CN109548032A - 一种面向密集网络全频段检测的分布式协作频谱认知方法 - Google Patents
一种面向密集网络全频段检测的分布式协作频谱认知方法 Download PDFInfo
- Publication number
- CN109548032A CN109548032A CN201811554580.3A CN201811554580A CN109548032A CN 109548032 A CN109548032 A CN 109548032A CN 201811554580 A CN201811554580 A CN 201811554580A CN 109548032 A CN109548032 A CN 109548032A
- Authority
- CN
- China
- Prior art keywords
- node
- frequency
- nodes
- information
- interaction
- 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
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/14—Spectrum sharing arrangements between different networks
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供一种面向密集网络全频段检测的分布式协作频谱认知方法,过程如下:S1:将待检测的所有频点进行分组,各节点分别分配到一组待检测频点,且保证所有频点在各节点的一跳范围内被分配完全;S2:各个节点分别对所分配的频点进行能量检测;S3:获得全网所有节点的交互次序;S4:按照所述交互次序,将所检测能量信息进行交互共享;S5:接收到共享信息的节点将其与自身上一次迭代的结果进行迭代,直到所有节点均完成一次共享并最终达到一致收敛的结果,否则返回S3;S6:各节点将迭代结果与判决门限进行比较,得到对于全局频点的最终用频决策。该方法能够有效应对密集网络场景下全频段检测的需求,在保证较高检测准确性的同时有效降低感知时延。
Description
技术领域
本发明属于认知自组网协作通信技术领域,具体涉及一种面向密集网络全频段检测的分布式协作频谱认知方法。
背景技术
认知无线电又被称为智能无线电,它以灵活、智能、可重配置为显著特征,通过感知外界环境,有目的地实时改变传输功率和频点等操作参数,从而实现任何时间、任何地点的高可靠通信。在基于认知无线电技术的认知自组网中,频谱认知被认为是成败的关键。通过周期性的频谱可用性和干扰情况检测,得到频谱可用性优先级列表及干扰信息,接入并使用具有较高优先级的授权频段从而达到提高传输可靠性的目的。
现有的频谱认知技术主要包括单节点独立认知和多节点协作认知,单节点独立认知技术主要包括基于滤波的检测和能量检测等。由于计算开销和复杂度较低,基于能量检测的方法是目前最广泛使用的频谱认知技术。多节点协作感知通过分集接收与协作交互可有效克服多径效应、阴影衰落等无线信道特征的影响,相比于单节点独立感知,能够显著提高感知的准确性。协作感知分为集中式协作和分布式协作,其中集中式协作即各个节点独立认知并将认知的频谱信息通过公用控制信道汇聚到中心节点,中心节点依据认知信息做出最后的频谱接入决策并通过公用控制信道返回给各个节点。集中式的方法需要融合中心对感知信息进行集中判决,相比于分布式协作,集中式协作的灵活性和抗毁性较差。但随着全频段认知需求的凸显,当检测频点数巨大、网络分布密集时,分布式协作感知的时延呈指数增长,无法满足实时快响网络通信需求。
发明内容
本发明的目的是为了克服已有技术的缺陷,为了解决密集网络多节点协作通信全频段检测场景下协作感知时延较大的问题,提出一种面向密集网络全频段检测的分布式协作频谱认知方法,该方法能够有效应对密集网络场景下全频段检测的需求,在保证较高检测准确性的同时有效降低感知时延。
本发明方法是通过下述技术方案来实现的:
一种面向密集网络全频段检测的分布式协作频谱认知方法,其具体实施过程如下:
S1:将待检测的所有频点进行分组,各节点分别分配到一组待检测频点,且保证所有频点在各节点的一跳范围内被分配完全;
S2:各个节点分别对所分配的频点进行能量检测;
S3:获得全网所有节点的交互次序;
S4:按照所述交互次序,将所检测能量信息进行交互共享,各节点得到所有频点的能量信息;
S5:接收到共享信息的节点将其与自身上一次迭代的结果进行迭代,直到所有节点均完成一次共享并最终达到一致收敛的结果,否则返回S3;
S6:各节点将迭代结果与判决门限进行比较,得到对于全局频点的最终用频决策。
进一步地,本发明所述步骤S3采用基于选举算法的信息交互机制,来获得全网所有节点的交互次序,在该交互次序下,一个时隙内只有一个或0个节点发送信息进行共享,任何节点占用控制信道的机会时公平的。
进一步地,本发明采用如下的迭代模型进行迭代:
其中,k为迭代次数;xi(k)表示节点i接收到的信号功率;Ni(k)表示在本轮迭代中节点i收到信息的节点集合;α为节点i的度的倒数;
δj=βρij,
其中β为调参系数,用于使得等式成立。
节点相关性ρij的计算方式如下:
