CN110611542A - 一种基于改进融合算法的三阈值协作频谱感知方法 - Google Patents
一种基于改进融合算法的三阈值协作频谱感知方法 Download PDFInfo
- Publication number
- CN110611542A CN110611542A CN201910801051.7A CN201910801051A CN110611542A CN 110611542 A CN110611542 A CN 110611542A CN 201910801051 A CN201910801051 A CN 201910801051A CN 110611542 A CN110611542 A CN 110611542A
- Authority
- CN
- China
- Prior art keywords
- threshold
- secondary user
- user
- detection
- primary 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.)
- Granted
Links
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)
- Complex Calculations (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于改进融合算法的三阈值协作频谱感知方法,包括以下步骤:S01,计算多个次用户对应的检测统计量;S02,将每个次用户各自的检测统计量与三阈值进行比较和本地判决,每个次用户根据判决规则将各自判决结果数据上传至融合中心;S03,融合中心接收到来自次用户的判决结果后,使用估计方法对次用户的感知的检测统计量进行数据恢复估计;S04,融合中心将合并后的检测统计量的估计值与预设的全局判决阈值进行比较后作出最终判决;S05,进行次用户的感知带宽分析。本发明提供的一种基于改进融合算法的三阈值协作频谱感知方法,能够减小感知环境中噪声不确定性和低信噪比对感知性能的影响,同时在大大降低感知开销的同时保持着较高的检测性能。
Description
技术领域
本发明涉及一种基于改进融合算法的三阈值协作频谱感知方法,属于认知无线电网络技术领域。
背景技术
最近几年,在认知无线电网络中,协作频谱感知技术被广泛的使用,这主要是因为多用户协作进行感知这一方式具有很强的鲁棒性,在提高系统的频谱检测性能的同时,又能够可靠地确保感知结果的正确性,因此受到众多青睐。在认知无线电网络中,协作感知的各次用户共同参与频谱检测,它们独立地进行频谱感知,并分别将各自的感知结果上传至融合中心,融合中心可以使用不同的融合算法对接收到的信息进行判决从而得到判决结果。根据各次用户发送的信息类型不同,我们可以将协作频谱感知分为两种:软融合判决合并和硬融合判决合并。硬融合判决合并是指各次用户根据各自的感知数据进行本地判决,判决结果将以“1”或者“0”这样的1bit数据形式上传至融合中心,融合中心接收到这些数据后再根据某种融合准则(AND准则、OR准则或者Majority准则)进行信息合并,从而得到最终的判决结果;而软融合判决合并方法与硬融合判决合并方法不相同,所有的次用户不会做出本地判决,而是将感知数据直接上传至融合中心,在融合中心数据融合从而做出判决。
与软融合判决合并相比,在性能方面,硬融合判决合并远远比不上软融合判决合并的性能,但在系统感知开销方面,硬融合判决合并优于软融合,因为硬融合只需要上传多个1bit的判决信息,而软融合却不得不上传数据量较为庞大的数据,传输带宽代价较大。
另外,在传统的双阈值能量检测方法中,由于感知环境中存在噪声不确定性以及低信噪比的情况,次用户接收信号的检测统计量有时会落入两个阈值之间的模糊区域,传统双阈值能量检测方法对这部分的感知数据不做判决,这使得这部分的感知数据信息浪费了。
发明内容
本发明要解决的技术问题是,克服现有技术的缺陷,提供一种能够减小感知环境中噪声不确定性和低信噪比对感知性能的影响,同时在大大降低感知开销的同时保持着较高的检测性能的基于改进融合算法的三阈值协作频谱感知方法。
为解决上述技术问题,本发明采用的技术方案为:
一种基于改进融合算法的三阈值协作频谱感知方法,包括以下步骤:
S01,计算多个次用户对应的检测统计量;
S02,将每个次用户各自的检测统计量与三阈值进行比较和本地判决,每个次用户根据判决规则将各自判决结果数据上传至融合中心;
S03,融合中心接收到来自次用户的判决结果后,使用估计方法对次用户的感知的检测统计量进行数据恢复估计;
S04,融合中心将合并后的检测统计量的估计值与预设的全局判决阈值进行比较后作出最终判决;
