CN110677204A - 一种存在智能干扰的频谱感知时间优化方法 - Google Patents
一种存在智能干扰的频谱感知时间优化方法 Download PDFInfo
- Publication number
- CN110677204A CN110677204A CN201911139639.7A CN201911139639A CN110677204A CN 110677204 A CN110677204 A CN 110677204A CN 201911139639 A CN201911139639 A CN 201911139639A CN 110677204 A CN110677204 A CN 110677204A
- Authority
- CN
- China
- Prior art keywords
- cognitive
- alpha
- probability
- beta
- spectrum sensing
- 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
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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W74/00—Wireless channel access, e.g. scheduled or random access
- H04W74/08—Non-scheduled or contention based access, e.g. random access, ALOHA, CSMA [Carrier Sense Multiple Access]
- H04W74/0808—Non-scheduled or contention based access, e.g. random access, ALOHA, CSMA [Carrier Sense Multiple Access] using carrier sensing, e.g. as in CSMA
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
Abstract
本发明公开了一种存在智能干扰的频谱感知时间优化方法,该方法适用于认知自组织网络。为了保障主用户通信,认知自组织用户只利用空闲频谱进行数据传输,然而智能干扰只有在检测到频谱被占用时才发送干扰以提高干扰效率。其中,利用频谱感知时间对数据传输性能的影响,考虑以整体中断概率最小为优化目标,采用迭代优化算法得到认知自组织用户的最佳频谱感知时间。本发明通过对认知自组织用户的频谱感知时间进行优化,最大程度地减小整体中断概率,可以有效抑制智能干扰对认知自组织用户性能造成的不利影响。
Description
技术领域
本发明涉及一种存在智能干扰的频谱感知时间优化方法,属于无线通信技术领域。
背景技术
在传统的静态频谱分配体制下,无线频谱资源的利用率不高,由此产生了频谱资源稀缺与利用率低下之间的矛盾。认知无线电允许非授权用户在不影响主用户通信的前提下,机会地利用空闲频谱进行通信,有效地提升了频谱的利用率。同时,移动互联技术与智能终端的日益普及,使得未来通信网络在自组织性和灵活性等方面有更多的需求,相比较于依赖于中心基础设施的传统无线通信网络,无线自组织网通过终端节点的自组织通信,形成无中心和分布式控制的网络架构,具有快速部署和强鲁棒性等优点。在这种背景下,认知自组织无线网络应运而生,且受到了国内外学术界的广泛持续关注。
但是,认知自组织网络由于开放的频谱接入机制,使得其物理层更加容易受到干扰等恶意攻击的影响,导致通讯传输效率低下。
发明内容
本发明提供一种存在智能干扰的频谱感知时间优化方法,可抑制智能干扰带来的不利影响,提高通信系统的有效性。
为达到上述目的,本发明所采用的技术方案是:一种存在智能干扰的频谱感知时间优化方法,包括以下步骤:根据认知发射机的频谱感知时间α与智能干扰的频谱感知时间β的大小关系,将所述方法分为α<β阶段和α≥β阶段;所述α<β阶段中,认知发射机的频谱感知时间α与智能干扰的频谱感知时间β的关系为α<β;所述α≥β阶段中,认知发射机的频谱感知时间α与智能干扰的频谱感知时间β的关系为α≥β;计算α<β阶段的整体中断概率Pout,1和α≥β阶段的整体中断概率Pout,2;根据计算出的Pout,1和Pout,2得到认知自组织用户传输的整体中断概率Pout;利用迭代优化算法优化认知发射机的频谱感知时间α,使得认知自组织用户传输的整体中断概率Pout最小。