其中,Dcorr为解相关距离,dij为两节点间的实际距离。
有益效果:
第一,本发明方法,通过全局协作交互和一致性迭代过程,能够有效克服多径效应、阴影衰落等无线信道特征的影响,相比于集中式协作方法系统的灵活性和鲁棒性较好,且能够有效应对密集网络场景下全频段检测的需求,通过一跳范围内的频点分组和交互共享,在保证较高检测准确性的同时有效降低感知时延。
第二,本发明采用选举的信息交互机制能够有效保证无碰撞的交互传输。
附图说明
图1为能量检测方案实现框图;
图2为基于选举的节点交互机制流程图。
具体实施方式
下面结合附图对本发明方法的实施方式做详细说明。
本发明一种面向密集网络全频检测的分布式协作频谱认知方法,其具体步骤包括:
S1:将待检测的所有频点进行分组,各节点分别分配到一组待检测频点,且保证所有频点在各节点的一跳范围内被分配完全;例如节点A,其一跳范围内的节点有5个,分别为节点B、C、D、E、F,则A-F这6个节点所分配的频点的集合应该等于所有待检测的频点。
S2:各个节点按照如图1所示方案分别对所分配的一组待检测频点进行能量检测,得到所检测频点分组的所有频点的能量值。
能量检测的过程为:S2.1、节点将接收到的信号经过平方得到其功率值;S2.2、在一段时间内积分得到信号的能量值。
S3:按照如图2所示流程,采用基于选举算法的信息交互机制获得全网所有节点的交互次序。
S4:所有节点按照S3所述交互次序进行所检测的频点能量信息的交互(广播),直到所有节点完成一轮交互;由于所有频点在各节点的一跳范围内被分配完全,因此所有节点均可获得所有频点的能量信息。
S5:接收到共享信息的节点将其与自身上一次迭代的结果进行迭代,直到所有节点最终达到一致收敛的结果,否则返回S3进行交互次序的确定,再重复交互迭代过程,直至所有节点最终达到一致收敛的结果。
S6:各节点将迭代后所有频点的能量值结果与判决门限进行比较,能量值大于门限所对应的频点则为可用频点,进而得到对于全局频点的最终用频决策。
本实施例中步骤S3采用如下步骤实现:
S3.1、各节点在确定两跳邻居范围内的竞争节点号集合之后,将本地节点号、第i个节点号和所竞争的时隙号输入到HASH函数并得到混合后的伪随机值并存储,重复此过程直到遍历完成;
S3.2、将输出的伪随机数值进行比较,数值最大的节点则为选举成功的节点。
选举算法可满足以下要求:
(1)对于不同的节点,只要向算法入口输入相同的参数,得到的结果相同;
(2)算法的结果能够保证同一个时隙内只能一个或者0个节点发送消息;
(3)算法能够保证不同的节点占用控制信道的机会是公平的,无论在任何时间任何节点,所得出的结果是均匀的分布。
本实施例中,步骤S5采用如下迭代模型:
其中,k为迭代次数;xi(k)表示节点i接收到的信号功率;Ni(k)表示在本轮迭代中节点i收到信息的节点集合,是节点i所有邻居节点的一个子集;α为节点i的度的倒数;δj=βρij,其中β为调参系数,用于使得等式成立。当|xi(k+1)-xi(k)|<ε(ε为一个很小的正值)时,就可以认为达到了一致收敛。
引入参数ρij来衡量邻居节点与本节点的相关程度,节点相关性ρij的计算方式如下:
其中,Dcorr为解相关距离,通常在城市环境下为45m,在旷野环境下为2500m;dij为两节点间的实际距离。
本实施例优选判决门限由虚警概率确定,虚警概率的计算方法如下:
其中,λ为判决门限;权重ω=diag(δ),δ=[δ1,δ2,…,δn]T;
Q函数为标准正态分布的右尾函数,其计算方法为:
μ0和分别为各节点i检测信号的均值向量和方差矩阵,分别为:
μ0=[mσ2 1,mσ2 2,…,mσ2 n]T
其中,m为每个节点的检测次数,一般m≥10,σ2 i为节点i检测信号的方差。
自此,就实现了面向全频段检测的分布式网络协作频谱认知。
本发明基于能量检测的单节点认知技术,采用多节点分布式协作的频谱认知技术,通过节点间的协作感知和信息交互,提高感知的准确度,并针对密集网络全频段检测的场景,分别通过弱相关和强相关节点间的交互保证在不影响感知准确度的情况下提高实时性,以满足协作网络通信可靠性和实时性的双重需求。
虽然结合了附图描述了本发明的实施方式,但是对于本领域技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进,这些也应视为属于本发明的保护范围。
Claims (3)
1.一种面向密集网络全频段检测的分布式协作频谱认知方法,其特征在于,具体过程如下:
S1:将待检测的所有频点进行分组,各节点分别分配到一组待检测频点,且保证所有频点在各节点的一跳范围内被分配完全;
S2:各个节点分别对所分配的频点进行能量检测;
S3:获得全网所有节点的交互次序;
S4:按照所述交互次序,将所检测能量信息进行交互共享,各节点得到所有频点的能量信息;
S5:接收到共享信息的节点将其与自身上一次迭代的结果进行迭代,直到所有节点均完成一次共享并最终达到一致收敛的结果,否则返回S3;
S6:各节点将迭代结果与判决门限进行比较,得到对于全局频点的最终用频决策。
2.根据权利要求1所述面向密集网络全频段检测的分布式协作频谱认知方法,其特征在于,所述步骤S3采用基于选举算法的信息交互机制,来获得全网所有节点的交互次序,在该交互次序下,一个时隙内只有一个或0个节点发送信息进行共享,任何节点占用控制信道的机会是公平的。
