CN110380802A - 基于软件无线电平台的单用户动态频谱抗干扰系统及方法 - Google Patents
基于软件无线电平台的单用户动态频谱抗干扰系统及方法 Download PDFInfo
- Publication number
- CN110380802A CN110380802A CN201910516579.XA CN201910516579A CN110380802A CN 110380802 A CN110380802 A CN 110380802A CN 201910516579 A CN201910516579 A CN 201910516579A CN 110380802 A CN110380802 A CN 110380802A
- Authority
- CN
- China
- Prior art keywords
- interference
- subsystem
- frequency
- channel
- user
- 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
- 238000001228 spectrum Methods 0.000 title claims abstract description 111
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000005540 biological transmission Effects 0.000 claims abstract description 48
- 238000004891 communication Methods 0.000 claims abstract description 23
- 230000008447 perception Effects 0.000 claims description 35
- 238000005070 sampling Methods 0.000 claims description 10
- 230000001149 cognitive effect Effects 0.000 claims description 7
- 230000003595 spectral effect Effects 0.000 claims description 7
- 230000002452 interceptive effect Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000007493 shaping process Methods 0.000 claims description 4
- 238000012952 Resampling Methods 0.000 claims description 3
- 238000005538 encapsulation Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 7
- 230000002787 reinforcement Effects 0.000 abstract 1
- 238000004088 simulation Methods 0.000 description 9
- 238000012360 testing method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000010408 sweeping Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000009432 framing Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 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
本发明提供了一种基于软件无线电平台的单用户动态频谱抗干扰系统及方法。该系统包括干扰子系统、宽带频谱感知子系统、无线传输子系统和自主决策子系统。方法为:首先干扰机施放干扰信号对用户通信进行干扰;然后宽带频谱感知子系统运用宽带频谱快速感知技术,获得实时的频谱态势;接着无线传输子系统中的数据链路进行数据传输,控制链路进行ACK帧至发射机端的反馈;最后自主决策子系统采用强化学习算法,通过智能决策进行信道选择,并通过控制链路将新的传输信道回传至用户发射机端。本发明灵活性好,硬件可重构性和可扩展性强,有效避免了外部恶意干扰,实现了单用户的动态频谱接入,提升了网络整体的吞吐量和抗干扰性能。
Description
技术领域
本发明属于通信技术领域,特别是一种基于软件无线电平台的单用户动态频谱抗干扰系统及方法。
背景技术
近年来,无线通信需求的极速增长,使得通信系统面临的干扰日益严重。得益于认知无线电的迅猛发展,动态频谱接入(Dynamic Spectrum Access,DSA)作为频域抗干扰的一种有效策略,已经引起了通信领域研究者们的广泛关注。但现有的动态频谱接入研究大都停留在理论层面,如何通过实际系统来验证动态频谱抗干扰的算法性能,是一个极具挑战性的问题。基于美国国家仪器公司的LabVIEW(laboratory virtual instrumentengineering workbench)和通用软件无线电外设USRP(Universal Software RadioPeripheral)的软件无线电平台被广泛应用于无线通信系统的定制化设计,将USRP与LabVIEW结合,能够克服固化试验箱可扩展性差、软件仿真结果不客观等传统通信实验仿真方法的种种局限。由于USRP软件无线电平台具有强大的可重构性和灵活易操作性,所以可以将其作为演示平台用于无线通信系统的实验研究。目前,随着人工智能技术的不断发展,干扰技术趋于智能化,传统的抗干扰技术手段模式单一,远远无法满足现有的抗干扰性能需求。
