CN109787697B - 一种基于无线指纹数据库的频谱感知方法 - Google Patents
一种基于无线指纹数据库的频谱感知方法 Download PDFInfo
- Publication number
- CN109787697B CN109787697B CN201910181812.3A CN201910181812A CN109787697B CN 109787697 B CN109787697 B CN 109787697B CN 201910181812 A CN201910181812 A CN 201910181812A CN 109787697 B CN109787697 B CN 109787697B
- Authority
- CN
- China
- Prior art keywords
- frequency band
- grid
- flag
- toa
- fingerprint database
- 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
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种基于无线指纹数据库的频谱感知方法,属于无线通信领域。该方法:首先将目标地理区域划分为L个相同大小的网格;当网络中的各个PU位置预先已知时,根据该网格所对应的PU授权频段可用性标签,决定SU接入、检测或不接入PU授权频段。当PU在网格中的位置未知时,采用SVM算法,先预测此时的P个PU工作状态,然后预测该网格位置及其邻近的N个网格所对应的PU授权频段的可用性标签,然后将N+1个网格联合起来,对SU所在地理网格的PU授权频段状态进行标签数据融合,最后对频谱状态做出判决。本发明在保证PU通信质量的前提下,灵活分配SU的空间频谱资源,节省感知时间,进而提高频谱利用效率。
Description
技术领域
本发明属于无线通信领域,涉及认知无线电频谱感知技术。
背景技术
近年来,无线网络用户数量以及对无线服务与应用的需求急剧增长,随之而来的无线网络数据量也迅速增长。由于频谱资源不具再生性,传统的静态频谱分配方式已不能满足日益增长的无线通信频谱需求,因此,需要更高效的频谱接入技术应用频谱资源。认知无线电(cognitive radio,CR)技术的核心思想是通过次用户(secondary user,SU)感知其周围的授权频谱状态,并调整系统自身参数,从而让SU机会性地利用在其所处空间内的、空闲可用的授权频谱。CR技术的基本前提是SU能够有效地限制和降低SU与主用户(primaryuser,PU)碰撞冲突情况的发生。CR的核心思想就是SU在不影响PU的情况下,机会性地接入授权频段,提高授权频谱的使用效率。
CR对于授权频段上未被PU占用的授权频谱(空白频谱)的获取方式一般主要依赖频谱感知技术,即SU利用信号检测技术对授权频段进行检测,从而感知到此频段是否被PU占用。然而,由于无线信道特性以及实际感知情况的复杂多变性,频谱感知技术仍无法很好地确保SU活动相对于PU的透明性。
在CR网络中,现有的频谱感知技术的不足和缺陷主要包括:
(1)传统频谱感知算法性能有限。常用的频谱感知方法,如能量检测、循环平稳信号谱相关检测、PU接收机本地振荡器能量泄漏检测、合作频谱感知等,各个方法的实现原理不尽相同,性能优劣不一。能量检测法是频谱感知中最普遍采用的方法。根据预先设置的门限,能量检测器将接收信号的能量值与门限相比较,由此判断目标授权频段内是否有PU活动。能量检测器的优点是无需PU发射信号及无线信道的先验知识,在实现上非常简单。能量检测器也有相应的缺点:首先,判决门限比较难精确确定,在很大程度上受到噪声及干扰的统计特性估计精确性的影响;其次,在低信噪比情况下,接收到的PU信号淹没在噪声中,能量检测性能严重不足;最后,能量检测只是计算信号的能量,并不能区分接收信号中的PU信号格式,亦无法辨识区分PU信号、噪声和干扰等各种成分。对于其它的检测方法,在实现方面往往存在对先验信息的依赖程度较强或者需要预知噪声功率信息等问题。
(2)对SU设备硬件要求高。欧洲电子通信委员会在CR系统接入电视白频谱的操作指导中,对频谱检测的检测门限进行了分析。对于PU信号是电视信号的情况而言,固定式SU设备的检测门限为-101dBm至-91dBm,个人手持式SU设备的检测门限为-155dBm至-140dBm。如此灵敏度的实现,对于现有技术而言是极大的挑战。并且,实际的接收信号中不仅仅包含来自于接收机的热噪声,还有一些不可知的外部环境干扰。在背景噪声和干扰不确定时,即便取相当低的检测门限也不能保证有可靠的检测。因此,仅仅使用频谱检测并不一定能给PU提供可靠的保护。在先验信息知识不充分、不完备的情况下,频谱感知技术仍在很大程度上无法充分有效地保护处于被动状态下的PU接收端完全不受SU干扰。
综上,针对传统频谱感知算法的性能局限和对SU设备的硬件要求太高所导致的过高成本及实现可能性较低的问题,亟需一种新的频谱感知方法来解决上述问题。
