CN107528647A - 一种智能电网通信中的可靠频谱感知方法 - Google Patents
一种智能电网通信中的可靠频谱感知方法 Download PDFInfo
- Publication number
- CN107528647A CN107528647A CN201710816732.1A CN201710816732A CN107528647A CN 107528647 A CN107528647 A CN 107528647A CN 201710816732 A CN201710816732 A CN 201710816732A CN 107528647 A CN107528647 A CN 107528647A
- Authority
- CN
- China
- Prior art keywords
- terminal
- channel
- sequence
- detection
- result
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000001228 spectrum Methods 0.000 title claims abstract description 35
- 238000004891 communication Methods 0.000 title claims abstract description 27
- 238000001514 detection method Methods 0.000 claims abstract description 76
- 238000012360 testing method Methods 0.000 claims abstract description 9
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 241001123248 Arma Species 0.000 claims description 9
- 238000005311 autocorrelation function Methods 0.000 claims description 5
- 238000007619 statistical method Methods 0.000 claims description 4
- 238000007418 data mining Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000006641 stabilisation Effects 0.000 claims description 3
- 238000011105 stabilization Methods 0.000 claims description 3
- 230000001149 cognitive effect Effects 0.000 abstract description 15
- 238000005516 engineering process Methods 0.000 abstract description 9
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012544 monitoring process Methods 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
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种智能电网通信中的可靠频谱感知方法及系统，所述系统由智能电表终端、变电站控制中心组成，采用认知无线电技术动态利用电视频段的空闲频谱实现终端和控制中心之间的双向通信；所述方法包括：智能电表终端采用能量‑相关检测算法对电视信道进行检测，并将检测结果上报给控制中心；控制中心接收到所有终端的检测结果后，对结果可靠性进行两级判决。针对某个终端，第一级判决方法结合其邻居节点的检测结果对当前终端的检测结果做出判定；第二级判决方法由历史检测数据得出信道占用度预测值，结合信道占用度预测值对当前终端的检测结果做出判定。所述方法能够提高智能电网通信系统中频谱感知准确度，并发现故障终端。
Description
技术领域
本发明涉及智能电网通信领域，主要解决智能电网无线接入时的可靠频谱检测问题，具体涉及一种智能电网通信中的基于预测的可靠频谱感知方法。
背景技术
智能电网以传统的电网框架为基础，采用先进的传感、测量与设备和高效的控制方法，利用高速、双向、集成的通信网络和计算机信息网络为平台，实现电力、信息、业务的高度融合。在智能电网的建设中，通信技术的作用至关重要，建立高效、实时性、集成的通信系统是实现智能电网的基础。
在智能电网系统中，用户终端电表接入到本地控制中心的通信部分，通常称为最后一公里接入。智能电网需要实现更多的终端用户互动，例如实时电表监测。实现以上要求，最后一公里无线接入面临的挑战如下：(1)时间延迟要求高。如果因时延过大导致控制中心没有接收到来自终端传感器的消息输入，控制中心可能会给智能电表终端发送错误的控制消息。(2)传输信息量大。由于终端用户数量巨大，信息传输量必然很大，通信网络应能承载大数据量的消息传输。在设计智能电网最后一公里接入系统时，必须考虑上述因素，以实现可靠高效的通信。