在动态频谱抗干扰领域,文献(F.Slimeni,Z.Chtourou,B.Schaeers,V.L.Nir,andR.Attia,"Cooperative Q-learning based channel selection for cognitive radio".Wireless Networks,vol.4,no.1,2018)中提出了一种Q学习方法来解决单用户场景下的隐干扰问题,并通过软件无线电平台对算法进行了验证,不足之处在于学习过程是在发射机端完成,在一个传输时隙中发射机与接收机同时跳频,需要进行两次交互,增加了传输时延,大大降低了传输效率。现有的基于USRP平台的系统实现主要集中在单用户动态频谱接入、控制信道抗干扰方向,很少涉及单用户动态频谱智能抗干扰系统的实现。
发明内容
本发明的目的在于提供一种能够实现单用户的动态频谱接入,提升网络整体的吞吐量和抗干扰性能的基于软件无线电平台的单用户动态频谱抗干扰系统及方法。
实现本发明目的的技术解决方案为:一种基于软件无线电平台的单用户动态频谱抗干扰系统,包括干扰子系统、宽带频谱感知子系统、无线传输子系统和自主决策子系统;
所述干扰子系统,包括干扰机,用于产生干扰信号,在频域阻塞传输信道,以模拟实际干扰环境,对用户通信造成干扰;
所述宽带频谱感知子系统,运用宽带频谱感知方法,实时获取周围环境的频谱状态,从而识别信道的空闲状态,实现频谱状态的跟踪;
所述无线传输子系统,包括发射机和接收机,用于收发端数据传输,同时通过控制信道进行差错控制和动态频谱接入的收发端协调;
所述自主决策子系统,运用智能决策算法,在线学习并实时决策出新的信道。
一种基于软件无线电平台的单用户动态频谱抗干扰方法,包括以下步骤:
步骤1、干扰子系统中干扰机施放干扰信号对用户通信进行干扰;
步骤2、宽带频谱感知子系统运用宽带频谱感知方法,获得实时的频谱态势;
步骤3、无线传输子系统中的数据链路进行数据传输,控制链路进行ACK帧至发射机端的反馈;
步骤4、自主决策子系统采用强化学习算法,通过智能决策进行信道选择,并通过控制链路将新的传输信道回传至用户发射机端。
进一步地,步骤1所述的干扰机施放干扰信号对用户通信进行干扰,具体如下:
步骤1.1、设置干扰信号参数生成干扰中心频点序列,包括干扰模式、干扰频率范围、干扰信号带宽和干扰时长;
步骤1.2、配置USRP发送参数,包括用户发射干扰信号的USRP设备的IP地址、发射频率、采样速率、增益和天线;
步骤1.3、根据干扰信号带宽和采样速率,利用MATLAB生成离散值全为1的频域信号,计算得到离散时域基带信号,具体如下:
采用离散时间傅里叶逆变换的方式,通过频域脉冲信号来生成时域干扰信号,设定频域基带信号为X(kΔf),频域脉冲宽度为B,共N个采样点,有:
经过IDTFT,计算得到对应的时域基带信号x(t)为:
式中Δf=B/N为频谱分辨率;
步骤1.4、在指定干扰频率上,将离散时域基带信号通过USRP完成射频发送,在PC机的LabVIEW软件上获取时域波形图和频谱图;
步骤1.5、循环执行步骤1.2-步骤1.4,直至程序终止。
进一步地,步骤2所述的宽带频谱感知子系统运用宽带频谱感知方法,获得实时的频谱态势,具体如下:
步骤2.1、设置感知参数,包括频谱感知范围、采样率和频谱分辨率,根据感知规则生成感知频点序列;
步骤2.2、按照感知频点序列,循环配置USRP设备的接收参数,包括IP地址、接收中心频率、采样速率、增益、天线;
步骤2.3、利用USRP设备接收射频信号;
步骤2.4、对接收的时域波形进行FFT变换,得到对应的频谱图;
步骤2.5、循环执行步骤2.2-步骤2.5,并根据频谱感知范围对频谱图进行拼接、显示,实现频谱的宽带感知。
进一步地,步骤3所述的无线传输子系统中的数据链路进行数据传输,控制链路进行ACK帧至发射机端的反馈,具体如下:
步骤3.1、在信号发送端,将需要发送的业务消息转化为比特流,并根据设定的帧格式对比特流进行分割、组包封装,然后进行脉冲成型滤波、QPSK调制,最后通过USRP进行射频发送;
步骤3.2、在信号接收端,将接收到的波形数据进行分包处理,去除直流分量,并通过相关运算检测出每个数据包的对应位置,分离出数据包,并对提取的数据包进行重采样、QPSK解调恢复出比特流,经过数据包有效性检验后,重构数据并转换格式,然后输出并显示业务数据。
进一步地,步骤4所述的自主决策子系统采用强化学习算法,通过智能决策进行信道选择,具体如下:
步骤4.1、针对马尔科夫决策过程的4个基本元素组成,定义如下:
状态S(ft,fj):由工作信道ft和干扰信道fj组成, 表示可用信道集;
动作a:表示下一时隙的工作信道,
转移概率Pi,j(a):表示在状态i选择动作a到达状态j的概率;
期望报酬rn:反映信道n的传输情况和干扰情况;
步骤4.2、设置用户的初始状态为S(ft,fj),接收机在工作信道ft上接收Td时间的数据,Td表示数据传输时间;