发明内容
有鉴于此,本发明的目的在于提供一种基于无线指纹数据库的频谱感知方法,用于灵活分配SU的空间频谱资源,节省感知时间,从而提高频谱利用效率。
为达到上述目的,本发明提供如下技术方案:
一种基于无线指纹数据库的频谱感知方法,具体包括以下步骤:
S1:假设CR网络中的次用户(secondary user,SU)处于蜂窝网络工作体制下,工作频段为F1频段;对基站覆盖范围内的地理区域预先进行规划,并将整个目标区域划分为同等大小的L个局部区域网格,其面积大小体现了CR网络系统在授权频段状态辨识方面的空间分辨率,可根据系统或网络所能够支持的合理复杂度设置;
S2:在每个网格对应的初始数据库单元中存入其周围K个基站的F1频段参考信号到达该网格的到达时间(time of arrival,TOA)估计值、P个主用户(primary user,PU)发射机到该网格的F2频段接收信号ylm等数据;
S3:网络系统根据步骤S1中对应的L个同等大小的网格,形成初始的TOA指纹数据库,对有感知任务或者F2频段接入需求的目标SU进行TOA定位,读取SU所在网格所对应的数据信息;所述指纹数据库保存在网络端或者直接下发到各个SU进行本地存储;特别地,考虑到网络中的各个PU发射机的位置在实际中可能是未知的,并将指纹数据库中的数据分为PU位置已知和PU位置未知两种情况;
S4:当PU发射机位置未知,即PU发射机位置标签PU_Tx_Position_Flag=0时,在SU位置确定的情况下,根据SU与PU发射机的之间的距离来判定F2频段的“不可用/可用/待检测”状态,且分别对应于PU_Licensed_Band_Flag=1/-1/0三个标志;F2频段状态更新计数器存储的是距离该网格上一次更新PU_Licensed_Band_Flag数据的时间,预先设定一个上限值,待计数器达到此上限时,则自动清零,并将PU_Licensed_Band_Flag设置为0;
S5:当PU发射机位置已知,即PU_Tx_Position_Flag=1时,假设有足够多的SU能够预先遍历网络范围内的所有网格,并且能够经历网络中的P个PU发射机对应的2P个工作状态,然后收集并存储每个工作状态下的L个网格所各自对应的F2频段上的M次观测信号和PU_Licensed_Band_Flag,将这些数据作为训练数据输入到支持向量机(support vectormachine,SVM)分类器当中,建立SVM模型;
S6:更新SU所在地理网格内的F2频段可用性标签数据。
进一步,步骤S3中,所述TOA指纹数据库,包含L个指纹,每个指纹数据由来自K个基站信号的TOA估计值、对应的K个基站ID、PU发射机位置标签(PU_Tx_Position_Flag)、F2频段可用性标签(PU_Licensed_Band_Flag)、F2频段状态更新时间计数器(PU_Update_Timer)、接收信号ylm及其信号强度Elm组成;PU发射机工作状态标识(PU_Status_Flag)作为公共数据,用P位比特的存储单元来存储P个PU发射机的工作状态,其中第p个存储位设置为1/0,分别表示第p个PU的工作状态为开启或关闭。
这里,ylm和Elm的上标和PU_Status_Flag的下标以h注明该频谱观测数据所对应的PU工作状态(假设网络中的每个PU发射机都仅仅存在开启和关闭这两个状态,则P个PU发射机整体上对应于2P个不同的工作状态。对应于网络中P个PU发射机的工作状态,h的取值范围在1到2P之间)。
进一步,步骤S3中,当PU_Tx_Position_Flag=0时,数据库中的PU_Status_Flag和PU_Licensed_Band_Flag的值在进行F2频段状态判别之前,分别预设为全1和-1。
进一步,步骤S3中,所述对有感知任务或者F2频段接入需求的目标SU进行TOA定位,具体包括以下步骤:
S41:从指纹数据库中找到与SU反馈的基于小区参考信号(cell referencesignal,CRS)的TOA指纹信息最相近的TOA指纹项,即与SU反馈结果的绝对误差最小的指纹项;
S43:若TOA指纹误差在预设范围内,则匹配成功;
S44:若TOA指纹误差超出预设范围内,则经过TS时间以后重新进行基站F1频段参考信号的TOA估计。
进一步,步骤所述步骤S5中:若已知PU发射机的位置,则可将PU发射机附近区域进行划分,将每个PU发射机周围区域划分为:SU不被允许接入F2频段的区域、SU需通过频谱检测接入F2频段的区域和SU不需经过频谱检测直接接入F2频段工作的区域。
进一步,所述步骤S5具体包括:所述SVM模型的训练集包括:利用PU发射机位置已知时的F2频段频谱观测历史数据作为SVM训练数据,即每个网格对应的PU接收信号强度数据组成训练集,每个网格对应的F2频段可用性标签和当时的PU发射机工作状态共同作为训练集标签,这些条件是假设在初始条件里能够现实具备的;测试集包括:SU所在的网格及其邻近的N个网格内的PU接收信号强度。