S05,进行次用户的感知带宽分析。
2、根据权利要求1所述的一种基于改进融合算法的三阈值协作频谱感知方法,其特征在于:S01中,假设N个次用户进行协作频谱感知一段频谱是否存在主用户,给定的时间内,每个次用户收集数量为L的样本,第n个样本值可以表示为yi(n),这样对应的检测统计量Yi表示如下:
式中,i=1,2,..,N,样本值yi(n)在两种假设下存在着不同的表达形式,
H0∶yi(n)=ωi(n)
H1∶yi(n)=ωi(n)+hi(n)*s(n) (2)
其中,H0和H1分别表示主用户不使用频谱和主用户正在使用频谱的假设,hi(n)表示瑞利分布式信道衰落系数,s(n)表示主用户信号。ωi(n)表示方差为的加性高斯白噪声。
S02中,根据奈曼-皮尔逊定理,求出单阈值λ:
其中,表示高斯噪声方差,Q-1(·)为完全分布函数Q(·)的逆函数,其中,x为反常积分的下限,t为被积函数的积分变量,Pf表示期望中的虚警概率,L表示能量检测中的采样样本数;
那么另外两个阈值的设定为:
λ1=(1-α)λ
λ2=(1+α)λ (4)
其中,α表示噪声不确定性因子;
具体的判决规则如下:
其中,Li表示根据阈值比较做出的本地判决结果,0、10、11、1分别为次用户本地判决的不同结果。
S03中,对(λ1,λ)和(λ,λ2)区域之间的检测统计量Yi采用均匀估计法,假设这两个区间的数据分布是均匀的,因此在(λ1,λ)区域,估计还原数值为:在(λ,λ2)区域,估计还原数值为:
根据检测统计量Yi远离λ的区域即(-∞,λ1)和(λ2,+∞)区域服从截断正态分布,假设一组数据服从这样的正态分布:N(μ,σ2),μ,σ2分别表示均值和方差,那么其对应的截断正态分布可以表示为:TN(μ,σ2;a,b),a和b表示该截断正态分布的限制范围,它们的概率密度函数可以表示为:
其中Φ(·)表示标准正态分布的累积分布函数,若a≤y≤b,那么指数函数I[a,b](y)=1,否则的话,I[a,b](y)=0,下面开始求数学期望值E(Y):
设
那么,
因此,
公式(7)积分中的最后一项是服从N(μ,σ2)的正态分布,假设那么,因此:
得出,因此,在(-∞,λ1)区域,a=-∞,b=λ1,那么该区域的期望值为:
在(λ2,+∞)区域,a=λ2,b=+∞,那么该区域的期望值为:
其中μ1、σ1和μ2、σ2分别是次用户接收信号的检测统计量在H0和H1条件下的期望和方差,H1表示主用户正在使用频谱的情况,H0表示主用户不使用频谱的情况,φ(x)是标准正态分布;Φ(x)是φ(x)的累积函数,
用这两个区域的期望值分别作为该区域的估计还原数值,求出所有区域的估计还原数值Yi′,表示如下:
S04中,假设每个次用户距离主用户的距离为di,基于距离di,引入加权因子ωi,∑ωi=1,加权因子定义为:基于此加权因子,求出最终的估计检测统计量:
全局判决阈值由下式得到:
将求出的最终的估计检测统计量Yf与求出的全局判决阈值λf进行比较,判断主用户是否存在:若Yf≥λf,那么可以判断主用户存在,次用户应该立即结束对该频段的使用;若Yf<λf,那么可以判断主用户不存在,次用户就可以获取该段频段的使用权。
S04中,假设第i个次用户发送数据的传输带宽为2bit的概率P2为:
P2=P(H0)P(λ1<Yi<λ2|H0)+P(H1)P(λ1<Yi<λ2|H1) (14)
其中,P(H0)表示主用户不使用频谱的概率,P(H1)主用户正在使用频谱的概率,
其中,γ表示接收信号的信噪比,Q(·)为完全分布函数,
得出第i个次用户发送数据的传输带宽为1bit的概率为:
P1=1-P2 (17)
因此,通过所提算法实现感知所需的平均带宽为:
本发明的有益效果:本发明提供一种基于改进融合算法的三阈值协作频谱感知方法,提出的改进算法结合了硬融合判决合并和软融合判决合并的优点,次用户使用三阈值能量检测方法进行本地判决,然后将次用户上传的本地判决结果在融合中心进行估计还原数值的计算,再利用软融合合并算法进行融合判决,从而大大降低感知过程中的系统开销,同时由于融合中心使用了软融合合并算法,因此本发明提出的算法感知性能与软融合合并算法的性能相近;在传统单能量检测的阈值基础上增加了两个阈值,构成三阈值,能够减小感知环境中噪声不确定性和低信噪比对感知性能的影响。
附图说明
图1为本发明中多用户协作频谱感知模型;
图2为本发明中三阈值能量检测;
图3为本发明一种基于改进融合算法的三阈值协作频谱感知方法的流程图。
具体实施方式
下面结合附图对本发明作进一步描述,以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