步骤4.3、计算出期望报酬rn来衡量工作信道ft的传输质量;
步骤4.4、通过宽带频谱感知时间TWBSS,获得当前干扰信道ft';
步骤4.5、进行智能抗干扰信道选择决策阶段,通过评估函数Q值表,利用贪婪策略更新方式,计算出使用户效用最优的动作a;
步骤4.6、用户采用并行更新Q值的方式,更新当前用户在当前状态下的所有动作对应的Q值;
步骤4.7、更新用户状态S(ft,fj),其中ft=a,fj=fj';
步骤4.8、接收机通过ACK链路将下一时隙的工作信道ft告知发射机端,在下一时隙同时更新工作信道,并通过控制链路将新的传输信道回传至用户发射机端。
本发明与现有技术相比,其显著优点在于:(1)将人工智能技术融合到无线通信网络,有效避免了外部恶意干扰;(2)采用基于强化学习的动态频谱接入方法,将频谱接入方式从被动感知升级为主动学习,提升了网络整体吞吐量和抗干扰性能;(3)灵活性好,硬件可重构性和可扩展性强,实现了单用户的动态频谱接入,不仅可以缓解频谱资源稀缺问题,而且能够实现智能抗干扰,保证用户的通信质量。
附图说明
图1是本发明基于软件无线电平台的单用户动态频谱抗干扰系统的结构框图。
图2是本发明中干扰子系统的流程示意图。
图3是本发明中宽带频谱感知子系统的流程示意图。
图4是本发明中发射机、接收机和干扰机的USRP平台结构示意图。
图5是本发明中无线传输子系统中节点A的收发机结构组成及数据处理流程示意图。
图6是本发明中无线传输子系统的帧格式结构图。
图7是本发明中基于强化学习的单用户动态频谱抗干扰实现流程图。
图8是本发明中干扰子系统与宽带频谱感知子系统界面图。
图9是本发明中无线传输子系统实物平台示意图。
图10是本发明无线传输子系统干扰条件下传输效果示意图。
图11是本发明基于单用户强化学习的动态频谱抗干扰系统实物平台示意图。
图12是本发明扫频干扰条件下基于单用户强化学习的动态频谱抗干扰系统发射机实现效果图。
图13是本发明扫频干扰条件下基于单用户强化学习的动态频谱抗干扰系统接收机实现效果图。
具体实施方式
下面结合附图和具体实施方式对本实施例进行进一步的详细描述。
本发明一种基于软件无线电平台的单用户动态频谱抗干扰系统,系统设计以LabVIEW作为软件开发环境,完成数字信号的处理,以NI USRP2920作为硬件平台,进行射频信号的发射接收,实现干扰信号的释放和发射机与接收机之间的无线通信。
结合图1,一种基于软件无线电平台的单用户动态频谱抗干扰系统,包括干扰子系统、宽带频谱感知子系统、无线传输子系统和自主决策子系统;
结合图4,所述干扰子系统,包括干扰机,用于产生干扰信号,在频域阻塞传输信道,以模拟实际干扰环境,对用户通信造成干扰;
所述宽带频谱感知子系统,运用宽带快速频谱感知技术,实时获取周围环境的频谱状态,从而识别信道的空闲状态,实现频谱状态的快速跟踪;
所述无线传输子系统,包括发射机和接收机,用于收发端数据传输,同时通过控制信道进行差错控制和动态频谱接入的收发端协调;
所述自主决策子系统,运用智能决策算法,在线学习并实时决策出新的信道。
一种基于软件无线电平台的单用户动态频谱抗干扰方法,包括以下步骤:
步骤1、干扰机施放干扰信号对用户通信进行干扰;
步骤2、宽带频谱感知子系统运用宽带频谱快速感知技术,获得实时的频谱态势;
步骤3、无线传输子系统中的数据链路进行数据传输,控制链路进行ACK帧至发射机端的反馈;
步骤4、自主决策子系统采用强化学习算法,通过智能决策进行信道选择,并通过控制链路将新的传输信道回传至用户发射机端。
进一步地,结合图2,步骤1所述的干扰机施放干扰信号对用户通信进行干扰,具体如下:
步骤1.1、设置干扰信号参数生成干扰中心频点序列,包括干扰模式、干扰频率范围、干扰信号带宽和干扰时长;
步骤1.2、配置USRP发送参数,包括用户发射干扰信号的USRP设备的IP地址、发射频率、采样速率、增益和天线;
步骤1.3、根据干扰信号带宽和采样速率,利用MATLAB生成离散值全为1的频域信号,计算得到其离散时域基带信号,具体如下:
采用离散时间傅里叶逆变换的方式,通过频域脉冲信号来生成时域干扰信号,设定频域基带信号为X(kΔf),频域脉冲宽度为B,共N个采样点,有:
经过IDTFT,计算得到对应的时域基带信号x(t)为:
式中Δf=B/N为频谱分辨率;
步骤1.4、在指定干扰频率上,将离散时域基带信号通过USRP完成射频发送,在PC机的LabVIEW软件上获取其时域波形图和频谱图;
步骤1.5、循环执行步骤1.2-步骤1.4,直至程序终止。
进一步地,结合图3,步骤2所述的宽带频谱感知子系统运用宽带频谱快速感知技术,获得实时的频谱态势,具体如下:
步骤2.1、设置感知参数,包括频谱感知范围、采样率和频谱分辨率,根据感知规则生成感知频点序列;
步骤2.2、按照感知频点序列,循环配置USRP设备的接收参数,包括IP地址、接收中心频率、采样速率、增益、天线;
步骤2.3、利用USRP设备接收射频信号;
步骤2.4、对接收的时域波形进行FFT变换,得到对应的频谱图;
步骤2.5、循环执行步骤2.2-步骤2.5并根据频谱感知范围对其进行拼接、显示,实现频谱的宽带感知。
进一步地,结合图5、图6,步骤3所述的无线传输子系统中的数据链路进行数据传输,控制链路进行ACK帧至发射机端的反馈,具体如下:
步骤3.1、在信号发送端,将需要发送的业务消息转化为比特流,并根据如图6所示的帧格式对比特流进行分割、组包封装,其中各数据域的定义如表1所示:
表1无线传输子系统帧格式功能
然后进行脉冲成型滤波、QPSK调制,最后通过USRP进行射频发送;
步骤3.2、在信号接收端,将接收到的波形数据进行分包处理,去除直流分量,并通过相关运算检测出每个数据包的对应位置,分离出数据包,并对提取的数据包进行重采样、QPSK解调恢复出比特流,经过数据包有效性检验后,重构数据并转换格式,然后输出并显示业务数据。
进一步地,结合图7,步骤4所述的自主决策子系统采用强化学习算法,通过智能决策进行信道选择,具体如下:
步骤4.1、针对马尔科夫决策过程的4个基本元素组成,定义如下:
状态S(ft,fj):由工作信道ft和干扰信道fj组成, 表示可用信道集;
动作a:表示下一时隙的工作信道,
转移概率Pi,j(a):表示在状态i选择动作a到达状态j的概率;
期望报酬rn:反映信道n的传输情况和干扰情况;
步骤4.2、设置用户的初始状态为S(ft,fj),接收机在工作信道ft上接收Td时间的数据;Td表示数据传输时间;
步骤4.3、计算出期望报酬rn来衡量工作信道ft的传输质量;
步骤4.4、通过宽带频谱感知时间TWBSS,获得当前干扰信道ft';
步骤4.5、进行智能抗干扰信道选择决策阶段,通过评估函数Q值表,利用贪婪策略更新方式,计算出使用户效用最优的动作a;
步骤4.6、用户采用并行更新Q值的方式,更新用户在当前状态下的所有动作对应的Q值;
步骤4.7、更新用户状态S(ft,fj),其中ft=a,fj=fj';
步骤4.8、接收机通过ACK链路将下一时隙的工作信道ft告知发射机端,下一时隙时在ft信道上进行数据传输。
实施例1
一、干扰子系统与宽带频谱感知子系统系统测试
测试条件:
1、干扰子系统产生定点、梳状、扫频、随机等模式的干扰信号,此处选取2路扫频干扰信号进行测试,干扰机产生带宽为1MHz的扫频干扰信号,频率范围为800~808MHz,以2MHz为间隔,共5个中心频点。干扰机的仿真参数配置如表2所示:
表2干扰子系统仿真参数
仿真参数 | 干扰机 |
带宽 | 1MHz |
干扰模式 | 扫频 |
干扰范围 | 800MHz~808MHz |
干扰中心频率间隔 | 2MHz |
干扰信道集 | 800MHz,802MHz,804MHz,806MHz,808MHz |
干扰信道数/总信道数 | 1/5 |
2、宽带频谱感知子系统通过频谱感知技术识别追踪干扰信号,确定干扰信号的位置。频谱感知系统的仿真参数配置如表3所示:
表3宽带频谱感知子系统仿真参数
仿真参数 | 宽带快速频谱感知子系统 |
感知范围 | 800MHz~808MHz |
频谱分辨率 | 20KHz |
采样速率 | 10MHz |
信道间隔 | 2MHz |
信道中心频率集 | 800MHz,802MHz,804MHz,806MHz,808MHz |
信道数 | 5 |
能量门限值 | -80dB |
测试结果:
如图8所示为宽带频谱感知子系统和干扰子系统界面,选取某一时刻进行对比,发现干扰子系统中心频点处于804MHz和808MHz,同时在宽带频谱感知子系统界面,频谱图中感知到的信号频点也为804MHz和808MHz,结果表明宽带频谱感知子系统可正确感知到干扰信号频点。
二、无线传输子系统测试
根据对无线传输系统的设计分析,搭建了基于USRP软件无线电平台和LabVIEW软件的实物仿真(无线数据传输)系统,如图9所示,仿真环境的参数配置如表4所示:
表4无线传输子系统仿真参数设置
该子系统由3台PC机、3台NI USRP2920组成,每台PC机控制1台NI USRP2920,分别模拟节点A、B和干扰机。
测试条件:
节点A向节点B发送一幅大小为5.18Mb的图片,对比在人为产生干扰信号的情况下,节点B的数据接收情况和图像显示效果。
测试结果:
节点A向节点B发送一幅大小为5.18Mb的图片,经过组帧后,实际传输的数据量约为7.45Mb,节点A与节点B之间的数据帧和ACK帧传输经过了组帧、脉冲成型滤波、调制解调、数据包检测与分包、CRC校验等数字信号处理过程,在无干扰情况下,不存在数据丢失现象;当人为产生干扰信号时,节点B的数据接收情况和图像显示效果,如图10所示。
三、单用户动态频谱抗干扰系统测试
根据基于单用户强化学习的动态频谱抗干扰系统设计原理,基于USRP软件无线电平台和LabVIEW软件,搭建了基于软件无线电平台的单用户动态频谱抗干扰系统,如图11所示,实现了单用户场景下的动态频谱抗干扰。设定无线通信环境有M=5个可用信道,1个用户,1路干扰信号,则基于USRP的动态频谱抗干扰系统包含3台PC机、3台NI USRP2920,分别模拟发射机(节点A)、接收机(节点B)和干扰机,其仿真环境设置如表5所示,其中干扰时间长度设为Tjam=1.2s。
表5基于软件无线电平台的单用户动态频谱抗干扰系统参数
测试条件:
在加入1路扫频干扰环境下,节点的发射机向接收机射频发送一幅图片,观察各个子系统是否能实现其对应的功能,并对比发射机与接收机的接入频率是否一致。
测试结果:
节点的发射机向接收机射频发送一幅图片,其中发射机端的程序运行界面如图12所示,其中第1部分代表发送的星座图,第2部分代表发送的实际波形图,第3部分表示在传输过程中发射机动态接入的频谱序列,此序列是经ACK传输实现发射机与接收机之间的协调,第4部分表示发射机发送的图片。