3.根据权利要求1所述面向密集网络全频段检测的分布式协作频谱认知方法,其特征在于,采用如下的迭代模型进行迭代:
其中,k为迭代次数;xi(k)表示节点i接收到的信号功率;Ni(k)表示在本轮迭代中节点i收到信息的节点集合;α为节点i的度的倒数;
δj=βρij,
其中β为调参系数,用于使得等式成立。
节点相关性ρij的计算方式如下:
其中,Dcorr为解相关距离,dij为两节点间的实际距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811554580.3A CN109548032B (zh) | 2018-12-19 | 2018-12-19 | 一种面向密集网络全频段检测的分布式协作频谱认知方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811554580.3A CN109548032B (zh) | 2018-12-19 | 2018-12-19 | 一种面向密集网络全频段检测的分布式协作频谱认知方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109548032A true CN109548032A (zh) | 2019-03-29 |
CN109548032B CN109548032B (zh) | 2021-03-19 |
Family
ID=65855414
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811554580.3A Active CN109548032B (zh) | 2018-12-19 | 2018-12-19 | 一种面向密集网络全频段检测的分布式协作频谱认知方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109548032B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112261617A (zh) * | 2020-10-20 | 2021-01-22 | 星河互联网络(深圳)有限公司 | 一种基于北斗定位的船舶自适应无线组网通信方法 |
CN112367131A (zh) * | 2020-10-08 | 2021-02-12 | 大连理工大学 | 基于强化学习的跳跃式频谱感知方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080171552A1 (en) * | 2007-01-11 | 2008-07-17 | Samsung Electronics Co., Ltd. | Communication method and apparatus for distributed network system where cognitive radio technology is applied |
CN102291191A (zh) * | 2011-08-19 | 2011-12-21 | 电子科技大学 | 一种频谱感知方法 |
CN102546059A (zh) * | 2012-01-04 | 2012-07-04 | 中国人民解放军理工大学 | 认知自组织网络中基于无监督聚类的分布式合作频谱感知方法 |
CN105119669A (zh) * | 2015-09-09 | 2015-12-02 | 昆明理工大学 | 一种认知无线电网络分簇协作频谱感知方法 |
-
2018
- 2018-12-19 CN CN201811554580.3A patent/CN109548032B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080171552A1 (en) * | 2007-01-11 | 2008-07-17 | Samsung Electronics Co., Ltd. | Communication method and apparatus for distributed network system where cognitive radio technology is applied |
CN102291191A (zh) * | 2011-08-19 | 2011-12-21 | 电子科技大学 | 一种频谱感知方法 |
CN102546059A (zh) * | 2012-01-04 | 2012-07-04 | 中国人民解放军理工大学 | 认知自组织网络中基于无监督聚类的分布式合作频谱感知方法 |
CN105119669A (zh) * | 2015-09-09 | 2015-12-02 | 昆明理工大学 | 一种认知无线电网络分簇协作频谱感知方法 |
Non-Patent Citations (1)
Title |
---|
麦磊鑫等: "一种基于小区内次用户间协作的频谱检测策略", 《电路与系统学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112367131A (zh) * | 2020-10-08 | 2021-02-12 | 大连理工大学 | 基于强化学习的跳跃式频谱感知方法 |