本发明提供一种基于传统协作频谱感知中的硬融合合并判决算法和软融合合并判决算法,在融合中心,根据次用户上传的判决结果,采用所提出的数据恢复方式,可以恢复该次用户的检测统计量的估计值,从而可以在此基础上执行软融合,大大减少了感知开销,同时获得较高的检测性能,具体包括以下步骤:
步骤一,每个次用户基于三阈值能量检测作出本地判决:系统模型图如图1所示。假设N个次用户进行协作频谱感知(CSS),去感知一段频谱是否存在主用户。为了简化分析难度,认为这N个次用户均是相同的且距主用户都有不同的空间位置,这样每个次用户的感知信道都是可以看成是相互独立的。在给定的时间内,每个次用户收集数量为L的样本,样本值可以表示为yi(n)。这样对应的检测统计量表示如下:
式中,i=1,2,..,N,第n个样本值yi(n)在两种假设下存在着不同的表达形式,
H0∶yi(n)=ωi(n)
H1∶yi(n)=ωi(n)+hi(n)*s(n) (2)
其中,H0和H1分别表示主用户不使用频谱和主用户正在使用频谱的假设,hi(n)表示瑞利分布式信道衰落系数;s(n)表示主用户信号;ωi(n)表示方差为的加性高斯白噪声(AWGN)。
步骤二,将每个次用户各自的检测统计量与三阈值进行比较和本地判决,每个次用户根据判决规则将各自判决结果数据上传至融合中心。图2为本发明判决阈值设置的情况。为了充分利用模糊区域的感知信息,本发明引入了噪声不确定性因子α,在传统单能量检测的阈值基础上增加了两个阈值,构成三阈值,具体的阈值设定如下:
根据给定的虚警概率Pf,首先根据奈曼-皮尔逊定理,求出单阈值λ:
其中,表示高斯噪声方差,Q-1(·)为完全分布函数Q(·)的逆函数,Pf表示期望中的虚警概率,L表示能量检测中的采样样本数。
那么另外两个阈值的设定为:
λ1=(1-α)λ
λ2=(1+α)λ (4)
阈值设定好了,那么就该进行本地判决了。每个次用户将各自的检测统计量与三阈值进行比较进行判决,具体的判决规则如下:
其中,Li表示根据阈值比较做出的本地判决结果,0、10、11、1分别为次用户本地判决的不同结果。
每个次用户根据判决规则将各自判决结果的1bit数据或者2bit数据上传至融合中心,我们假设上传信道是完美的,然后融合中心将进行融合判决。
步骤三,融合中心接收到来自次用户的判决结果后,使用估计方法对次用户的感知的检测统计量进行数据恢复估计。
在本发明中,认为由于存在噪声不确定性,因此在阈值λ附近的感知结果可靠性较差,容易产生错误判断,因此在一定的容错率情况下,我们对(λ1,λ)和(λ,λ2)区域之间采用均匀估计法,假设这两个区间的数据分布是均匀的。
因此在(λ1,λ)区域,估计还原数值为:在(λ,λ2)区域,估计还原数值为:
我们知道,在传统能量检测中,当次用户的采样的样本数量足够大时,它的检测统计量服从正态分布;在引入了三阈值能量检测后,远离λ的区域即(-∞,λ1)和(λ2,+∞)区域不再是正态分布,而是服从截断正态分布,因此我们可以根据此分布求出这两个区域的数学期望,以作为该区域的估计数值。
我们假设一组数据服从这样的正态分布:N(μ,σ2),μ,σ2分别表示均值和方差,那么其对应的截断正态分布可以表示为:TN(μ,σ2;a,b),a,b表示该截断正态分布的限制范围。它们的概率密度函数可以表示为:
其中Φ(·)表示标准正态分布的累积分布函数。若a≤y≤b,那么指数函数I[a,b](y)=1,否则的话,I[a,b](y)=0。下面开始求数学期望值:
设
那么,
因此,
注意,积分中的最后一项是服从N(μ,σ2)的正态分布。我们假设那么,因此:
不难得出,
因此,在(-∞,λ1)区域,a=-∞,b=λ1,那么该区域的期望值为:
在(λ2,+∞)区域,a=λ2,b=+∞,那么该区域的期望值为:
其中μ1、σ1和μ2、σ2分别是次用户接收信号的检测统计量在H0和H1条件下的期望和方差,φ(x)是标准正态分布;Φ(x)是φ(x)的累积函数,
用这两个区域的期望值分别作为该区域的估计还原数值,这样我们就求出了所有区域的估计还原数值,表示如下:
步骤四,融合中心将合并后的检测统计量的估计值Yf与预设的全局判决阈值λf进行比较后作出最终判决:
假设每个次用户距离主用户的距离为di,基于距离di,在这里我们引入加权因子ωi,∑ωi=1。加权因子定义为:基于此加权因子,我们就可以求出最终的估计检测统计量:
全局判决阈值由下式得到:
将求出的最终的估计检测统计量Yf与求出的全局判决阈值λf进行比较,我们可以判断主用户是否存在:若Yf≥λf,那么可以判断主用户存在,次用户应该立即结束对该频段的使用;若Yf<λf,那么可以判断主用户不存在,次用户就可以获取该段频段的使用权。
步骤五,感知带宽分析:
假设第i个次用户发送数据的传输带宽为2bit的概率为:
P2=P(H0)P(λ1<Yi<λ2|H0)
+P(H1)P(λ1<Yi<λ2|H1) (14)
其中,P(H0)表示主用户不使用频谱的概率,P(H1)主用户正在使用频谱的概率。
其中,γ表示接收信号的信噪比,Q(·)为完全分布函数,
不难得出,第i个次用户发送数据的传输带宽为1bit的概率为:
P1=1-P2 (17)
因此,通过所提算法实现感知所需的平均带宽为:
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (6)
1.一种基于改进融合算法的三阈值协作频谱感知方法,其特征在于:包括以下步骤:
S01,计算多个次用户对应的检测统计量;
S02,将每个次用户各自的检测统计量与三阈值进行比较和本地判决,每个次用户根据判决规则将各自判决结果数据上传至融合中心;
S03,融合中心接收到来自次用户的判决结果后,使用估计方法对次用户的感知的检测统计量进行数据恢复估计;
S04,融合中心将合并后的检测统计量的估计值与预设的全局判决阈值进行比较后作出最终判决;
S05,进行次用户的感知带宽分析。
2.根据权利要求1所述的一种基于改进融合算法的三阈值协作频谱感知方法,其特征在于:S01中,假设N个次用户进行协作频谱感知一段频谱是否存在主用户,给定的时间内,每个次用户收集数量为L的样本,第n个样本值可以表示为yi(n),这样对应的检测统计量Yi表示如下:
式中,i=1,2,..,N,样本值yi(n)在两种假设下存在着不同的表达形式,
H0:yi(n)=ωi(n)
H1:yi(n)=ωi(n)+hi(n)*s(n) (2)
其中,H0和H1分别表示主用户不使用频谱和主用户正在使用频谱的假设,hi(n)表示瑞利分布式信道衰落系数,s(n)表示主用户信号。ωi(n)表示方差为的加性高斯白噪声。
3.根据权利要求2所述的一种基于改进融合算法的三阈值协作频谱感知方法,其特征在于:S02中,根据奈曼-皮尔逊定理,求出单阈值λ:
其中,表示高斯噪声方差,Q-1(·)为完全分布函数Q(·)的逆函数,其中,x为反常积分的下限,t为被积函数的积分变量,Pf表示期望中的虚警概率,L表示能量检测中的采样样本数;
那么另外两个阈值的设定为:
λ1=(1-α)λ
λ2=(1+α)λ (4)
其中,α表示噪声不确定性因子;
具体的判决规则如下:
其中,Li表示根据阈值比较做出的本地判决结果,0、10、11、1分别为次用户本地判决的不同结果。
4.根据权利要求3所述的一种基于改进融合算法的三阈值协作频谱感知方法,其特征在于:S03中,对(λ1,λ)和(λ,λ2)区域之间的检测统计量Yi采用均匀估计法,假设这两个区间的数据分布是均匀的,因此在(λ1,λ)区域,估计还原数值为:在(λ,λ2)区域,估计还原数值为:
根据检测统计量Yi远离λ的区域即(-∞,λ1)和(λ2,+∞)区域服从截断正态分布,假设一组数据服从这样的正态分布:N(μ,σ2),μ,σ2分别表示均值和方差,那么其对应的截断正态分布可以表示为:TN(μ,σ2;a,b),a和b表示该截断正态分布的限制范围,它们的概率密度函数可以表示为:
其中Φ(·)表示标准正态分布的累积分布函数,若a≤y≤b,那么指数函数I[a,b](y)=1,否则的话,I[a,b](y)=0,下面开始求数学期望值E(Y):
设
那么,
因此,
公式(7)积分中的最后一项是服从N(μ,σ2)的正态分布,假设那么,因此:
得出,
因此,在(-∞,λ1)区域,a=-∞,b=λ1,那么该区域的期望值为:
在(λ2,+∞)区域,a=λ2,b=+∞,那么该区域的期望值为:
其中μ1、σ1和μ2、σ2分别是次用户接收信号的检测统计量在H0和H1条件下的期望和方差,H1表示主用户正在使用频谱的情况,H0表示主用户不使用频谱的情况,φ(x)是标准正态分布;Φ(x)是φ(x)的累积函数,
用这两个区域的期望值分别作为该区域的估计还原数值,求出所有区域的估计还原数值Y′i,表示如下:
5.根据权利要求4所述的一种基于改进融合算法的三阈值协作频谱感知方法,其特征在于:S04中,假设每个次用户距离主用户的距离为di,基于距离di,引入加权因子ωi,∑ωi=1,加权因子定义为:基于此加权因子,求出最终的估计检测统计量:
全局判决阈值由下式得到:
将求出的最终的估计检测统计量Yf与求出的全局判决阈值λf进行比较,判断主用户是否存在:若Yf≥λf,那么可以判断主用户存在,次用户应该立即结束对该频段的使用;若Yf<λf,那么可以判断主用户不存在,次用户就可以获取该段频段的使用权。
6.根据权利要求5所述的一种基于改进融合算法的三阈值协作频谱感知方法,其特征在于:S04中,假设第i个次用户发送数据的传输带宽为2bit的概率P2为:
P2=P(H0)P(λ1<Yi<λ2|H0)+P(H1)P(λ1<Yi<λ2|H1) (14)
其中,P(H0)表示主用户不使用频谱的概率,P(H1)主用户正在使用频谱的概率,
其中,γ表示接收信号的信噪比,Q(·)为完全分布函数,
得出第i个次用户发送数据的传输带宽为1bit的概率为:
P1=1-P2 (17)
因此,通过所提算法实现感知所需的平均带宽为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910801051.7A CN110611542B (zh) | 2019-08-28 | 2019-08-28 | 一种基于改进融合算法的三阈值协作频谱感知方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910801051.7A CN110611542B (zh) | 2019-08-28 | 2019-08-28 | 一种基于改进融合算法的三阈值协作频谱感知方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110611542A true CN110611542A (zh) | 2019-12-24 |
CN110611542B CN110611542B (zh) | 2021-06-22 |
Family
ID=68890649
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910801051.7A Active CN110611542B (zh) | 2019-08-28 | 2019-08-28 | 一种基于改进融合算法的三阈值协作频谱感知方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110611542B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112099057A (zh) * | 2020-09-17 | 2020-12-18 | 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 |
CN114337881A (zh) * | 2021-11-26 | 2022-04-12 | 西安电子科技大学 | 基于多无人机分布式与lms的无线频谱智能感知方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101951274A (zh) * | 2010-09-22 | 2011-01-19 | 上海交通大学 | 低复杂度的合作频谱感知方法 |
US20150057041A1 (en) * | 2013-08-22 | 2015-02-26 | Nokia Corporation | Blind Spectrum Sensing Based on Maximum Correlation Coefficients and use Thereof |
CN105763273A (zh) * | 2016-05-18 | 2016-07-13 | 电子科技大学 | 一种认知无线电频谱感知方法 |
CN107517089A (zh) * | 2017-09-06 | 2017-12-26 | 南京邮电大学 | 一种基于频谱特征的宽带频谱感知方法 |
-
2019
- 2019-08-28 CN CN201910801051.7A patent/CN110611542B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101951274A (zh) * | 2010-09-22 | 2011-01-19 | 上海交通大学 | 低复杂度的合作频谱感知方法 |
US20150057041A1 (en) * | 2013-08-22 | 2015-02-26 | Nokia Corporation | Blind Spectrum Sensing Based on Maximum Correlation Coefficients and use Thereof |
CN105763273A (zh) * | 2016-05-18 | 2016-07-13 | 电子科技大学 | 一种认知无线电频谱感知方法 |
CN107517089A (zh) * | 2017-09-06 | 2017-12-26 | 南京邮电大学 | 一种基于频谱特征的宽带频谱感知方法 |