进一步地,所述计算α<β阶段的整体中断概率Pout,1包括以下步骤:采用能量检测法进行频谱感知,得到α<β阶段的认知发射机的检测概率Pds,1和虚警概率Pfs,1,α<β阶段的智能干扰的检测概率Pdj,1和虚警概率Pfj,1;计算α<β阶段认知接收机的信道容量Cd,1;根据所述认知发射机的检测概率Pds,1和虚警概率Pfs,1,智能干扰的检测概率Pdj,1和虚警概率Pfj,1,认知接收机的信道容量Cd,1和中断概率定义式,计算得到α<β阶段的整体中断概率Pout,1。
进一步地,所述认知发射机的检测概率Pds,1和虚警概率Pfs,1,智能干扰的检测概率Pdj,1和虚警概率Pfj,1由公式(1)计算得到:
其中,Q(·)定义为 为α<β阶段中给定的认知发射机目标检测概率,Q-1(·)为Q(·)的逆函数,hps为主基站到认知发射机的信道衰落系数,γp=Pp/N0,Pp表示主基站的传输功率,N0为加性高斯白噪声的方差,Ms为认知发射机在频谱感知时接收信号的样本数且Ms=αTfs,T和fs分别表示时隙长度和采样频率, 为α<β阶段给定的智能干扰的目标检测概率,Mj为智能干扰接收信号的样本数且Mj=βTfs,hpj表示主基站到智能干扰的信道衰落系数,hsj表示认知发射机到智能干扰的信道衰落系数,γs=Ps/N0,Ps表示认知发射机的传输功率。
进一步地,所述α<β阶段认知接收机的信道容量Cd,1由公式(2)计算得到:
其中,随机变量μs定义为 表示认知发射机利用频谱感知检测到的准许频谱状态,H0表示准许频谱空闲,H1表示准许频谱被占用,随机变量μp定义为其中B0表示主基站没有传输信号,B1表示主基站传输了信号,随机变量μj定义为 表示智能干扰利用频谱感知检测到的准许频谱状态,γs=Ps/N0,Ps为认知发射机的传输功率,N0为加性高斯白噪声的方差,γp=Pp/N0,Pp为主基站和认知发射机的传输功率,γj=Pj/N0,Pj为智能干扰的传输功率,hsd为认知发射机到认知接收机的信道衰落系数,hpd为主基站到认知接收机的信道衰落系数,hjd为智能干扰到认知接收机的信道衰落系数。
进一步地,所述计算α≥β阶段的整体中断概率Pout,2包括以下步骤:采用能量检测法进行频谱感知,得到α≥β阶段的认知发射机的检测概率Pds,2和虚警概率Pfs,2,智能干扰的检测概率Pdj,2和虚警概率Pfj,2;计算α≥β阶段认知接收机的信道容量Cd,2;根据所述认知发射机的检测概率Pds,2和虚警概率Pfs,2,智能干扰的检测概率Pdj,2和虚警概率Pfj,2,认知接收机的信道容量Cd,2和中断概率定义式,计算得到α≥β阶段的整体中断概率Pout,2。
进一步地,所述认知发射机的检测概率Pds,2和虚警概率Pfs,2,智能干扰的检测概率Pdj,2和虚警概率Pfj,2由公式(3)计算得到:
其中,为α≥β阶段给定的智能干扰的目标检测概率,Mj为智能干扰接收信号的样本数且Mj=βTfs,T和fs分别表示时隙长度和采样频率, 为α≥β阶段给定的认知发射机的目标检测概率,γp=Pp/N0,Pp表示主基站传输功率,N0为加性高斯白噪声的方差, hjs为智能干扰到认知发射机的信道衰落系数,hps为主基站到认知发射机的信道衰落系数,hpj为主基站到智能干扰的信道衰落系数,Ms为认知发射机频谱感知时的接收信号样本数且Ms=αTfs,γj=Pj/N0,Pj为智能干扰传输功率。
进一步地,所述α≥β阶段认知接收机的信道容量Cd,2由公式(4)计算得到:
其中,随机变量μs定义为 表示认知发射机利用频谱感知检测到的准许频谱状态,H0表示准许频谱空闲,H1表示准许频谱被占用,随机变量μp定义为其中B0表示主基站没有传输信号,B1表示主基站传输了信号,随机变量μj定义为 表示智能干扰利用频谱感知检测到的准许频谱状态,γs=Ps/N0,Ps为认知发射机的传输功率,N0为加性高斯白噪声的方差,γp=Pp/N0,Pp为主基站的传输功率,γj=Pj/N0,Pj为智能干扰的传输功率,hsd为认知发射机到认知接收机的信道衰落系数,hpd为主基站到认知接收机的信道衰落系数,hjd为智能干扰到认知接收机的信道衰落系数。
进一步地,所述认知自组织网络的整体中断概率Pout由公式(5)计算得到:
本发明通过分别计算α<β和α≥β两个阶段中,认知自组织用户传输的整体中断概率,然后利用迭代优化算法寻找使整体中断概率最小的频谱感知时间α,从而提高通信系统的有效性。本发明采用智能干扰模型,更符合实际场景中干扰机采取的攻击类型。
附图说明
图1为本发明实施例提供的一种存在智能干扰的频谱感知时间优化方法的模型示意图;
图2为本发明实施例提供的一种存在智能干扰的频谱感知时间优化方法的流程示意图;
