CN109347584B - 基于指数平滑预测的频谱感知方法 - Google Patents
基于指数平滑预测的频谱感知方法 Download PDFInfo
- Publication number
- CN109347584B CN109347584B CN201811299901.XA CN201811299901A CN109347584B CN 109347584 B CN109347584 B CN 109347584B CN 201811299901 A CN201811299901 A CN 201811299901A CN 109347584 B CN109347584 B CN 109347584B
- Authority
- CN
- China
- Prior art keywords
- value
- energy
- exponential smoothing
- frequency band
- smoothing prediction
- 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
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
Abstract
本发明提出了一种基于指数平滑预测的频谱感知方法,主要解决现有频谱感知方法中的能量检测法检测率低的技术问题,实现步骤为:1.计算噪声能量的高门限与低门限;2.计算接收信号能量的强化后的值;3.采用指数平滑法确定判决门限;4.将接收信号能量强化后的值与判决门限比较,并设置状态值;5.输出频带状态。本发明利用信号具有相关性而噪声不具有相关性这一特点,对接收信号能量进行加强,提高能量检测的检测率,同时借助指数平滑预测法短期预测精度高的优势对频带繁忙可能性进行预测,并按照可能性合理调整判决门限值,实现提高频谱感知方法检测率以及增强对环境的适应性。
Description
技术领域
本发明属于信号与信息处理技术领域,涉及一种认知无线电中的频谱感知方法,具体涉一种基于指数平滑预测的频谱感知方法,适用于认知无线电中协作与非协作频谱感知方法,可用于信号频段实时监测,信号截获等。
背景技术
为提高频谱资源利用率,Mitola博士在软件无线电基础上提出了认知无线电的概念,即在不对授权用户通信产生干扰的前提下,允许未授权用户接入空闲的授权频段。认知无线电的研究主要在频谱感知、频谱管理以及频谱共享三部分的研究。
频谱感知的主要目的是解决频带利用率低的问题,通过合适的频谱感知算法输出指定频段内是否有信号存在,如果频段内有信号存在则该频段不能再接入信号,继续查看其余频带状态直至找到一段空闲的频段并接入信号,这样能避免频谱资源浪费的情况发生,达到提高频谱利用率的目的。常见的频谱感知算法主要有能量检测法、循环谱检测法以及匹配滤波检测法。循环谱检测算法因其复杂度较高,不利于工程中实现以及实时检测;匹配滤波器检测算法,需要知道信号的先验信息,这在实际工程中几乎很难获得,因此工程使用较少。
能量检测法因其具有复杂度低,无需信号先验知识,工程上实现简单等优点而常用于实际工程中。双门限能量检测是能量检测中的一种,它在能量检测的基础上将噪声能量门限从一个增加到两个,并采用合理的方法处理接收信号能量处于两个门限之间(称为困惑区)的信号,达到提高检测率以及增强环境适应性的目的。如申请公布号为CN104767578A,名称为“基于自适应检测长度的双门限能量感知方法和系统”的专利申请,公开了一种基于自适应检测长度的双门限能量感知方法,该方法首先根据噪声不确定性大小设置上下判决门限,当检测统计量位于双门限之外时直接判决,否则增加采样数并再次比较,直到得出判决结果或采样数达到上限。该方法通过牺牲了系统开销的前提下实现低信噪比检测概率的提高,由于设置了最大采样点数,在判决结果仍旧存在无法判断的情况,并且增加采样点数并未对低信噪比检测率有太大提高,而又带来了时间复杂度的缺陷。又如申请公布号为CN103856946A,名称为“基于差分能量检测的双门限协作频谱感知方法”的专利申请,公开了一种基于差分能量检测的双门限协作频谱感知方法:该方法首先对每个认知用户进行本地感知,在传统双门限能量检测的基础上,对处于双门限之间的能量值采用差分能量检测,对处于双门限之外的能量值采用传统能量检测,并将检测结果输出。该方法结合了差分检测和双门限检测,提高了检测概率并在一定程度上克服了噪声不确定性影响,由于该方法仅利用了在计算差分能量均值时并未利用所接收到所有信号能量,仅利用了初始信号能量及当前时刻能量,导致信息利用率不足,对检测率提高并不多,并且在低信噪比下,差分能量并不是一个很好的特征,并未有效提高低信噪比检测率。