本发明考虑用户终端电表和本地控制中心之间的通信链路采用无线链路的情况，此时最后一公里接入的首要任务是解决无线频谱的选择问题。根据现有技术发展，目前有三种可供选择的频谱方案：(1)电网系统向频谱管理部门申请专用的授权频谱；(2)使用无需授权的公共频谱；(3)采用认知无线电技术，动态利用已授权的频谱。由于当前频谱资源短缺问题比较突出，为电网系统分配专用频谱不太现实，而公共非授权频段当前已有很多应用技术，频谱干扰较大，不能满足电网系统对可靠高效通信的需求。因此，本发明主要关注利用认知无线电技术实现智能电网最后一公里的接入时的通信问题。
认知无线电是一种智能软件定义的无线电技术，在无线电环境探测基础上，调整其配置的无线电频谱的部分，促进高效，可靠和动态使用未充分利用的授权频谱。IEEE802.22是认知无线电基于电视频谱波段的机会利用的第一个标准化项目。利用IEEE802.22实现智能电网最后一公里的接入方案，具有以下好处：(1)认知无线电充分利用了未使用的电视频段，可以极大的缓解频谱资源不足，满足智能电网对无线接入的频谱需求。(2)可实现高达数十Mbps的传输速率。(3)由于长期支撑电视的传播特性带，覆盖面积可达100公里。(4)认知无线电是自适应的、可编程的和灵活的技术，能够实现对电视频段空闲频谱的动态利用。
根据认知无线电技术的应用模式，灵活利用电视频段白空实现智能电网通信最后一公里接入时，各认知设备(包括智能电表终端和电网控制中心)首先应对所处地理位置的电视频段使用情况进行检测，然后通信双方经过协商后伺机接入未使用的电视信道。在本发明所述的基于认知无线电的智能电网通信系统中，考虑到智能电表终端无线模块的存储和计算能力有限，而电网控制中心具有强大的存储和计算能力的特点，为提高电表终端的频谱感知可靠性，本发明提出一种基于电视信道占用度预测的可靠频谱感知方法。
发明内容
基于以上分析，为了提高智能电网通信系统中电表终端的频谱感知可靠性，本发明提出如下可靠频谱感知方法及系统：
本发明仅考虑利用认知无线电解决智能电网通信最后一公里接入的问题，所述系统由智能电表终端、终端变电站控制中心和区域变电站控制中心组成，采用认知无线电技术动态利用电视频段的空闲频谱，智能电表终端和终端变电站控制中心为认知设备，认知设备在通信之前首先对电视信道进行检测，获取可用信道列表，通信双方经协商后选择一条共同的可用信道进行通信。
所述可靠频谱感知方法的基本思路是：智能电表终端采用能量-相关检测算法对电视信道进行检测，并将检测结果上报给控制中心；控制中心接收到所有终端的检测结果后，通过数据分析和预测，对结果可靠性进行两级判决。针对某个电表终端，第一级判决方法结合其邻居节点的检测结果对当前终端的检测结果做出判定；第二级判决方法由历史检测数据得出信道占用度预测值，结合信道占用度预测值对当前终端的检测结果做出判定。上述方法能够提高智能电网通信系统中频谱感知准确度，并发现故障终端。
所述可靠频谱感知方法包括一种基于数字电视信号PN序列码的能量-相关检测方法和一种基于自回归积分滑动平均模型的信道占用度预测方法。
一种基于数字电视信号PN序列码的能量-相关检测方法的基本思路是：根据已知的数字电视信号帧头PN序列模式，智能电表终端在本地捕捉PN序列，若在给定时间内捕获到收到的信号中的PN序列，则判定存在电视信号，该电视信道占用；若在给定时间内没能捕获到PN序列，智能电表终端应用能量检测法对接收信号进行判决，得到电视信号空闲或占用的判决结果。该方法的实质是利用数字电视信号PN序列码已知的特点，采用相关检测法能量检测相结合的方法，与传统检测方法相比，检测可靠性高，抗噪声性能好。
一种基于自回归积分滑动平均模型的信道占用度预测方法的基本思路是：终端变电站控制中心根据存储的历史检测数据，采用自回归积分滑动平均模型对给定区域电表终端的电视信道占用度做出预测，并结合该预测值，对某一电表终端上报的当前检测结果进行可靠性判决，若判决结果与该电表终端上报结果不同，则将该电表终端标记为异常终端。该方法的实质是利用智能电网控制中心存储和计算能力强的特点，由智能电网控制中心根据智能电表终端的历史检测结果进行电视信道占用度的预测，随后智能电表终端基于历史数据的统计分析和预测，对各电表终端上报的检测结果进行可靠性检验，提高了频谱感知的可靠性。
所述可靠频谱感知方法包括以下步骤：
步骤101)终端变电站控制中心将其管理范围内所有智能电表终端按照地理位置分为若干个簇；
步骤102)系统启动后，第i个簇的智能电表终端，采用能量-相关检测法检测所在位置的N条电视信道的占用情况；能量-相关检测法的具体实现如下：首先，采用基于差值的并行捕获方法捕捉电视信号帧头的PN序列，若在给定时间T内捕捉到PN序列，则判定该电视信道被占用。设PN序列的长度为L，当捕捉到周期性出现的具有尖锐单峰的长度为L的序列时，认为存在电视信号。PN序列自相关函数公式为：
