | Shared Spectrum Company | Method and System for Classifying Communication Signals in a Dynamic Spectrum Access System |
CN102883326A (zh) * | 2012-09-21 | 2013-01-16 | 上海交通大学 | 认知网络中频谱资源的分配方法 |
CN105375997A (zh) * | 2015-11-25 | 2016-03-02 | 宁波大学 | 基于次用户数目优化的多用户协作频谱感知方法 |
CN105611543A (zh) * | 2016-01-07 | 2016-05-25 | 西安电子科技大学 | 认知无线网络中基于信道质量预测的分层匹配方法 |
CN105792218A (zh) * | 2016-02-25 | 2016-07-20 | 中山大学 | 具有射频能量收集能力的认知无线电网络的优化方法 |
-
2017
- 2017-09-11 CN CN201710812826.1A patent/CN107370521B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100097952A1 (en) * | 2006-05-12 | 2010-04-22 | Shared Spectrum Company | Method and System for Classifying Communication Signals in a Dynamic Spectrum Access System |
CN102883326A (zh) * | 2012-09-21 | 2013-01-16 | 上海交通大学 | 认知网络中频谱资源的分配方法 |
CN105375997A (zh) * | 2015-11-25 | 2016-03-02 | 宁波大学 | 基于次用户数目优化的多用户协作频谱感知方法 |
CN105611543A (zh) * | 2016-01-07 | 2016-05-25 | 西安电子科技大学 | 认知无线网络中基于信道质量预测的分层匹配方法 |
CN105792218A (zh) * | 2016-02-25 | 2016-07-20 | 中山大学 | 具有射频能量收集能力的认知无线电网络的优化方法 |
Non-Patent Citations (1)
Title |
---|
SRINIVAS NALLAGONDA等: ""Performance of MRC Fusion-based Cooperative Spectrum Sensing with Censoring of Cognitive Radios in Rayleigh Fading Channels"", 《9TH INTERNATIONAL WIRELESS COMMUNICATIONS AND MOBILE COMPUTING CONFERENCE (IWCMC)》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020037629A1 (en) * | 2018-08-23 | 2020-02-27 | Nokia Technologies Oy | Co-operative sensing |
CN109150341A (zh) * | 2018-09-11 | 2019-01-04 | 北京邮电大学 | 频谱感知方法和设备以及存储介质 |
CN110290534A (zh) * | 2018-12-03 | 2019-09-27 | 东南大学 | 一种基于XGBoost的认知无线电协作频谱感知方法及系统 |
CN110290534B (zh) * | 2018-12-03 | 2022-11-25 | 东南大学 | 一种基于XGBoost的认知无线电协作频谱感知方法及系统 |
CN111565080A (zh) * | 2020-03-24 | 2020-08-21 | 国网辽宁省电力有限公司朝阳供电公司 | 一种基于认知无线电自适应频谱感知与分配方法 |
CN111565080B (zh) * | 2020-03-24 | 2022-07-15 | 国网辽宁省电力有限公司朝阳供电公司 | 一种基于认知无线电自适应频谱感知与分配方法 |
CN112165364A (zh) * | 2020-08-11 | 2021-01-01 | 常州工学院 | 窄带频谱感知系统的增强频谱感知方法 |
CN113347638A (zh) * | 2021-05-14 | 2021-09-03 | 东北大学 | 一种认知工业物联网动态协作频谱预测与感知方法 |
CN113347638B (zh) * | 2021-05-14 | 2024-04-30 | 东北大学 | 一种认知工业物联网动态协作频谱预测与感知方法 |
CN113326163A (zh) * | 2021-08-02 | 2021-08-31 | 中国人民解放军国防科技大学 | 一种基于最大比合并的多级数据融合方法及系统 |
CN115066017A (zh) * | 2022-05-13 | 2022-09-16 | 北京邮电大学 | 频谱感知方法、装置、电子设备及存储介质 |
CN115066017B (zh) * | 2022-05-13 | 2023-03-10 | 北京邮电大学 | 频谱感知方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN107370521B (zh) | 2020-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107370521A (zh) | 一种认知无线电多用户协作频谱感知方法 | |
CN102118201B (zh) | 一种基于协方差矩阵分解的盲频谱感知方法 | |
CN102571241B (zh) | 一种改进的双门限协作频谱感知方法 | |
CN104135327B (zh) | 基于支持向量机的频谱感知方法 | |
CN102324959B (zh) | 一种基于多天线系统协方差矩阵的频谱感知方法 | |
CN103873171B (zh) | 基于多用户互协作的协作频谱感知决策融合方法 | |
CN107623554A (zh) | 一种基于信任值的协作频谱感知方法、认知无线网络 | |
CN104660356B (zh) | 一种具有可靠虚警性能的半盲协作式频谱感知方法 | |
CN107733541A (zh) | 频谱感知的方法、装置、设备以及计算机可读存储介质 | |
CN108038419A (zh) | 基于Wi-Fi的室内人员被动检测方法 | |
CN103973383B (zh) | 基于Cholesky分解与特征值的协作频谱检测方法 | |
CN103841566B (zh) | 移动模型下存在恶意用户攻击的基于d‑s证据理论的协作频谱感知方法 | |
CN104079359B (zh) | 一种认知无线网络中协作频谱感知门限优化方法 | |
CN103973382A (zh) | 基于有限随机矩阵的频谱检测方法 | |
CN105246082A (zh) | 一种基于能量检测的感知信息融合方法 | |
CN104158604B (zh) | 一种基于平均共识的分布式协作频谱感知方法 | |
CN102386985B (zh) | 适用于马尔可夫业务模型的频谱感知方法 | |
CN102006609A (zh) | 一种自适应序贯的协同频谱检测方法 | |
CN104734793B (zh) | 基于p次方的无线协作频谱感知的能量检测方法 | |
CN103036626B (zh) | 基于认知无线电协作用户与检测门限联合选择的无线通信方法 | |
CN103856946B (zh) | 基于差分能量检测的双门限协作频谱感知方法 | |
CN106599908A (zh) | 基于模块化神经网络的场强预测方法 | |
CN103973381B (zh) | 基于Cholesky矩阵分解的协作频谱检测方法 | |
CN109150623A (zh) | 基于轮循制信誉值抵御恶意用户ssdf攻击方法及系统 | |
CN102438236B (zh) | 一种抵抗感知数据错误化攻击的安全合作频谱感知方法 |
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 |