综上所述,现有的频谱感知算法中的能量检测方法中,仍很难找到一种低信噪比检测率高的方法。
发明内容
本发明的目的在于克服上述现有技术存在的缺陷,提出了一种基于指数平滑预测的频谱感知方法,用以解决现有技术中存在的低信噪比检测率低的技术问题。
本发明的技术思路是:根据背景噪声信号方差的最大值与最小值并由此计算出噪声能量的高低门限,将接收信号分解成小段信号,将所有小段信号能量与信号间的相关之和作为增强后的能量,通过指数平滑法预测频带忙碌的可能性,并在噪声能量的高低门限基础上计算合适的判决门限值,通过比较接收信号增强后的能量值以及判决门限值之间的对比,得出频带状态值,最后输出频带状态,实现步骤为:
(1)计算噪声能量的高门限Vh和低门限Vl:
采用逆Q函数Q-1(·),并根据噪声信号方差的最小值βl和最大值βh,计算噪声能量的高门限Vh和低高门限Vl:
其中,N为采样点数,N=τfs,τ为检测周期,fs为采样频率,fs=2W,W为接收带宽,Pf为虚警概率;
(2)对i时刻i≥1接收信号X的能量进行强化,得到强化后的能量Y:
(2a)将接收信号X平均划分为2K段,K为正整数,且K≥1,其中第l段接收信号用Xl表示,l=1,2,...,2K;
(2b)按照接收的先后顺序,将划分后的2K段接收信号每两段分为一组,第k组接收信号用X2k-1与X2k表示,k=1,2,...,K,并计算第k组中两段接收信号之和Ak及两段接收信号之差Bk:Ak=X2k-1+X2k,Bk=X2k-1-X2k;
(3)采用指数平滑预测方法,确定噪声能量的判决门限值Vth:
(3a)采用指数平滑法预测法,预测i时刻频带的状态值Si=1的可能性P;
(3b)计算噪声能量判决门限Vth:
Vth=(1-P)(Vh-Vl)+Vl;
(4)确定i时刻频带的状态值Si:
当Y≥Vth时,记录i时刻频带的状态值Si=1;当Y<Vth时,记录i时刻频带的状态值Si=0;
(5)判断i时刻的频带状态并输出:
如果Si=1,则i时刻的频带状态为忙碌;如果Si=0,则i时刻的频带状态为空闲,并输出该时刻的频带状态。
本发明与现有技术相比,具有如下优点:
1.本发明在计算频带状态值时,采用判决门限与能量值比较,判决门限根据指数平滑预测结果设定,由于指数平滑预测方法拥有短期预测以及对趋势性变化数据预测具有精度高的优点,使得在低信噪比情况下的预测频带使用情况可能性准确率仍能达到很高,进而达到提高低信噪比检测率的效果。
2.本发明在计算接收信号能量时,依据信号具有相关性而噪声不相关这一特性,增强了接收信号能量,进一步达到提高低信噪比检测率的效果。
3.本发明在计算频带状态值时,采用判决门限与能量值比较,判决门限的设定按照频带繁忙可能性高则判决门限低,频带空闲可能性高的准则设定,能更好的适应环境的变化。
附图说明
图1为本发明的实现流程图;
图2为本发明、基于自适应检测长度的双门限能量感知方法和基于差分能量检测的双门限协作频谱感知方法三种方法在非协作频谱感知条件下对QPSK信号在环境噪声信号不确定度为0.05,信噪比在-30dB-0dB变化的检测概率的曲线;
图3为本发明、基于自适应检测长度的双门限能量感知方法和基于差分能量检测的双门限协作频谱感知方法三种方法在非协作频谱感知条件下对QPSK信号在环境噪声信号不确定度为0.05,信噪比为-10dB下不同虚警概率下的检测概率ROC曲线;
图4为本发明、基于自适应检测长度的双门限能量感知方法和基于差分能量检测的双门限协作频谱感知方法三种方法在非协作频谱感知条件下对2FSK信号在环境噪声信号不确定度为0.05,信噪比在-30dB-0dB变化的检测概率的曲线;
图5为本发明、基于自适应检测长度的双门限能量感知方法和基于差分能量检测的双门限协作频谱感知方法三种方法在非协作频谱感知条件下对QPSK信号在环境噪声信号不确定度为0.05,信噪比为-10dB下不同虚警概率下的检测概率ROC曲线;