接收机端的程序运行界面如图13所示,其中第1部分代表接收机发送ACK帧的星座图;第2部分表示宽带频谱感知到各信道的能量值,从中可以判断出各信道的占用与空闲状态;第3部分表示在传输过程中接收机动态接入的频谱序列,此序列是接收机在感知之后通过Q学习决策获得,经ACK信道发送给发射机,实现发射机与接收机之间数据频率的协调;第4部分代表接收端的吞吐量,即每个时隙中接收数据包的统计;第5部分代表感知的频谱数据,可以看出,其中存在一路干扰信号和两路数据信号;第6部分代表实际恢复出的图片。
对比图12中发射机的接入频率和图13中接收机的接入频率,可以看出本系统可以实现收发端通信频率的同步调整,表明发射机和接收机在图像传输的过程中,可以成功实现频谱的动态接入。
本发明采用动态频谱抗干扰突破了静态固定的用频方式,实时挖掘频谱空洞,结合强化学习等人工智能方法进行信道选择,不仅可以缓解频谱资源稀缺问题,而且能够实现智能抗干扰,保证用户的通信质量。
Claims (6)
1.一种基于软件无线电平台的单用户动态频谱抗干扰系统,其特征在于,包括干扰子系统、宽带频谱感知子系统、无线传输子系统和自主决策子系统;
所述干扰子系统,包括干扰机,用于产生干扰信号,在频域阻塞传输信道,以模拟实际干扰环境,对用户通信造成干扰;
所述宽带频谱感知子系统,运用宽带频谱感知方法,实时获取周围环境的频谱状态,从而识别信道的空闲状态,实现频谱状态的跟踪;
所述无线传输子系统,包括发射机和接收机,用于收发端数据传输,同时通过控制信道进行差错控制和动态频谱接入的收发端协调;
所述自主决策子系统,运用智能决策算法,在线学习并实时决策出新的信道。
2.一种基于软件无线电平台的单用户动态频谱抗干扰方法,其特征在于,包括以下步骤:
步骤1、干扰子系统中干扰机施放干扰信号对用户通信进行干扰;
步骤2、宽带频谱感知子系统运用宽带频谱感知方法,获得实时的频谱态势;
步骤3、无线传输子系统中的数据链路进行数据传输,控制链路进行ACK帧至发射机端的反馈;
步骤4、自主决策子系统采用强化学习算法,通过智能决策进行信道选择,并通过控制链路将新的传输信道回传至用户发射机端。
3.根据权利要求2所述的基于软件无线电平台的单用户动态频谱抗干扰方法,其特征在于,步骤1所述的干扰机施放干扰信号对用户通信进行干扰,具体如下:
步骤1.1、设置干扰信号参数生成干扰中心频点序列,包括干扰模式、干扰频率范围、干扰信号带宽和干扰时长;
步骤1.2、配置USRP发送参数,包括用户发射干扰信号的USRP设备的IP地址、发射频率、采样速率、增益和天线;
步骤1.3、根据干扰信号带宽和采样速率,利用MATLAB生成离散值全为1的频域信号,计算得到离散时域基带信号,具体如下:
采用离散时间傅里叶逆变换的方式,通过频域脉冲信号来生成时域干扰信号,设定频域基带信号为X(kΔf),频域脉冲宽度为B,共N个采样点,有:
经过IDTFT,计算得到对应的时域基带信号x(t)为:
式中Δf=B/N为频谱分辨率;
步骤1.4、在指定干扰频率上,将离散时域基带信号通过USRP完成射频发送,在PC机的LabVIEW软件上获取时域波形图和频谱图;
步骤1.5、循环执行步骤1.2-步骤1.4,直至程序终止。
4.根据权利要求2所述的基于软件无线电平台的单用户动态频谱抗干扰方法,其特征在于,步骤2所述的宽带频谱感知子系统运用宽带频谱感知方法,获得实时的频谱态势,具体如下:
步骤2.1、设置感知参数,包括频谱感知范围、采样率和频谱分辨率,根据感知规则生成感知频点序列;
步骤2.2、按照感知频点序列,循环配置USRP设备的接收参数,包括IP地址、接收中心频率、采样速率、增益、天线;
步骤2.3、利用USRP设备接收射频信号;
步骤2.4、对接收的时域波形进行FFT变换,得到对应的频谱图;
步骤2.5、循环执行步骤2.2-步骤2.5,并根据频谱感知范围对频谱图进行拼接、显示,实现频谱的宽带感知。
5.根据权利要求2所述的基于软件无线电平台的单用户动态频谱抗干扰方法,其特征在于,步骤3所述的无线传输子系统中的数据链路进行数据传输,控制链路进行ACK帧至发射机端的反馈,具体如下:
步骤3.1、在信号发送端,将需要发送的业务消息转化为比特流,并根据设定的帧格式对比特流进行分割、组包封装,然后进行脉冲成型滤波、QPSK调制,最后通过USRP进行射频发送;
步骤3.2、在信号接收端,将接收到的波形数据进行分包处理,去除直流分量,并通过相关运算检测出每个数据包的对应位置,分离出数据包,并对提取的数据包进行重采样、QPSK解调恢复出比特流,经过数据包有效性检验后,重构数据并转换格式,然后输出并显示业务数据。
6.根据权利要求2所述的基于软件无线电平台的单用户动态频谱抗干扰方法,其特征在于,步骤4所述的自主决策子系统采用强化学习算法,通过智能决策进行信道选择,具体如下:
步骤4.1、针对马尔科夫决策过程的4个基本元素组成,定义如下:
状态S(ft,fj):由工作信道ft和干扰信道fj组成, 表示可用信道集;
动作a:表示下一时隙的工作信道,
转移概率Pi,j(a):表示在状态i选择动作a到达状态j的概率;
期望报酬rn:反映信道n的传输情况和干扰情况;
步骤4.2、设置用户的初始状态为S(ft,fj),接收机在工作信道ft上接收Td时间的数据,Td表示数据传输时间;
步骤4.3、计算出期望报酬rn来衡量工作信道ft的传输质量;
步骤4.4、通过宽带频谱感知时间TWBSS,获得当前干扰信道ft';
步骤4.5、进行智能抗干扰信道选择决策阶段,通过评估函数Q值表,利用贪婪策略更新方式,计算出使用户效用最优的动作a;