在若给定时间T内没能捕捉到PN序列，则使用常规能量检测法对接收信号进行检测，通过已知的虚警概率确定检测门限，将检测结果与判决门限做对比，若检测结果大于判决门限,则判定电视信道占用，否则判定电视信道空闲。设接收信号为r(n),则能量检测公式为：
其中，T为统计检测量。
步骤103)第i个簇内的智能电表终端将N条信道的检测结果发送至控制中心；
步骤104)控制中心根据存储的第i个簇的历史检测数据，对N条信道的占用度进行数据挖掘和预测，具体预测方法如下：
步骤104-1)控制中心针对待检测电视信道集合中的某一信道k，对第i个簇内的历史检测数据进行统计分析，得到信道k占用度的时间序列；
步骤104-2)使用自回归滑动平均模型ARMA，对信道k占用度的时间序列进行预测，得到信道k占用度的预测结果，设为yk。ARMA模型预测步骤为：第一步，对原始数据序列进行零均值平稳化处理；第二步，逐渐增加模型阶数，拟合ARMA(n,n-1)模型；第三步，模型适应性检验；第四步，求最优模型参数；第五步，预测，得到预测结果。
步骤105)选定第i个簇内一个终端j，对第j个终端的检测结果的可靠性进行两级判决；若第j个终端的检测结果与控制中心的判决结果不同，则将该终端标记为异常终端。两级判决的具体方法如下：
步骤105-1)设终端j对信道k的检测结果为‘0’或‘1’，其中‘0’代表信道空闲，‘1’代表信道占用。控制中心对终端j所在簇内其他邻居节点对信道k的检测结果取平均值，设该平均值为xk，若xk>λ1，则判为信道k占用；若xk<λ2，则判为信道k空闲；若λ2<xk<λ1，则转到步骤105-2)进一步判定。其中，λ1，λ2为判决门限值，可根据经验设定。若第j个终端的检测结果与上述判决结果不同，则标记为异常终端。
步骤105-2)控制中心将终端j所在簇内其他邻居节点对信道k的检测结果平均值xk与步骤104所得到的信道占用度预测结果yk取平均值，设为zk，若xk>λ3，则判为信道k占用；若xk<λ3，则判为信道k空闲。其中，λ3为判决门限值，可根据经验设定。若第j个终端的检测结果与上述判决结果不同，则标记为异常终端。
附图说明
附图1为本发明提出的基于认知无线电的智能电网通信系统结构图。
附图2为智能电网通信系统中两级可靠频谱感知方法。
具体实施方式
下面结合附图1和附图2，详细说明本发明提出的方案。所述可靠频谱感知方法包括以下步骤：
步骤101)如图1所示系统中，终端变电站控制中心将其管理范围内所有智能电表终端按照地理位置分为若干个簇；
步骤102)系统启动后，第i个簇的智能电表终端，采用能量-相关检测法检测所在位置的N条电视信道的占用情况；能量-相关检测法的具体实现如下：首先，采用基于差值的并行捕获方法捕捉电视信号帧头的PN序列，若在给定时间T内捕捉到PN序列，则判定该电视信道被占用。设PN序列的长度为L，当捕捉到周期性出现的具有尖锐单峰的长度为L的序列时，认为存在电视信号。PN序列自相关函数公式为：
在若给定时间T内没能捕捉到PN序列，则使用常规能量检测法对接收信号进行检测，通过已知的虚警概率确定检测门限，将检测结果与判决门限做对比，若检测结果大于判决门限,则判定电视信道占用，否则判定电视信道空闲。设接收信号为r(n),则能量检测公式为：
其中，T为统计检测量。
步骤103)第i个簇内的智能电表终端将N条信道的检测结果发送至控制中心；
步骤104)控制中心根据存储的第i个簇的历史检测数据，对N条信道的占用度进行数据挖掘和预测，具体预测方法如下：
步骤104-1)控制中心针对待检测电视信道集合中的某一信道k，对第i个簇内的历史检测数据进行统计分析，得到信道k占用度的时间序列；
步骤104-2)使用自回归滑动平均模型ARMA，对信道k占用度的时间序列进行预测，得到信道k占用度的预测结果，设为yk。ARMA模型预测步骤为：第一步，对原始数据序列进行零均值平稳化处理；第二步，逐渐增加模型阶数，拟合ARMA(n,n-1)模型；第三步，模型适应性检验；第四步，求最优模型参数；第五步，预测，得到预测结果。
步骤105)选定第i个簇内一个终端j，对第j个终端的检测结果的可靠性进行两级判决；若第j个终端的检测结果与控制中心的判决结果不同，则将该终端标记为异常终端。两级判决的具体方法如下：
步骤105-1)设终端j对信道k的检测结果为‘0’或‘1’，其中‘0’代表信道空闲，‘1’代表信道占用。控制中心对终端j所在簇内其他邻居节点对信道k的检测结果取平均值，设该平均值为xk，若xk>λ1，则判为信道k占用；若xk<λ2，则判为信道k空闲；若λ2<xk<λ1，则转到步骤105-2)进一步判定。其中，λ1，λ2为判决门限值，在[0,1]之间取值，可根据经验设定。若第j个终端的检测结果与上述判决结果不同，则标记为异常终端。
步骤105-2)控制中心首先计算终端j所在簇内其他邻居节点对信道k的检测结果平均值xk，然后xk与步骤104所得到的信道占用度预测结果yk取平均值，设为zk。若xk>λ3，则判信道k占用；若xk<λ3，则判信道k空闲。若第j个终端的检测结果与上述判决结果不同，则标记为异常终端。其中，判决门限λ3的取值由虚警概率Pf决定，二者的关系式为：
其中，为噪声平均功率，为PN序列平均功率。
Claims (4)