图6为本发明在非协作频谱感知条件下对QPSK信号在背景噪声不确定度分别为0,0.05,0.1,信噪比在-30dB-0dB变化的检测概率的检测曲线。
具体实施方式
以下结合附图和具体实施例,对本发明作进一步详细描述。
参照图1,一种基于指数平滑预测的频谱感知方法,包括以下步骤:
步骤1)计算噪声能量的高门限Vh和低门限Vl:
采用逆Q函数Q-1(·)(标准正态分布的右尾函数的逆函数),并确定噪声信号方差的最小值βl和最大值βh:
步骤1a)计算背景噪声信号nzj的幅度均值ez:
其中,z表示第z次采集,z=1,2,...,M,M表示背景噪声信号的采集次数,j表示第j个采样点,j=1,2,...,N,N为采样点数;
βl=η
计算噪声能量的高门限Vh和低高门限Vl:
其中,N为采样点数,N=τfs,τ为检测周期,fs为采样频率,fs=2W,W为接收带宽,Pf为虚警概率;
步骤2)对i时刻i≥1接收信号X的能量进行强化,得到强化后的能量Y:
步骤2a)将接收信号X平均划分为2K段(因为后续处理信号是需要两段两段处理,所以必须是偶数段),K为正整数,且K≥1,划分后的信号段保持未划分信号时出现的先后顺序排列,其中第l段接收信号用Xl表示,l=1,2,...,2K;
步骤2b)按照接收的先后顺序即保持未划分信号时的时域出现顺序,将划分后的2K段接收信号每两段分为一组,第k组接收信号用X2k-1与X2k表示,k=1,2,...,K,并计算第k组中两段接收信号之和Ak及两段接收信号之差Bk:Ak=X2k-1+X2k,Bk=X2k-1-X2k;
步骤2c)计算Ak的能量Mk及Bk的能量Nk,Ak的能量Mk等价于信号的能量加上接收信号的相关和,Bk的能量Nk等价于信号的能量减去接收信号的相关和,并令第k组接收信号的能量为Yk,Yk=max{Mk,Nk},即如果信号具有负相关特性便取接收信号的能量Yk为Bk的能量Nk,反之信号具有正相关特性便取接收信号的能量Yk为Ak的能量Mk;再计算K组接收信号能量之和Y,将其作为接收信号X强化后的能量,
步骤3)采用指数平滑预测方法,确定噪声能量的判决门限值Vth:
步骤3a)采用指数平滑法预测法,预测i时刻频带的状态值Si=1(表示频段处于繁忙状态)的可能性P:
由于指数平滑预测方法中三次指数平滑预测法对具有周期性趋势变化的数据预测效果最好,而环境中频带的使用状况一般具有宏观的周期性,因此采用三次指数平滑预测法,实现步骤为:
步骤3a1)设置静态平滑系数的值为α,α∈[0,1];
步骤3a2)设置一次指数平滑预测的初始值为l1(可设置为范围内任意值),l1∈[0,1],二次指数平滑预测的初始值为m1(可设置为范围内任意值),m1∈[0,1],三次指数平滑预测的初始值为n1(可设置为范围内任意值),n1∈[0,1],,令i≥2,时刻值h的初始值为0,并按如下公式迭代i-1次,得到一次指数平滑预测的当前值li,二次指数平滑预测的当前值mi和三次指数平滑预测的当前值ni;
h=h+1
lh+1=(1-α)lh+Sh
mh+1=(1-α)mh+αlh+1
nh+1=(1-α)nh+αmh+1
其中,Sh表示h时刻的频带的状态值;
步骤3a3)通过li、mi和ni,分别计算一次指数平滑预测参数的值a、二次指数平滑预测参数的值b和三次指数平滑预测参数的值c:
a=3li-3mi+ni
步骤3a4)根据计算一次指数平滑预测参数的值a、二次指数平滑预测参数的值b和三次指数平滑预测参数的值c计算三次指数平滑预测结果值pre:
pre=a+bs+cs2
其中,s表示预测时刻间隔,在本发明中s=i-h;
步骤3a5)确定i时刻频带的状态值Si=1的可能性P:
步骤3b)计算噪声能量判决门限Vth:
Vth=(1-P)(Vh-Vl)+Vl;
步骤4)确定i时刻频带的状态值Si:
当Y≥Vth时,记录i时刻频带的状态值Si=1(表示频带繁忙);当Y<Vth时,记录i时刻频带的状态值Si=0(表示频带空闲);
步骤5)判断i时刻的频带状态并输出:
如果Si=1,则i时刻的频带状态为忙碌,反馈用户该频段不能使用,需切换至其余频段;如果Si=0,则i时刻的频带状态为空闲,反馈用户可接入该频段。
以下结合仿真实验,对本发明的技术效果作进一步说明:
1、仿真条件
下述所有仿真实验均是在Win10操作系统下采用MATLAB2016a软件实现;
2、仿真内容
仿真1