图3为图1中不同智能干扰感知时间情况下,认知发射机感知时间和整体中断概率之间关系的仿真示意图。
具体实施方式
为了更好的理解本发明的实质,下面结合具体实施例和附图对本发明作进一步的阐述。
如图1所示,本实施例系统模型由主网络与认知自组织网络组成,主网络由主基站(PBS)与主用户(PU)组成,认知自组织网络由1个认知发射机(ST)、1个认知接收机(SR)和1个智能干扰(J)组成。有用信号用实线表示,干扰信号用虚线表示。认知自组织网络中的节点在传输信号之前需要对频谱进行感知,为了保障主用户通信和降低干扰信号影响,认知自组织网络用户对必须在检测到频谱空闲的前提下发送有用信号,否则停止传输数据;然而智能干扰必须在检测到频谱被占用时发送干扰信号,以提高干扰效率,否则停止发送干扰。
本发明公开了一种频谱感知时间的优化方法,如图2所示,具体包括以下步骤:
在一个时隙中,将认知发射机的感知时间表示为α,智能干扰的感知时间表示为β,因此认知发射机与智能干扰的传输时间可以分别表示为1-α和1-β。
步骤1,根据认知发射机的频谱感知时间α与智能干扰的频谱感知时间β的大小关系,将所述方法分为α<β阶段和α≥β阶段。α<β阶段中,认知发射机的频谱感知时间α与智能干扰的频谱感知时间β的关系为α<β。α≥β阶段中,认知发射机的频谱感知时间α与智能干扰的频谱感知时间β的关系为α≥β。
步骤2,当α<β时,进行α<β阶段的计算。
1)采用能量检测法进行频谱感知,得到α<β阶段的认知发射机的检测概率Pds,1和虚警概率Pfs,1,α<β阶段的智能干扰的检测概率Pdj,1和虚警概率Pfj,1。
用xp表示主基站传输的随机信号,xs表示认知发射机传输的随机信号,不失一般性,假设E[|xp|2]=1和E[|xs|2]=1,其中E[·]表示期望值运算符,用Pp表示主基站的传输功率,Ps表示认知发射机的传输功率,因此,当α<β时,认知发射机在感知阶段的接收信号ys,1,智能干扰在感知阶段的接收信号yj,1可以分别表示为公式(1)和公式(2):
其中,ns表示认知发射机接收到的均值为0、方差为N0的加性高斯白噪声,nj表示智能干扰接收到的均值为0、方差为N0的加性高斯白噪声,hps表示主基站到认知发射机的信道衰落系数,hpj表示主基站到智能干扰的信道衰落系数,hsj表示认知发射机到智能干扰的信道衰落系数,随机变量|hps|2、|hpj|2和|hsj|2分别服从参数为和的指数分布,和分别为独立同分布随机变量|hps|2、|hpj|2和|hsj|2的均值。随机变量μp定义为B0表示主基站没有传输信号,B1表示主基站传输了信号,定义主基站传输信号的概率为P0=Pr(B0)。同理,随机变量μs定义为 表示认知发射机利用频谱感知检测到的准许频谱状态,H0表示准许频谱空闲,H1表示准许频谱被占用,也就是认知发射机只有当检测到频谱空闲时才进行通信,而当检测到频谱被占用时停止数据传输。
当认知发射机和智能干扰在感知阶段分别接收到信号ys,1和yj,1后,使用能量检测法感知频谱状态。设置认知发射机的能量检测门限为λs,智能干扰的能量检测门限为λj,可以得到α<β阶段的认知发射机的检测概率Pds,1和虚警概率Pfs,1,α<β阶段的智能干扰的检测概率Pdj,1和虚警概率Pfj,1,分别表示为:
Pdj,1=Pd'j,1(1-Pds,1)+Pd″j,1Pds,1 (5)
Pfj,1=Pf′j,1(1-Pfs,1)+Pf″j,1Pfs,1 (6)
定义:
2)计算α<β阶段认知接收机的信道容量Cd,1。
根据认知接收机接收信号并结合香农公式,可以获得认知接收机信道容量Cd,1为:
其中,γj=Pj/N0,Pj为智能干扰的传输功率,hsd表示认知发射机到认知接收机的信道衰落系数,hpd表示主基站到认知接收机的信道衰落系数,hjd表示智能干扰到认知接收机的信道衰落系数,随机变量|hsd|2、|hpd|2和|hjd|2分别服从参数为和的指数分布, 和分别为独立同分布随机变量|hsd|2、|hpd|2和|hjd|2的均值。随机变量μj定义为 表示智能干扰利用频谱感知检测到的准许频谱状态。
3)根据认知发射机的检测概率Pds,1和虚警概率Pfs,1,智能干扰的检测概率Pdj,1和虚警概率Pfj,1,认知接收机的信道容量Cd和中断概率定义式,计算得到α<β阶段的整体中断概率Pout,1。
根据公式(5)、公式(6)、公式(11)至公式(17)以及中断概率定义式Pout=Pr(Cd<R)并考虑条件概率,可以得到α<β阶段的整体中断概率Pout,1为:
其中,定义其中R为数据速率。
步骤3,当α≥β时,进行α≥β阶段的计算。
1)采用能量检测法进行频谱感知,得到α≥β阶段的认知发射机的检测概率Pds,2和虚警概率Pfs,2,智能干扰的检测概率Pdj,2和虚警概率Pfj,2。