1.一种智能电网通信中的有效频谱感知方法，其特征在于，该方法包括以下操作步骤：
步骤101)将一个终端变电站管理范围内的所有智能电表终端按照地理位置分为若干个簇；
步骤102)系统启动后，第i个簇的智能电表终端，采用能量-相关检测法检测所在位置的N条电视信道的占用情况；
步骤103)第i个簇内的智能电表终端将电视信道的检测结果发送至控制中心；
步骤104)控制中心根据存储的第i个簇的历史检测数据，采用自回归滑动平均模型对N条信道的占用度进行数据挖掘和预测；
步骤105)选定第i个簇内一个终端j，对第j个终端的检测结果的可靠性进行两级判决；若第j个终端的检测结果与控制中心的判决结果不同，则将该终端标记为异常终端。
2.根据权利要求1所述的电视信号能量-相关检测法，其特征在于，所述步骤102)进一步包含：
步骤102-1)根据已知的数字电视信号帧头PN序列模式，智能电表终端在本地捕捉PN序列，若在给定时间内捕获到收到的信号中的PN序列，则判定存在电视信号，该电视信道占用；若在给定时间内没能捕获到PN序列，则转到步骤102-2)。PN序列的自相关函数具有尖锐的单峰，可利用自相关函数捕捉PN序列。设PN序列的长度为L，当捕捉到周期性出现的具有尖锐单峰的长度为L的序列时，认为存在电视信号。PN序列自相关函数公式为：
<mrow>
<msub>
<mi>R</mi>
<mrow>
<mi>P</mi>
<mi>N</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>L</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<mi>P</mi>
<mi>N</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>+</mo>
<mi>m</mi>
<mo>)</mo>
</mrow>
<mi>P</mi>
<mi>N</mi>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mi>L</mi>
</mtd>
<mtd>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>m</mi>
<mo>&NotEqual;</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
步骤102-2)在若给定时间T内没能捕捉到PN序列，则使用常规能量检测法对接收信号进行检测，通过已知的虚警概率确定检测门限，将检测结果与判决门限做对比，若检测结果大于判决门限,则判定电视信道占用，否则判定电视信道空闲。设接收信号为r(n),则能量检测公式为：
<mrow>
<mi>T</mi>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mi>n</mi>
</munder>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mi>r</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
其中，T为统计检测量。
3.根据权利要求1所述的信道的占用度预测方法，其特征在于，所述步骤104)具体步骤为：
步骤104-1)控制中心针对待检测电视信道集合中的某一信道k，对第i个簇内的历史检测数据进行统计分析，得到信道k占用度的时间序列；
步骤104-2)使用自回归积分滑动平均模型ARMA，对信道k占用度的时间序列进行预测，得到信道k占用度的预测结果，设为yk。ARMA模型预测步骤为：第一步，对原始数据序列进行零均值平稳化处理；第二步，逐渐增加模型阶数，拟合ARMA(n,n-1)模型；第三步，模型适应性检验；第四步，求最优模型参数；第五步，预测，得到预测结果。
4.根据权利要求1所述的第j个终端检测结果可靠性的两级判决方法，其特征在于，所述步骤105)具体步骤为：
步骤105-1)设终端j对信道k的检测结果为‘0’或‘1’，其中‘0’代表信道空闲，‘1’代表信道占用。控制中心对终端j所在簇内其他邻居节点对信道k的检测结果取平均值，设该平均值为xk，若xk>λ1，则判为信道k占用；若xk<λ2，则判为信道k空闲；若λ2<xk<λ1，则转到步骤105-2)进一步判定。其中，λ1，λ2为判决门限值，在[0,1]之间取值，可根据经验设定。若第j个终端的检测结果与上述判决结果不同，则标记为异常终端。
步骤105-2)控制中心首先计算终端j所在簇内其他邻居节点对信道k的检测结果平均值xk，然后xk与步骤104所得到的信道占用度预测结果yk取平均值，设为zk。若xk>λ3，则判信道k占用；若xk<λ3，则判信道k空闲。若第j个终端的检测结果与上述判决结果不同，则标记为异常终端。其中，判决门限λ3的取值由虚警概率Pf决定，二者的关系式为：
<mrow>
<msub>
<mi>&lambda;</mi>
<mn>3</mn>
</msub>
<mo>=</mo>
<msqrt>
<mrow>
<mi>N</mi>
<mo>&CenterDot;</mo>