Non-Patent Citations (2)
Title |
---|
周璇: "认知无线电中基于双阈值频谱感知算法的研究", 《中国优秀硕士学位论文全文数据库》 * |
张新忠: "认知无线电协作频谱感知技术研究", 《中国博士学位论文全文数据库》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112099057A (zh) * | 2020-09-17 | 2020-12-18 | 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 |
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 |
CN114337881A (zh) * | 2021-11-26 | 2022-04-12 | 西安电子科技大学 | 基于多无人机分布式与lms的无线频谱智能感知方法 |
CN114337881B (zh) * | 2021-11-26 | 2023-02-03 | 西安电子科技大学 | 基于多无人机分布式与lms的无线频谱智能感知方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110611542B (zh) | 2021-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4515635B2 (ja) | タップの数を可変にできるチャネル推定器 | |
CN110611542B (zh) | 一种基于改进融合算法的三阈值协作频谱感知方法 | |
JP2003518875A (ja) | 移動通信速度による等化器の選択 | |
WO1999004537A1 (en) | Determination of the length of a channel impulse response | |
CN109347584B (zh) | 基于指数平滑预测的频谱感知方法 | |
CN111010207B (zh) | 一种基于量化相关性的跳频方法及装置 | |
CN107770778B (zh) | 一种基于软融合策略的盲协作频谱感知方法 | |
CN111465023B (zh) | 一种基于历史能量信息的自适应双门限频谱感知方法 | |
CN108880712B (zh) | 一种两步协作随机共振能量检测方法 | |
CN110972154A (zh) | 网络配置方法及装置 | |
CN110649982B (zh) | 基于次用户节点选择的双阈值能量检测方法 | |
AU2002235796B2 (en) | Method of signal quality estimation | |
CN113014340A (zh) | 一种基于神经网络的卫星频谱资源动态分配方法 | |
CN109219054B (zh) | 一种认知网络内双次用户的频谱感知方法 | |
CN110601779A (zh) | 基于双门限功率谱双平均比值的能量检测方法 | |
Chen et al. | Triple-threshold cooperative spectrum sensing algorithm based on energy detection | |
KR20170090805A (ko) | 인지 라디오 네트워크를 위한 소프트-하드 융합기반 협력 스펙트럼 센싱 방법 | |
CN112099057B (zh) | 一种基于模糊逻辑的双门限协作gnss干扰检测算法 | |
CN108322276B (zh) | 一种基于d-s证据理论的频谱感知准确率提升技术 | |
CN109150344B (zh) | 一种卫星通信中成对载波多址快速频谱感知方法 | |
CN112073138B (zh) | 一种基于量化的双门限协作频谱感知方法 | |
CN114465681B (zh) | 一种用于电力物联网的多节点协作频谱感知方法及装置 | |
Kaligineedi et al. | Distributed detection of primary signals in fading channels for cognitive radio networks | |
CN107801190B (zh) | 一种基于hdp-nshmm的频谱感知方法 | |
CN104469811A (zh) | 认知无线传感网络分簇合作频谱感知硬融合方法 |
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 |