用xj表示智能干扰传输的随机信号,不失一般性,假设E[xj 2]=1,用Pj表示智能干扰的传输功率,因此,当α≥β时,认知发射机在感知阶段的接收信号ys,2,智能干扰在感知阶段的接收信号yj,2可以分别表示为公式(19)和公式(20):
认知发射机和智能干扰分别接收到信号ys,2和yj,2后,使用能量检测法感知频谱状态,得到α≥β阶段的认知发射机的检测概率Pds,2和虚警概率Pfs,2,智能干扰的检测概率Pdj,2和虚警概率Pfj,2,分别表示为:
Pds,2=Pd′s,2(1-Pdj,2)+Pd″s,2Pdj,2 (23)
Pfs,2=Pf′s,2(1-Pfj,2)+Pf″s,2Pfj,2 (24)
定义:
则公式(21)、公式(22)和公式(25)至(28)可转化为:
2)计算α≥β阶段认知接收机的信道容量Cd,2。
根据认知接收机接收信号并结合香农公式,可以获得α≥β阶段认知接收机的信道容量Cd,2为:
3)根据认知发射机的检测概率Pds,2和虚警概率Pfs,2,智能干扰的检测概率Pdj,2和虚警概率Pfj,2,认知接收机的信道容量Cd,2计算得到α≥β阶段的整体中断概率Pout,2。
根据公式(23)、公式(24)、公式(29)至公式(35)以及中断概率定义式Pout=Pr(Cd<R)并考虑条件概率,可以得到α≥β阶段的整体中断概率Pout,2为:
步骤4,根据计算出的α<β阶段的整体中断概率Pout,1和α≥β阶段的整体中断概率Pout,2得到认知自组织网络的整体中断概率Pout:
步骤5,利用迭代优化算法优化认知发射机的频谱感知时间α,使得认知自组织网络的整体中断概率Pout最小,即存在智能干扰情况下感知时间α的优化问题可以描述为:
设定初始条件:和为0.5,为1,频谱空闲的概率P0=0.8,认知发射机信噪比γs、智能干扰信噪比γj和主用户的信噪比γp分别为10dB、5dB和5dB,时隙长度T=20ms,采样频率fs=25kHz,数据传输速率R=0.5b/s/Hz,目标检测概率和都设置为0.99。
图3为在不同智能干扰感知时间β的条件下,认知发射机感知时间α与整体中断概率的仿真图。通过在频谱感知阶段与数据传输阶段之间的折中,总是存在最佳的频谱感知时间α*,使认知自组织的整体中断概率达到最小。图中可以看出,α*只会出现在分段点处与曲线的拐点处,当β为0.2、0.5、0.8和1时,使整体中断概率最小的α*分别为0.18、0.41、0.07和0.07,但随着β的增加,整体中断概率最小值呈现先增加后减小的趋势。从图中还可看出当β固定时,随着α的增加,整体中断概率也呈现先减小后增加的趋势,并且会出现分段的情况。这是因为当α较小时,频谱感知不准确使认知自组织用户信噪比减小,整体中断概率增大,而当α较大时,传输时间太短导致整体中断概率增大。出现分段的情况,是因为在分段点处智能干扰接收到认知发射机信号的能量太弱而停止发送干扰,使认知接收机的整体中断概率得到改善。
应当指出,虽然通过上述实施方式对本发明进行了描述,然而本发明还可有其它多种实施方式。在不脱离本发明精神和范围的前提下,熟悉本领域的技术人员显然可以对本发明做出各种相应的改变和变形,但这些改变和变形都应当属于本发明所附权利要求及其等效物所保护的范围内。
Claims (8)
1.一种存在智能干扰的频谱感知时间优化方法,其特征在于,包括以下步骤:
根据认知发射机的频谱感知时间α与智能干扰的频谱感知时间β的大小关系,将所述方法分为α<β阶段和α≥β阶段;所述α<β阶段中,认知发射机的频谱感知时间α与智能干扰的频谱感知时间β的大小关系为α<β;所述α≥β阶段中,认知发射机的频谱感知时间α与智能干扰的频谱感知时间β的大小关系为α≥β;
计算α<β阶段的整体中断概率Pout,1和α≥β阶段的整体中断概率Pout,2;
根据计算出的Pout,1和Pout,2得到认知自组织用户传输的整体中断概率Pout;
利用迭代优化算法优化认知发射机的频谱感知时间α,使认知自组织用户传输的整体中断概率Pout最小。
2.根据权利要求1所述存在智能干扰的频谱感知时间优化方法,其特征在于:所述计算α<β阶段的整体中断概率Pout,1包括以下步骤:
采用能量检测法进行频谱感知,得到α<β阶段的认知发射机的检测概率Pds,1和虚警概率Pfs,1,α<β阶段的智能干扰的检测概率Pdj,1和虚警概率Pfj,1;
计算α<β阶段认知接收机的信道容量Cd,1;
根据所述认知发射机的检测概率Pds,1和虚警概率Pfs,1,智能干扰的检测概率Pdj,1和虚警概率Pfj,1,认知接收机的信道容量Cd,1和中断概率定义式,计算得到α<β阶段的整体中断概率Pout,1。