将本发明、基于自适应检测长度的双门限能量感知方法和基于差分能量检测的双门限协作频谱感知方法三种方法应用于非协作场景中在对信噪比变化范围为-31dB-0dB的接收信号的检测率进行对比,其中接收信号为QPSK信号加上加性高斯白噪声信号,背景噪声不确定度为0.05,虚警概率为0.1,将接收信号分解为4段信号,三次指数平滑系数设置为0.3,本发明与现有发明技术在不同信噪比下的检测结果曲线如图2所示;
仿真2
将本发明与基于自适应检测长度的双门限能量感知方法和基于差分能量检测的双门限协作频谱感知方法三种方法应用于非协作场景中在不同虚警概率下的接收信号检测率进行对比,其中接收信号为QPSK信号加上加性高斯白噪声信号,背景噪声不确定度为0.05,信噪比为,将接收信号分解为4段信号,三次指数平滑系数设置为0.3,本发明与现有发明技术在不同虚警概率下的ROC曲线如图3所示;
仿真3
将本发明与基于自适应检测长度的双门限能量感知方法和基于差分能量检测的双门限协作频谱感知方法三种方法应用于非协作场景中在对信噪比变化范围为-31dB-0dB的接收信号的检测率结果进行对比,其中接收信号为2FSK信号加上加性高斯白噪声信号,背景噪声不确定度为0.05,虚警概率为0.1,将接收信号分解为4段信号,三次指数平滑系数设置为0.3,本发明与现有发明技术在不同信噪比下的检测结果曲线如图4所示;
仿真4
将本发明与基于自适应检测长度的双门限能量感知方法和基于差分能量检测的双门限协作频谱感知方法三种方法应用于非协作场景中在不同虚警概率下的接收信号检测率进行对比,其中接收信号为2FSK信号加上加性高斯白噪声信号,背景噪声不确定度为0.05,信噪比为,将接收信号分解为4段信号,三次指数平滑系数设置为0.3,本发明与现有发明技术在不同虚警概率下的ROC曲线如图5所示;
仿真5
本发明应用到不同背景噪声不确定度环境下对信噪比变化范围为-31dB-0dB接收信号的检测率结果,其中接收信号为2FSK信号加上加性高斯白噪声信号,背景噪声不确定度为0.05,虚警概率为0.1,将接收信号分解为4段信号,三次指数平滑系数设置为0.3,本发明与在不同噪声不确定度下不同信噪比下的检测结果曲线如图6所示。
3、仿真结果分析
图2-图3表明,对于QPSK信号本发明所采用的方法在低信噪比检测率上优于现有方法。
图4-图5表明,对于2FSK信号本发明所采用的方法在低信噪比检测率上优于现有方法。
图2-图5表明,本发明信号对于不同调制信号均有着良好的检测特性,且检测效果均优于现有方法。
图6表明,在不同环境噪声不确定度下对算法检测效果并没有太大影响,本发明对于不同的背景环境有着良好的适应性。
以上描述仅是本发明的一个具体实例,并未构成对本发明的任何限制。显然对于本领域的专业人士来说,在了解了本发明内容和原理后,都可能在不背离本发明原理、结构的情况下,进行形式和细节上的各种修正和改变,但是这些基于本发明思想的修正和改变仍在本发明的权利要求保护范围之内。
Claims (2)
1.一种基于指数平滑预测的频谱感知方法,其特征在于:包括以下步骤:
(1)计算噪声能量的高门限Vh和低门限Vl:
(1a)计算背景噪声信号nzj的幅度均值ez:
其中,z表示第z次采集,z=1,2,...,M,M表示背景噪声信号的采集次数,j表示第j个采样点,j=1,2,...,N,N为采样点数;
βl=η
(1f)采用逆Q函数Q-1(·),并根据噪声信号方差的最小值βl和最大值βh,计算噪声能量的高门限Vh和低高门限Vl:
其中,N=τfs,τ为检测周期,fs为采样频率,fs=2W,W为接收带宽,Pf为虚警概率;
(2)对i时刻i≥1接收信号X的能量进行强化,得到强化后的能量Y:
(2a)将接收信号X平均划分为2K段,K为正整数,且K≥1,其中第l段接收信号用Xl表示,l=1,2,...,2K;
(2b)按照接收的先后顺序,将划分后的2K段接收信号每两段分为一组,第k组接收信号用X2k-1与X2k表示,k=1,2,...,K,并计算第k组中两段接收信号之和Ak及两段接收信号之差Bk:Ak=X2k-1+X2k,Bk=X2k-1-X2k;
(3)采用指数平滑预测方法,确定噪声能量的判决门限值Vth:
(3a)采用指数平滑法预测法,预测i时刻频带的状态值Si=1的可能性P;
(3b)计算噪声能量判决门限Vth:
Vth=(1-P)(Vh-Vl)+Vl;