本发明的有益效果在于:本发明通过基于指纹数据库及机器学习SVM算法的联合感知方案,在PU发射机位置已知和未知的两种情况下,皆可显著地减小SU的工作负载,降低了SU的设备压力,提高频谱感知的性能。同时,本发明公开了PU发射机周围区域划分策略,在保证PU通信质量的前提下,可以灵活分配SU的空间频谱资源,节省感知时间,进而提高频谱利用效率。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作优选的详细描述,其中:
图1为PU发射机附近区域划分示意图;
图2为当SU位于第l个网格时,TOA指纹数据库对应的场景;
图3为机器学习预测及联合感知流程图;
图4为基于TOA无线指纹数据库的频谱感知流程图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本发明的限制;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
本发明所述的一种基于无线指纹数据库的频谱感知方法:首先将目标地理区域划分为L个具有相同面积的地理网格,每一个网格对应K个基站的参考信号到达该网格的到达时间(time of arrival,TOA)估计值和来自该网格附近的P个PU发射机的接收信号强度以及该网格区域内的PU授权频段可用性标签。这里的TOA是指基站下行参考信号到达SU或某个特定网格的时间(即传播时延),TOA估计值用于对SU进行定位,并由此触发SU通过指纹数据库确认其所处网格对应的授权频谱使用状态。实际网络中,P个PU发射机的开关工作状态并不一定完全一致,有可能部分PU发射机正在工作,而另一部分发射机未工作,因此,P个PU发射机一共有2P个工作状态。当网络中的各个PU位置预先已知时,假设系统将SU定位到某个网格时,根据该网格所对应的PU授权频段可用性标签,可决定SU接入、检测或不接入PU授权频段。若PU在网格中的位置未知时,借助机器学习中的支持向量机(support vectormachine,SVM)算法,先预测此时的P个PU工作状态,然后预测该网格位置及其邻近的N个网格所对应的PU授权频段的可用性标签,并且可以认为SU所在的地理网格与其邻近的N个网格中所对应的PU授权频段状态保持一致,然后将N+1个网格联合起来,对SU所在地理网格的PU授权频段状态进行标签数据融合,最后对频谱状态做出判决。
本实施例具体包括以下五个初始条件和六个主要步骤:
初始条件1:CR网络中的SU处于蜂窝网络工作体制下,工作频段为F1频段。为了获取其他授权频段(即PU工作频段,假设其标记为F2频段)上的空白频谱机会,SU需要通过本发明来明确F2频段的频谱使用状态,即实现频谱感知功能。
初始条件2:如图1、2所示,基站覆盖范围内的地理区域预先进行规划,并将整个目标区域划分为具有同等大小的L个局部区域网格,其面积大小体现了CR网络系统在授权频段状态辨识方面的空间分辨率,可根据系统或网络所能够支持的合理复杂度设置。
初始条件3:在每个网格对应的初始数据库单元中存入其周围K个基站的F1频段参考信号到达该网格的TOA估计值、P个PU发射机到该网格的F2频段接收信号ylm等数据。这里,ylm=[ylm(1),ylm(2),...,ylm(2ωτ)]T为位于第l个网格的SU在第m次获取的频谱观测信号,具体表示为:
其中i表示时间,hpl表示第P个PU发射机到第l个网格的信道增益指数,xp(i)代表第P个PU发射机的发射信号,n(i)代表第l个网格处SU接收机的加性高斯白噪声,各个上标(m)表示该信号是在第m次观测中获取的。此时,第l个网格在第m次观测中所接收到的信号能量强度值为:
其中,ω为PU信号在F2频段上的带宽,τ为感知时间。
初始条件4:网络系统根据初始条件2和初始条件3中对应的L个具有同等大小的网格,形成初始的TOA指纹数据库。该指纹数据库可以保存在网络端或者直接下发到各个SU进行本地存储。特别地,考虑到网络中的各个PU发射机的位置在实际中可能是未知的,将数据库中的数据进一步分为PU位置已知和PU位置未知两种情况。TOA指纹数据库的具体构成由表1所示,总共包含L个指纹,每个指纹数据由来自K个基站信号的TOA估计值、对应的K个基站ID、PU发射机位置标签(PU_Tx_Position_Flag)、F2频段可用性标签(PU_Licensed_Band_Flag)、F2频段状态更新时间计数器(PU_Update_Timer)、接收信号ylm及其信号强度Elm组成。此外,PU发射机工作状态标识(PU_Status_Flag)作为公共数据,用P位比特的存储单元来存储P个PU发射机的工作状态,其中第p个存储位可设置为1/0,分别表示第p个PU的工作状态为开启或关闭。这里,ylm和Elm的上标和PU_Status_Flag的下标以h注明该频谱观测数据所对应的PU工作状态(假设网络中的每个PU发射机都仅仅存在开启和关闭这两个状态,则P个PU发射机整体上对应于2P个不同的工作状态。对应于网络中P个PU发射机的工作状态,h的取值范围在1到2P之间)。