3.根据权利要求2所述存在智能干扰的频谱感知时间优化方法,其特征在于:所述认知发射机的检测概率Pds,1和虚警概率Pfs,1,智能干扰的检测概率Pdj,1和虚警概率Pfj,1由公式(1)计算得到:
其中,Q(·)定义为 为α<β阶段给定的认知发射机的目标检测概率,Q-1(·)为Q(·)的逆函数,hps为主基站到认知发射机的信道衰落系数,γp=Pp/N0,Pp表示主基站的传输功率,N0为加性高斯白噪声的方差,Ms为认知发射机在频谱感知时接收信号的样本数且Ms=αTfs,T和fs分别表示时隙长度和采样频率,
4.根据权利要求2所述存在智能干扰的频谱感知时间优化方法,其特征在于:所述α<β阶段认知接收机的信道容量Cd,1由公式(2)计算得到:
5.根据权利要求1所述存在智能干扰的频谱感知时间优化方法,其特征在于:所述计算α≥β阶段的整体中断概率Pout,2包括以下步骤:
采用能量检测法进行频谱感知,得到α≥β阶段认知发射机的检测概率Pds,2和虚警概率Pfs,2,智能干扰的检测概率Pdj,2和虚警概率Pfj,2;
计算α≥β阶段认知接收机的信道容量Cd,2;
根据所述认知发射机的检测概率Pds,2和虚警概率Pfs,2,智能干扰的检测概率Pdj,2和虚警概率Pfj,2,认知接收机的信道容量Cd,2和中断概率定义式,计算得到α≥β阶段的整体中断概率Pout,2。
6.根据权利要求5所述存在智能干扰的频谱感知时间优化方法,其特征在于:所述认知发射机的检测概率Pds,2和虚警概率Pfs,2,智能干扰的检测概率Pdj,2和虚警概率Pfj,2由公式(3)计算得到:
7.根据权利要求5所述存在智能干扰的频谱感知时间优化方法,其特征在于:所述α≥β阶段认知接收机的信道容量Cd,2由公式(4)计算得到:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911139639.7A CN110677204B (zh) | 2019-11-20 | 2019-11-20 | 一种存在智能干扰的频谱感知时间优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911139639.7A CN110677204B (zh) | 2019-11-20 | 2019-11-20 | 一种存在智能干扰的频谱感知时间优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110677204A true CN110677204A (zh) | 2020-01-10 |
CN110677204B CN110677204B (zh) | 2021-03-02 |
Family
ID=69087853
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911139639.7A Active CN110677204B (zh) | 2019-11-20 | 2019-11-20 | 一种存在智能干扰的频谱感知时间优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110677204B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113709784A (zh) * | 2021-09-08 | 2021-11-26 | 曼瑞检测科技(苏州)有限公司 | 一种用于无线6g的自适应分析测试系统和测试方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103139874A (zh) * | 2012-12-17 | 2013-06-05 | 中国人民解放军理工大学 | 认知无线电中基于时间序列预测的信道选择方法 |
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 |
US9887768B1 (en) * | 2009-06-15 | 2018-02-06 | Rockwell Collins, Inc. | Tactical spectrum harvesting |
CN109743780A (zh) * | 2019-01-31 | 2019-05-10 | 中国人民解放军陆军工程大学 | 信道选择和传输时间联合优化的分层强化学习抗干扰算法 |
-
2019