(4)确定i时刻频带的状态值Si:
当Y≥Vth时,记录i时刻频带的状态值Si=1;当Y<Vth时,记录i时刻频带的状态值Si=0;
(5)判断i时刻的频带状态并输出:
如果Si=1,则i时刻的频带状态为忙碌;如果Si=0,则i时刻的频带状态为空闲,并输出该时刻的频带状态。
2.根据权利要求1所述的基于指数平滑预测的频谱感知方法,其特征在于,步骤(3a)中所述的预测i时刻频带的状态值Si=1的可能性P,采用三次指数平滑预测法,实现步骤为:
(3a1)设置静态平滑系数的值为α,α∈[0,1];
(3a2)设置一次指数平滑预测的初始值为l1,l1∈[0,1],二次指数平滑预测的初始值为m1,m1∈[0,1],三次指数平滑预测的初始值为n1,n1∈[0,1],令i≥2,h的初始值为0,并按如下公式迭代i-1次,得到一次指数平滑预测的当前值li,二次指数平滑预测的当前值mi和三次指数平滑预测的当前值ni;
h=h+1
lh+1=(1-α)lh+Sh
mh+1=(1-α)mh+αlh+1
nh+1=(1-α)nh+αmh+1
其中,Sh表示h时刻的频带的状态值;
(3a3)通过li、mi和ni,分别计算一次指数平滑预测参数的值a、二次指数平滑预测参数的值b和三次指数平滑预测参数的值c:
a=3li-3mi+ni
(3a4)根据计算一次指数平滑预测参数的值a、二次指数平滑预测参数的值b和三次指数平滑预测参数的值c来计算三次指数平滑预测结果值pre:
pre=a+bs+cs2
其中,s表示预测的时刻间隔;
(3a5)确定i时刻频带的状态值Si=1的可能性P:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811299901.XA CN109347584B (zh) | 2018-11-02 | 2018-11-02 | 基于指数平滑预测的频谱感知方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811299901.XA CN109347584B (zh) | 2018-11-02 | 2018-11-02 | 基于指数平滑预测的频谱感知方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109347584A CN109347584A (zh) | 2019-02-15 |
CN109347584B true CN109347584B (zh) | 2021-02-12 |
Family
ID=65313735
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811299901.XA Active CN109347584B (zh) | 2018-11-02 | 2018-11-02 | 基于指数平滑预测的频谱感知方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109347584B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110702986B (zh) * | 2019-10-31 | 2021-11-05 | 中国电子科技集团公司第四十一研究所 | 一种自适应信号搜索门限实时动态生成方法及系统 |
CN112099057B (zh) * | 2020-09-17 | 2024-03-05 | 重庆大学 | 一种基于模糊逻辑的双门限协作gnss干扰检测算法 |
CN113765607B (zh) * | 2021-03-15 | 2022-08-30 | 全球能源互联网研究院有限公司 | 一种频谱检测方法及装置 |
CN114679357A (zh) * | 2022-02-24 | 2022-06-28 | 瑞玛思特(深圳)科技有限公司 | 一种对信号Burst进行检测的方法 |
CN115291171B (zh) * | 2022-08-08 | 2023-08-29 | 扬州宇安电子科技有限公司 | 一种基于数字信道化的滤波方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102571241A (zh) * | 2012-02-20 | 2012-07-11 | 江苏新大诚信息技术有限公司 | 一种改进的双门限协作频谱感知方法 |