当PU发射机位置已知时,设置PU_Tx_Position_Flag=1;而当PU发射机位置未知时,设置PU_Tx_Position_Flag=0。在SU位置确定的情况下,可以根据SU与PU发射机的之间的距离来判定F2频段的“不可用/可用/待检测”状态,且分别对应于PU_Licensed_Band_Flag=1/-1/0三个标志。F2频段状态更新计数器存储的是距离该网格上一次更新PU_Licensed_Band_Flag数据的时间,可预先设定一个上限值,待计数器达到此上限时,则自动清零,并将PU_Licensed_Band_Flag设置为0。需要说明的是,当PU_Tx_Position_Flag=0时,数据库中的PU_Status_Flag和PU_Licensed_Band_Flag的值在进行F2频段状态判别之前,分别预设为全1和-1。
初始条件4:在网络中各个PU位置已知时,假设有足够多的SU能够预先遍历网络范围内的所有网格,并且能够经历网络中的P个PU发射机所可能对应的2P个工作状态,然后收集并存储每个工作状态下的L个网格所各自对应的F2频段上的M次观测信号、PU_Licensed_Band_Flag等历史数据,将这些数据作为训练数据输入到SVM分类器当中,建立SVM模型,具体训练过程如图3所示。
表1指纹数据库及其数据构成结构
如图4所示,本实施例基于无线指纹数据库的频谱感知方法具体包括以下步骤:
步骤一:假设有频谱感知任务或者有F2频段接入需求的目标SU处于蜂窝网络覆盖范围中的某个网格区域,则该SU在此区域内能够收到来自其附近的、存在于F1频段上的多个基站信号。在SU试图获取F2频段信号以检测判断F2频段的状态之前,SU以周期TS进行基站F1频段参考信号的TOA估计。
步骤二:目标SU通过测量来自周围多个基站的F1频段参考信号,从中找到K个信号最强的基站参考信号,并由此获得各个基站的ID。将SU的接收信号与SU产生的本地模板信号进行滑动相关运算,并搜索相关峰值出现的位置,SU能够估计出K个基站信号分别到达其位置的TOA数值。在这K个TOA估计数值的基础上,SU将其组合成一条TOA指纹数据,并上报网络(或者在本地存储),触发指纹匹配扫描。
步骤三:上报到网络的TOA指纹数据,与TOA指纹数据库中的各条指纹进行逐条匹配搜索。当且仅当该TOA指纹数据与TOA指纹数据库(见表1)中的某条TOA指纹相匹配(即SU上报的TOA估计值与数据库中某条指纹中所包含的TOA数值的绝对误差小于预设的阈值并且SU上报的K个基站ID与数据库中该条指纹所含的基站ID严格一一对应)时,即可认为找到了匹配的TOA指纹,亦即SU所在位置与指纹数据库中搜索匹配的指纹对应的网格由此确定下来。如果SU本地存有指纹数据库,则本步骤的指纹匹配搜索操作就在SU端完成。如果本步骤的条件不满足,即SU没有找到匹配的指纹,则SU的操作返回步骤一,并等待下一个TS周期的到来后,再从步骤一开始新的操作。
在确定指纹匹配的条件下,若已知网络中各个PU发射机位置,即PU发射机位置标签为1(即PU_Tx_Position_Flag=1)时,执行步骤四;若各个PU发射机位置未知,即PU发射机位置标签为0(即PU_Tx_Position_Flag=0)时,执行步骤五。
步骤四:根据IEEE 802.22标准所规定的鲁棒性感知要求,若已知PU发射机的位置,则可将PU发射机附近区域进行划分,将每个PU发射机周围区域划分为①以PU发射机为圆心、半径为Dp的黑色圆形区域(SU不被允许在此区域内接入F2频段);②以PU发射机为圆心,内径为Dp,外径为Dt的灰色圆环区域(SU可以在此区域内进行信号检测并由此判断F2频段是否可以接入使用);③白色区域(即区域①、②以外的区域,SU在此区域内可以不经过频谱检测直接接入F2频段工作)。值得说明的是,内径为Dp和外径为Dt的设定应与实际预期对PU的保护程度相关,若希望严格保护PU尽量少受SU的干扰,则此两个参数应尽可能设置较大。
当SU通过TOA指纹定位于P个PU中的任意一个PU发射机所对应的黑色区域时,SU不被允许在此区域内接入F2频段,设置PU_Licensed_Band_Flag=1;当SU定位于P个PU中的任意一个PU发射机的灰色区域内时,SU可被允许在此区域内进行频谱检测,即设置PU_Licensed_Band_Flag=0;当SU定位于所有P个PU发射机的共同的白色区域内时,SU可不经过频谱检测直接接入F2频段,即设置PU_Licensed_Band_Flag=-1。在此基础上,SU读取其所在网格对应的PU_Update_Timer的数据。若PU_Update_Timer的值超过预设时间θ,则进入步骤五,同时将PU_Update_Timer清零。若该值未超过预设时间,SU则根据PU_Licensed_Band_Flag的值选择直接接入F2频段、检测F2频段或不接入F2频段。这里,“检测F2频段”是指SU利用传统频谱感知方法或者本发明提出的SVM方法,对所处网格处的F2频段状态进行确定。