<mi>ln</mi>
<mfrac>
<mn>1</mn>
<msub>
<mi>P</mi>
<mi>f</mi>
</msub>
</mfrac>
<mrow>
<mo>(</mo>
<msubsup>
<mi>&sigma;</mi>
<mi>n</mi>
<mn>2</mn>
</msubsup>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<msubsup>
<mi>&sigma;</mi>
<mrow>
<mi>P</mi>
<mi>N</mi>
</mrow>
<mn>2</mn>
</msubsup>
<mo>)</mo>
</mrow>
</mrow>
</msqrt>
</mrow>
其中，为噪声平均功率，为PN序列平均功率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710816732.1A CN107528647A (zh) | 2017-09-12 | 2017-09-12 | 一种智能电网通信中的可靠频谱感知方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710816732.1A CN107528647A (zh) | 2017-09-12 | 2017-09-12 | 一种智能电网通信中的可靠频谱感知方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107528647A true CN107528647A (zh) | 2017-12-29 |
Family
ID=60735829
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710816732.1A Pending CN107528647A (zh) | 2017-09-12 | 2017-09-12 | 一种智能电网通信中的可靠频谱感知方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107528647A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110034837A (zh) * | 2019-04-15 | 2019-07-19 | 福州大学 | 基于cr的sg通信模型的最优联合传感时间和功率分配方法 |
| CN114244458A (zh) * | 2021-11-16 | 2022-03-25 | 中国科学院上海微系统与信息技术研究所 | 一种亚奈奎斯特采样前端的全盲频谱感知方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103178910A (zh) * | 2013-02-27 | 2013-06-26 | 浙江大学 | 基于信誉度的认知无线电网络分层合作频谱感知方法 |
| CN103415023A (zh) * | 2013-08-16 | 2013-11-27 | 内蒙古大学 | 一种基于双门限能量检测的分簇协作频谱感知方法及系统 |
| CN104506262A (zh) * | 2014-12-16 | 2015-04-08 | 清华大学 | 基于pn序列自相关的自适应dtmb频谱检测方法 |
-
2017
- 2017-09-12 CN CN201710816732.1A patent/CN107528647A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103178910A (zh) * | 2013-02-27 | 2013-06-26 | 浙江大学 | 基于信誉度的认知无线电网络分层合作频谱感知方法 |
| CN103415023A (zh) * | 2013-08-16 | 2013-11-27 | 内蒙古大学 | 一种基于双门限能量检测的分簇协作频谱感知方法及系统 |
| CN104506262A (zh) * | 2014-12-16 | 2015-04-08 | 清华大学 | 基于pn序列自相关的自适应dtmb频谱检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| OMID FATEMIEH 等: "Low cost and secure smart meter communications using the TV white spaces", 《2010 3RD INTERNATIONAL SYMPOSIUM ON RESILIENT CONTROL SYSTEMS》 * |
| 频谱感知算法及授权用户用频行为研究: "朱江", 《中国博士学位论文全文数据库信息科技辑（月刊）》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110034837A (zh) * | 2019-04-15 | 2019-07-19 | 福州大学 | 基于cr的sg通信模型的最优联合传感时间和功率分配方法 |