CN103237311A (zh) * | 2013-05-08 | 2013-08-07 | 西安电子科技大学 | 基于ofdm频域内插导频的循环平稳特征频谱感知方法 |
CN103281142A (zh) * | 2013-05-28 | 2013-09-04 | 桂林电子科技大学 | 联合时域双门限和频域变点数的能量检测方法和装置 |
CN103338085A (zh) * | 2013-07-04 | 2013-10-02 | 江苏科技大学 | 基于双门限值的两层协作频谱感知方法 |
KR20140009734A (ko) * | 2012-07-12 | 2014-01-23 | 광운대학교 산학협력단 | 인지 무선 시스템에서 유휴 주파수 검출 방법 및 그 장치 |
CN105357154A (zh) * | 2015-10-20 | 2016-02-24 | 中国人民解放军理工大学 | 一种联合功率双门限和延时相关矩阵的信号检测方法 |
CN107592174A (zh) * | 2017-09-12 | 2018-01-16 | 河南工业大学 | 一种智能电网通信中的高效频谱感知方法 |
-
2018
- 2018-11-02 CN CN201811299901.XA patent/CN109347584B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102571241A (zh) * | 2012-02-20 | 2012-07-11 | 江苏新大诚信息技术有限公司 | 一种改进的双门限协作频谱感知方法 |
KR20140009734A (ko) * | 2012-07-12 | 2014-01-23 | 광운대학교 산학협력단 | 인지 무선 시스템에서 유휴 주파수 검출 방법 및 그 장치 |
CN103237311A (zh) * | 2013-05-08 | 2013-08-07 | 西安电子科技大学 | 基于ofdm频域内插导频的循环平稳特征频谱感知方法 |
CN103281142A (zh) * | 2013-05-28 | 2013-09-04 | 桂林电子科技大学 | 联合时域双门限和频域变点数的能量检测方法和装置 |
CN103338085A (zh) * | 2013-07-04 | 2013-10-02 | 江苏科技大学 | 基于双门限值的两层协作频谱感知方法 |
CN105357154A (zh) * | 2015-10-20 | 2016-02-24 | 中国人民解放军理工大学 | 一种联合功率双门限和延时相关矩阵的信号检测方法 |
CN107592174A (zh) * | 2017-09-12 | 2018-01-16 | 河南工业大学 | 一种智能电网通信中的高效频谱感知方法 |
Non-Patent Citations (2)
Title |
---|
一种基于噪声方差估计的自适应多门限能量检测算法;文凯;《南京邮电大学学报》;20170630;第68-72页 * |
认知无线电集中式联合频谱感知算法研究;刘鑫;《中国博士学位论文全文数据库 信息科技辑》;20140331;第I125-14页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109347584A (zh) | 2019-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109347584B (zh) | 基于指数平滑预测的频谱感知方法 | |
Manesh et al. | Performance evaluation of spectrum sensing techniques for cognitive radio systems | |
CN112003663A (zh) | 基于lstm神经网络的认知无线电频谱感知方法 | |
Headley et al. | Distributed cyclic spectrum feature-based modulation classification | |