此策略在保证PU通信质量的前提下,可以灵活分配认知用户所处的不同空间内的授权频谱资源,提高频谱利用效率,并且在每次判决操作后均将每个网格所对应的F2频段可用性标签(PU_Licensed_Band_Flag)存入该网格对应的数据中。最后执行步骤六。
步骤五:一般地,在网格足够小的情况下,可以认为SU所在的网格和其邻近的N个网格内的F2频段状态保持一致。在此基础上,SU读取其所在网格和邻近N个网格上接收到的F2频段信号,计算接收信号强度,并将其作为测试数据,输入到SVM模型中,得到此时P个PU发射机各自的工作状态和N+1个地理网格内的F2频段可用性的预测标签,最终利用majority vote算法对SU所在的网格内的F2频段可用性做出投票判决,确定SU所在网格内的F2频段可用性标签,并由此决定直接接入F2频段、检测F2频段或不接入F2频段。
步骤六:根据前面步骤中的结果,更新初始条件4中的SU所在地理网格内的F2频段可用性标签数据。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (6)
1.一种基于无线指纹数据库的频谱感知方法,其特征在于,该方法具体包括以下步骤:
S1:假设CR网络中的次用户(secondary user,SU)处于蜂窝网络工作体制下,工作频段为F1频段;对基站覆盖范围内的地理区域预先进行规划,并将整个目标区域划分为同等大小的L个局部区域网格;
S2:在每个网格对应的初始数据库单元中存入其周围K个基站的F1频段参考信号到达该网格的到达时间(time of arrival,TOA)估计值、P个主用户(primary user,PU)发射机到该网格的F2频段接收信号ylm;
S3:网络系统根据步骤S1中对应的L个同等大小的网格,形成初始的TOA指纹数据库,对有感知任务或者F2频段接入需求的目标SU进行TOA定位,读取SU所在网格所对应的数据信息;所述指纹数据库保存在网络端或者直接下发到各个SU进行本地存储;并将指纹数据库中的数据分为PU位置已知和PU位置未知两种情况;
S4:当PU发射机位置未知,即PU发射机位置标签PU_Tx_Position_Flag=0时,在SU位置确定的情况下,根据SU与PU发射机的之间的距离来判定F2频段的“不可用/可用/待检测”状态,且分别对应于PU_Licensed_Band_Flag=1/-1/0三个标志;F2频段状态更新计数器存储的是距离该网格上一次更新PU_Licensed_Band_Flag数据的时间,预先设定一个上限值,待计数器达到此上限时,则自动清零,并将PU_Licensed_Band_Flag设置为0;
S5:当PU发射机位置已知,即PU_Tx_Position_Flag=1时,假设有足够多的SU能够预先遍历网络范围内的所有网格,并且能够经历网络中的P个PU发射机对应的2P个工作状态,然后收集并存储每个工作状态下的L个网格所各自对应的F2频段上的M次观测信号和PU_Licensed_Band_Flag,将这些数据作为训练数据输入到支持向量机(support vectormachine,SVM)分类器当中,建立SVM模型;
S6:更新SU所在地理网格内的F2频段可用性标签数据。
2.根据权利要求1所述的一种基于无线指纹数据库的频谱感知方法,其特征在于:步骤S3中,所述TOA指纹数据库包含L个指纹,每个指纹数据由来自K个基站信号的TOA估计值、对应的K个基站ID、PU发射机位置标签(PU_Tx_Position_Flag)、F2频段可用性标签(PU_Licensed_Band_Flag)、F2频段状态更新时间计数器(PU_Update_Timer)、接收信号ylm及其信号强度Elm组成;PU发射机工作状态标识(PU_Status_Flag)作为公共数据,用P位比特的存储单元来存储P个PU发射机的工作状态,其中第p个存储位设置为1/0,分别表示第p个PU的工作状态为开启或关闭。
3.根据权利要求2所述的一种基于无线指纹数据库的频谱感知方法,其特征在于:步骤S3中,当PU_Tx_Position_Flag=0时,数据库中的PU_Status_Flag和PU_Licensed_Band_Flag的值在进行F2频段状态判别之前,分别预设为全1和-1。
5.根据权利要求1所述的一种基于无线指纹数据库的频谱感知方法,其特征在于:步骤所述步骤S5中:若已知PU发射机的位置,则可将PU发射机附近区域进行划分,将每个PU发射机周围区域划分为:SU不被允许接入F2频段的区域、SU需通过频谱检测接入F2频段的区域和SU不需经过频谱检测直接接入F2频段工作的区域。