| CN114244458A (zh) * | 2021-11-16 | 2022-03-25 | 中国科学院上海微系统与信息技术研究所 | 一种亚奈奎斯特采样前端的全盲频谱感知方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | Joint design and separation principle for opportunistic spectrum access in the presence of sensing errors | |
| US7885229B2 (en) | Method, apparatus and computer program for self-adjusting spectrum sensing for cognitive radio | |
| KR101518222B1 (ko) | 무선 네트워크에 대한 채널 변경 결정 메커니즘 및 방법 | |
| CN102769912B (zh) | 应用于wlan的报文传输方法及装置、网络设备 | |
| CN105227253A (zh) | 一种新型的基于能量检测的双门限协作频谱感知算法 | |
| US9756518B1 (en) | Method and apparatus for detecting a traffic suppression turning point in a cellular network | |
| CN108886777B (zh) | 用于无线网络监测的方法和用于实现该方法的网络节点 | |
| KR102016866B1 (ko) | 신호 처리 방법 및 관련 디바이스 | |
| GB2505888A (en) | Distinguishing between congestion and interference by applying cluster analysis to sets of network traffic measurements | |
| CN103281143A (zh) | 一种基于双门限能量检测的选择式协作频谱感知方法 | |
| Falkenberg et al. | Discover your competition in LTE: Client-based passive data rate prediction by machine learning | |
| CN109862589B (zh) | 一种公专网切换方法、终端设备和存储介质 | |
| WO2015035804A1 (zh) | 宽带频谱感知方法、数据融合中心、感知节点及系统 | |
| CN102013928A (zh) | 一种认知无线电系统中的快速频谱感知方法 | |
| CN108540247B (zh) | 认知无线网络中带能量收集的频谱感知和信息传输方法 | |
| CN107528647A (zh) | 一种智能电网通信中的可靠频谱感知方法 | |
| CN101483487B (zh) | 认知系统信道状态配置方法和检测管理设备以及基站 | |
| Wang et al. | CoHop: Quantitative correlation-based channel hopping for low-power wireless networks | |
| US8442133B2 (en) | Apparatus and method for transmitting coexistence beacon protocol packet in cognitive radio wireless communication system | |
| CN107592174A (zh) | 一种智能电网通信中的高效频谱感知方法 | |
| EP2747505A1 (en) | Clustering of wireless sensor networks based on hidden node detection | |
| Kansal et al. | An efficient composite two-tier threshold cooperative spectrum sensing technique for 5G systems | |
| CN112468248B (zh) | 基于电力无线专网的认知无线电频谱检测方法 | |
| US20240163762A1 (en) | Wireless communication device and communication method | |
| KR100927231B1 (ko) | 무선통신 시스템의 과부하 제어 장치 및 그를 이용하는부하 제어 방법 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20171229 |
|
| WD01 | Invention patent application deemed withdrawn after publication |