步骤4.6、用户采用并行更新Q值的方式,更新当前用户在当前状态下的所有动作对应的Q值;
步骤4.7、更新用户状态S(ft,fj),其中ft=a,fj=fj';
步骤4.8、接收机通过ACK链路将下一时隙的工作信道ft告知发射机端,在下一时隙同时更新工作信道,并通过控制链路将新的传输信道回传至用户发射机端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910516579.XA CN110380802A (zh) | 2019-06-14 | 2019-06-14 | 基于软件无线电平台的单用户动态频谱抗干扰系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910516579.XA CN110380802A (zh) | 2019-06-14 | 2019-06-14 | 基于软件无线电平台的单用户动态频谱抗干扰系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110380802A true CN110380802A (zh) | 2019-10-25 |
Family
ID=68248791
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910516579.XA Pending CN110380802A (zh) | 2019-06-14 | 2019-06-14 | 基于软件无线电平台的单用户动态频谱抗干扰系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110380802A (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110752887A (zh) * | 2019-11-13 | 2020-02-04 | 南京航空航天大学 | 基于usrp的智能频谱捷变半实物仿真实验系统及实验方法 |
CN110891276A (zh) * | 2019-10-30 | 2020-03-17 | 中国人民解放军陆军工程大学 | 多用户抗干扰信道接入系统及动态频谱协同抗干扰方法 |
CN111781566A (zh) * | 2020-07-06 | 2020-10-16 | 上海志良电子科技有限公司 | 雷达抗有源干扰方法及设备 |
CN111917509A (zh) * | 2020-08-10 | 2020-11-10 | 中国人民解放军陆军工程大学 | 基于信道-带宽联合决策的多域智能通信模型及通信方法 |
CN111934786A (zh) * | 2020-07-30 | 2020-11-13 | 桂林理工大学 | 一种基于深度强化学习的信号隐蔽抗干扰方法和装置 |
CN112512062A (zh) * | 2020-11-25 | 2021-03-16 | 中国工程物理研究院电子工程研究所 | 一种智能决策模型及一种通信系统智能抗干扰方法 |
CN112543038A (zh) * | 2020-11-02 | 2021-03-23 | 杭州电子科技大学 | 基于haql-pso的跳频系统智能抗干扰决策方法 |
CN112752311A (zh) * | 2020-12-18 | 2021-05-04 | 南京航空航天大学 | 一种联合网络链路级的智能动态频谱抗干扰系统及方法 |
CN113131969A (zh) * | 2021-03-22 | 2021-07-16 | 中国人民解放军61035部队 | 一种抗瞄准式干扰的自适应传输方法与装置 |
CN113131970A (zh) * | 2021-05-19 | 2021-07-16 | 西南交通大学 | 基于强化学习与光载无线技术的高铁电磁干扰规避系统 |
CN113313262A (zh) * | 2021-06-21 | 2021-08-27 | 哈尔滨工程大学 | 基于量子世界杯竞争机制的智能抗干扰决策方法 |
CN114142949A (zh) * | 2021-11-29 | 2022-03-04 | 中科南京移动通信与计算创新研究院 | 一种基于虚实协同的干扰模拟平台及干扰模拟实现方法 |
CN114172691A (zh) * | 2021-11-11 | 2022-03-11 | 南京航空航天大学 | 一种基于诱骗策略的抗跟踪干扰系统 |
CN114567350A (zh) * | 2022-02-21 | 2022-05-31 | 中国电子科技集团公司第十研究所 | 一种航天测控系统认知干扰防护架构 |
CN114885425A (zh) * | 2022-04-15 | 2022-08-09 | 南京邮电大学 | 基于usrp平台的强化学习跳频通信抗干实现方法 |
CN114884593A (zh) * | 2022-03-04 | 2022-08-09 | 中国科学院微电子研究所 | 一种星型拓扑网络抗干扰媒体接入方法、装置和电子设备 |
CN114944884A (zh) * | 2022-05-31 | 2022-08-26 | 南京航空航天大学 | 一种基于智能反射表面的动态频谱抗干扰系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109039505A (zh) * | 2018-06-29 | 2018-12-18 | 河海大学常州校区 | 一种认知无线电网络中信道状态转移概率预测方法 |