CN112367131B (zh) * | 2020-10-08 | 2021-09-24 | 大连理工大学 | 基于强化学习的跳跃式频谱感知方法 |
CN112261617A (zh) * | 2020-10-20 | 2021-01-22 | 星河互联网络(深圳)有限公司 | 一种基于北斗定位的船舶自适应无线组网通信方法 |
CN112261617B (zh) * | 2020-10-20 | 2024-01-30 | 星河互联网络(深圳)有限公司 | 一种基于北斗定位的船舶自适应无线组网通信方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109548032B (zh) | 2021-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102546059B (zh) | 认知自组织网络中基于无监督聚类的分布式合作频谱感知方法 | |
Selen et al. | Sensor selection for cooperative spectrum sensing | |
CN1925442B (zh) | 一种智能环境中无线通信终端的自动组网方法 | |
CN110620611B (zh) | 一种基于geo与leo双层卫星网络的协同频谱感知方法 | |
CN104320845B (zh) | 一种基于传感器和量子智能计算的主用户定位方法 | |
CN102638802B (zh) | 一种分层协作联合频谱感知算法 | |
Chen et al. | Secure centralized spectrum sensing for cognitive radio networks | |
CN104656070A (zh) | 雷达组网下的虚假目标消除方法 | |
CN109548032A (zh) | 一种面向密集网络全频段检测的分布式协作频谱认知方法 | |
He et al. | Random forests based path loss prediction in mobile communication systems | |
CN105391490B (zh) | 一种基于认知的卫星通信网络选择算法 | |
Gao et al. | Distributed resource management and matching in sensor networks | |
Pattanayak et al. | Artificial intelligence based model for channel status prediction: A new spectrum sensing technique for cognitive radio | |
CN113453148A (zh) | 联合深度学习与加权k邻近算法的室内位置指纹定位方法 | |
CN104469811A (zh) | 认知无线传感网络分簇合作频谱感知硬融合方法 | |
CN108736991B (zh) | 一种基于分级的群体智能频谱切换方法 | |
Wu et al. | Joint scheduling and robust aggregation for federated localization over unreliable wireless d2d networks | |
Pattanayak et al. | Identification of spectrum holes using ANN model for cognitive radio applications | |
CN106131887A (zh) | 基于串行干扰消除的分布式拓扑控制方法 | |
CN104219679A (zh) | 认知无线电网络中的一种改进的信道分配方法 | |
El Hammouti et al. | Identifying a volunteer-like dilemma in cooperative sensing-empowered cognitive radio networks | |
CN114285506B (zh) | 一种混合式两级多星协作频谱感知方法 | |
An et al. | Energy-efficient collaborative scheme for compressed sensing-based spectrum detection in cognitive radio networks | |
Xu et al. | Research on dynamic community discovery algorithm based on individual stability game | |
Chen et al. | Toward secure centralized spectrum sensing by utilizing geographical information |
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 |