6.根据权利要求1所述的一种基于无线指纹数据库的频谱感知方法,其特征在于:所述步骤S5具体包括:所述SVM模型的训练集包括:利用PU发射机位置已知时的F2频段频谱观测历史数据作为SVM训练数据,即每个网格对应的PU接收信号强度数据组成训练集,每个网格对应的F2频段可用性标签和当时的PU发射机工作状态共同作为训练集标签;测试集包括:SU所在的网格及其邻近的N个网格内的PU接收信号强度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910181812.3A CN109787697B (zh) | 2019-03-11 | 2019-03-11 | 一种基于无线指纹数据库的频谱感知方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910181812.3A CN109787697B (zh) | 2019-03-11 | 2019-03-11 | 一种基于无线指纹数据库的频谱感知方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109787697A CN109787697A (zh) | 2019-05-21 |
CN109787697B true CN109787697B (zh) | 2021-03-16 |
Family
ID=66488913
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910181812.3A Active CN109787697B (zh) | 2019-03-11 | 2019-03-11 | 一种基于无线指纹数据库的频谱感知方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109787697B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111614421B (zh) * | 2020-05-19 | 2022-02-11 | 重庆邮电大学 | 一种基于非监督式机器学习分类算法的频谱感知方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1502369A4 (en) * | 2002-04-22 | 2005-11-30 | Cognio Inc | SYSTEM AND METHOD FOR MANAGING A COMMONLY USED FREQUENCY BAND |
CN102301767A (zh) * | 2009-01-29 | 2011-12-28 | 高通股份有限公司 | 经核证的基于设备的记账 |
CN104662994A (zh) * | 2012-06-13 | 2015-05-27 | 全能网络有限责任公司 | 通用宽带网络的方法和系统 |
CN107359948A (zh) * | 2017-07-11 | 2017-11-17 | 北京邮电大学 | 一种认知无线网络的频谱预测方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10237770B2 (en) * | 2013-03-15 | 2019-03-19 | DGS Global Systems, Inc. | Systems, methods, and devices having databases and automated reports for electronic spectrum management |
-
2019
- 2019-03-11 CN CN201910181812.3A patent/CN109787697B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1502369A4 (en) * | 2002-04-22 | 2005-11-30 | Cognio Inc | SYSTEM AND METHOD FOR MANAGING A COMMONLY USED FREQUENCY BAND |
CN102301767A (zh) * | 2009-01-29 | 2011-12-28 | 高通股份有限公司 | 经核证的基于设备的记账 |
CN104662994A (zh) * | 2012-06-13 | 2015-05-27 | 全能网络有限责任公司 | 通用宽带网络的方法和系统 |
CN107359948A (zh) * | 2017-07-11 | 2017-11-17 | 北京邮电大学 | 一种认知无线网络的频谱预测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109787697A (zh) | 2019-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hu et al. | Experimental Analysis on Weight ${K} $-nearest neighbor indoor fingerprint positioning | |
Elbakly et al. | A robust zero-calibration RF-based localization system for realistic environments | |