CN109586820A (zh) * | 2018-12-28 | 2019-04-05 | 中国人民解放军陆军工程大学 | 衰落环境中的动态频谱抗干扰模型及强化学习抗干扰算法 |
-
2019
- 2019-06-14 CN CN201910516579.XA patent/CN110380802A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109039505A (zh) * | 2018-06-29 | 2018-12-18 | 河海大学常州校区 | 一种认知无线电网络中信道状态转移概率预测方法 |
CN109586820A (zh) * | 2018-12-28 | 2019-04-05 | 中国人民解放军陆军工程大学 | 衰落环境中的动态频谱抗干扰模型及强化学习抗干扰算法 |
Non-Patent Citations (1)
Title |
---|
LIJUN KONG等: "A Reinforcement Learning Approach for Dynamic Spectrum Anti-jamming in Fading Environment", 《18TH IEEE INTERNATIONAL CONFERENCE ON COMMUNICATION TECHNOLOGY (IEEE ICCT)》 * |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110891276A (zh) * | 2019-10-30 | 2020-03-17 | 中国人民解放军陆军工程大学 | 多用户抗干扰信道接入系统及动态频谱协同抗干扰方法 |
CN110752887A (zh) * | 2019-11-13 | 2020-02-04 | 南京航空航天大学 | 基于usrp的智能频谱捷变半实物仿真实验系统及实验方法 |
CN111781566A (zh) * | 2020-07-06 | 2020-10-16 | 上海志良电子科技有限公司 | 雷达抗有源干扰方法及设备 |
CN111934786A (zh) * | 2020-07-30 | 2020-11-13 | 桂林理工大学 | 一种基于深度强化学习的信号隐蔽抗干扰方法和装置 |
CN111934786B (zh) * | 2020-07-30 | 2021-12-24 | 桂林理工大学 | 一种基于深度强化学习的信号隐蔽抗干扰方法和装置 |
CN111917509B (zh) * | 2020-08-10 | 2023-04-18 | 中国人民解放军陆军工程大学 | 基于信道-带宽联合决策的多域智能通信系统及通信方法 |
CN111917509A (zh) * | 2020-08-10 | 2020-11-10 | 中国人民解放军陆军工程大学 | 基于信道-带宽联合决策的多域智能通信模型及通信方法 |
CN112543038A (zh) * | 2020-11-02 | 2021-03-23 | 杭州电子科技大学 | 基于haql-pso的跳频系统智能抗干扰决策方法 |
CN112543038B (zh) * | 2020-11-02 | 2022-03-11 | 杭州电子科技大学 | 基于haql-pso的跳频系统智能抗干扰决策方法 |
CN112512062A (zh) * | 2020-11-25 | 2021-03-16 | 中国工程物理研究院电子工程研究所 | 一种智能决策模型及一种通信系统智能抗干扰方法 |
CN112512062B (zh) * | 2020-11-25 | 2022-09-06 | 中国工程物理研究院电子工程研究所 | 一种通信系统智能抗干扰方法 |
CN112752311A (zh) * | 2020-12-18 | 2021-05-04 | 南京航空航天大学 | 一种联合网络链路级的智能动态频谱抗干扰系统及方法 |
US11777636B2 (en) | 2020-12-18 | 2023-10-03 | Nanjing University Of Aeronautics And Astronautics | Joint link-level and network-level intelligent system and method for dynamic spectrum anti-jamming |
WO2022127528A1 (zh) * | 2020-12-18 | 2022-06-23 | 南京航空航天大学 | 一种联合网络链路级的智能动态频谱抗干扰系统及方法 |
CN113131969A (zh) * | 2021-03-22 | 2021-07-16 | 中国人民解放军61035部队 | 一种抗瞄准式干扰的自适应传输方法与装置 |
CN113131970A (zh) * | 2021-05-19 | 2021-07-16 | 西南交通大学 | 基于强化学习与光载无线技术的高铁电磁干扰规避系统 |
CN113313262A (zh) * | 2021-06-21 | 2021-08-27 | 哈尔滨工程大学 | 基于量子世界杯竞争机制的智能抗干扰决策方法 |