Li et al. | A two-step spectrum sensing scheme for cognitive radio networks | |
Honghao et al. | Spectrum anomalies autonomous detection in cognitive radio using hidden markov models | |
Khalaf et al. | Enhanced hybrid spectrum sensing architecture for cognitive radio equipment | |
Kumar et al. | Cyclostationary and energy detection spectrum sensing beyond 5G waveforms | |
Eslami et al. | Performance analysis of double threshold energy detection-based spectrum sensing in low SNRs over Nakagami-m fading channels with noise uncertainty | |
CN113014340A (zh) | 一种基于神经网络的卫星频谱资源动态分配方法 | |
Kapoor et al. | Adaptive technique with cross correlation for lowering signal-to-noise ratio wall in sensor networks | |
CN106788817A (zh) | 一种基于贝叶斯准则和能量检测法的频谱感知方法 | |
Liu et al. | An adaptive double thresholds scheme for spectrum sensing in cognitive radio networks | |
CN112099057B (zh) | 一种基于模糊逻辑的双门限协作gnss干扰检测算法 | |
CN112702133B (zh) | 一种基于动态贝叶斯隐马尔可夫模型的信道状态预测方法 | |
Zhang et al. | Machine learning based protocol classification in unlicensed 5 GHz bands | |
Zhao et al. | Blind spectrum sensing for cognitive radio over time-variant multipath flat-fading channels | |
Li et al. | MTF 2 N: Multi-Channel Temporal-Frequency Fusion Network for Spectrum Prediction | |
CN112073138B (zh) | 一种基于量化的双门限协作频谱感知方法 | |
Zhao et al. | Cyclic spectrum based intelligent modulation recognition with machine learning | |
Bhagate et al. | Maximizing spectrum utilization in cognitive radio network | |
Miah et al. | Super-allocation and cluster-based cooperative spectrum sensing in cognitive radio networks | |
Ponnusamy et al. | An SDR implementation of reliable spectrum sensing using fuzzy logic and genetic algorithm | |
CN113132033A (zh) | 基于多项式插值处理的通信干扰检测方法和装置 | |
CN114614923B (zh) | 基于异常用频行为检测的频谱使用秩序强化方法及系统 |
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 |