US7383051B2 (en) | Estimating the location of a mobile unit based on the elimination of improbable locations | |
EP1859293B1 (en) | Enhanced mobile location method and system | |
CN111818634B (zh) | 一种5g场景下的定位方法、定位平台及用户终端 | |
Matic et al. | Tuning to your position: FM radio based indoor localization with spontaneous recalibration | |
Lemic et al. | Experimental decomposition of the performance of fingerprinting-based localization algorithms | |
Aguilar-Garcia et al. | Enhancing RFID indoor localization with cellular technologies | |
CN109787697B (zh) | 一种基于无线指纹数据库的频谱感知方法 | |
US20230388809A1 (en) | Learning-Based Spectrum Occupancy Prediction Exploiting Multi-Dimensional Correlation | |
Yilmaz | Cooperative spectrum sensing and radio environment map construction in cognitive radio networks | |
Petric et al. | Indoor localization using multi-operator public land mobile networks and support vector machine learning algorithms | |
EP3069535A1 (en) | Radio channel utilization | |
Mondal et al. | An efficient grid-based RF fingerprint positioning algorithm for user location estimation in heterogeneous small cell networks | |
CN106664530A (zh) | 用于提高位置和接近度确定的准确性的方法和系统 | |
Pecoraro et al. | LTE signal fingerprinting device-free passive localization robust to environment changes | |
KR101545562B1 (ko) | 전파시간 측정정보를 활용한 단말기 위치 측위 방법 및 장치 | |
Khattak et al. | Empirical performance evaluation of WiFi fingerprinting algorithms for indoor localization | |
Xu et al. | Indoor localization based on hybrid Wi-Fi hotspots | |
Cheng et al. | Fast setup and robust wifi localization for the exhibition industry | |
Umbert et al. | An outdoor TV band Radio Environment Map for a Manhattan like layout | |
Kulkarni et al. | Real-time cooperative spectrum sensing: Reliable localization of unknown interferers in shared spectrum | |
KR102226683B1 (ko) | 다중 주파수에서의 다중 하향링크 정보를 이용한 단말 위치의 측위 방법 및 측위 장치 | |
Duong et al. | Comparing the performance of Wi-Fi fingerprinting using the 2.4 GHz and 5 GHz signals | |
Salama et al. | Using RFID technology in finding position and tracking based on RSSI |
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 |