CN113313262B (zh) * | 2021-06-21 | 2022-12-13 | 哈尔滨工程大学 | 基于量子世界杯竞争机制的智能抗干扰决策方法 |
CN114172691A (zh) * | 2021-11-11 | 2022-03-11 | 南京航空航天大学 | 一种基于诱骗策略的抗跟踪干扰系统 |
CN114142949A (zh) * | 2021-11-29 | 2022-03-04 | 中科南京移动通信与计算创新研究院 | 一种基于虚实协同的干扰模拟平台及干扰模拟实现方法 |
CN114567350B (zh) * | 2022-02-21 | 2023-08-22 | 中国电子科技集团公司第十研究所 | 一种航天测控系统认知干扰防护系统 |
CN114567350A (zh) * | 2022-02-21 | 2022-05-31 | 中国电子科技集团公司第十研究所 | 一种航天测控系统认知干扰防护架构 |
CN114884593A (zh) * | 2022-03-04 | 2022-08-09 | 中国科学院微电子研究所 | 一种星型拓扑网络抗干扰媒体接入方法、装置和电子设备 |
CN114885425A (zh) * | 2022-04-15 | 2022-08-09 | 南京邮电大学 | 基于usrp平台的强化学习跳频通信抗干实现方法 |
CN114944884A (zh) * | 2022-05-31 | 2022-08-26 | 南京航空航天大学 | 一种基于智能反射表面的动态频谱抗干扰系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110380802A (zh) | 基于软件无线电平台的单用户动态频谱抗干扰系统及方法 | |
CN111970072B (zh) | 基于深度强化学习的宽带抗干扰系统及抗干扰方法 | |
Mittag et al. | Enabling accurate cross-layer PHY/MAC/NET simulation studies of vehicular communication networks | |
US9654986B2 (en) | Wireless transceiver test bed system and method | |
CN106680780A (zh) | 频谱共享环境下基于射频隐身的雷达最优波形设计方法 | |
CN110554618B (zh) | 一种基于雷达暗室的通信系统仿真方法 | |
CN106254009B (zh) | 一种无人机数据链测试用电磁干扰信号复现系统和复现方法 | |
CN109429235B (zh) | 一种波束扫描方法、网络侧设备及移动通信终端 | |
CN106330219B (zh) | 一种基于递归网络的无源互调干扰对消系统及方法 | |
CN111585925A (zh) | 一种基于深度学习的稳健实时射频信号调制识别方法 | |
CN112672426B (zh) | 一种基于在线学习的抗干扰频点分配方法 | |
CN114125871B (zh) | 无线自组织网络性能评估方法及装置 | |
CN111786738B (zh) | 基于长短期记忆的抗干扰学习的网络结构及学习方法 | |
Fatime faydhe al-azzawi | LTE RF receiver modeling and each part testing with MATLAB simulink | |
CN204967832U (zh) | 基于频谱感知与调制识别的联合干扰系统 | |
Wu et al. | Measurement-based channel characterization for 5G downlink based on passive sounding in sub-6 GHz 5G commercial networks | |
CN114885425A (zh) | 基于usrp平台的强化学习跳频通信抗干实现方法 | |
CN114142949A (zh) | 一种基于虚实协同的干扰模拟平台及干扰模拟实现方法 | |
CN104618046B (zh) | 基于无线传播模型校正的信号强度预测方法和系统 | |
CN103428746A (zh) | 一种多天线设备空间性能验证方法及其系统 | |
Judd | Using physical layer emulation to understand and improve wireless networks | |
CN115696416A (zh) | 一种基于软件无线电平台的智能通信对抗原型验证方法 | |
CN113242201B (zh) | 基于生成分类网络的无线信号增强解调方法及系统 | |
CN102082619A (zh) | 基于二重可信评估的传输自适应方法 | |
Aziz et al. | Blind wireless standard identification for green radio communications |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191025 |
|
RJ01 | Rejection of invention patent application after publication |