- 2019-11-20 CN CN201911139639.7A patent/CN110677204B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9887768B1 (en) * | 2009-06-15 | 2018-02-06 | Rockwell Collins, Inc. | Tactical spectrum harvesting |
CN103139874A (zh) * | 2012-12-17 | 2013-06-05 | 中国人民解放军理工大学 | 认知无线电中基于时间序列预测的信道选择方法 |
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 |
CN109743780A (zh) * | 2019-01-31 | 2019-05-10 | 中国人民解放军陆军工程大学 | 信道选择和传输时间联合优化的分层强化学习抗干扰算法 |
Non-Patent Citations (1)
Title |
---|
赵知劲: "利用功率谱最大最小值的频谱感知算法", 《电信科学》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113709784A (zh) * | 2021-09-08 | 2021-11-26 | 曼瑞检测科技(苏州)有限公司 | 一种用于无线6g的自适应分析测试系统和测试方法 |
CN113709784B (zh) * | 2021-09-08 | 2023-10-20 | 曼瑞检测科技(苏州)有限公司 | 一种用于无线6g的自适应分析测试系统和测试方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110677204B (zh) | 2021-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8385243B2 (en) | Method of selecting bit rate and transmit power for energy-efficient transmission | |
FI102023B (fi) | Menetelmä kuormitustavoitteen muodostamiseksi ja radiojärjestelmä | |
CN103338082B (zh) | 一种基于“k秩”准则的双门限协作频谱感知方法 | |
CN105959246B (zh) | 一种抗干扰方法 | |
CN110912619B (zh) | 一种ZigBee到WiFi的跨协议通信方法 | |
CN102368854B (zh) | 一种基于反馈控制信息的认知无线电网络频谱共享方法 | |
WO2014117503A1 (zh) | 一种基于区域划分的空时频谱共享方法和系统 | |
CN110677204B (zh) | 一种存在智能干扰的频谱感知时间优化方法 | |
CN110601779A (zh) | 基于双门限功率谱双平均比值的能量检测方法 | |
CN109219054B (zh) | 一种认知网络内双次用户的频谱感知方法 | |
CN111465023A (zh) | 一种基于历史能量信息的自适应双门限频谱感知方法 | |
CN112099057B (zh) | 一种基于模糊逻辑的双门限协作gnss干扰检测算法 | |
CN105007585B (zh) | 基于中断概率能效最大的功率分配方法 | |
CN102740432B (zh) | 动态传输功率控制方法 | |
CN104968001A (zh) | 一种能量有效的协作频谱感知方法 | |
CN112260777B (zh) | 一种基于序贯检测的特征值频谱感知方法 | |
CN111294124B (zh) | 调频信号质量检测方法及装置、存储介质、调频接收机 | |
KR101646658B1 (ko) | 인지 무선 통신에서 문턱 값을 최적화하여 협력적 센싱을 수행하는 방법 및 그 장치 | |
Jain et al. | A new transmit power control scheme in cognitive radio system based on location information of primary user | |
CN110730025A (zh) | 一种适用于携能非正交多址通信系统的增量中继方法 | |
Liu et al. | Cooperative spectrum sensing and data transmission optimization for multichannel cognitive sonar communication network | |
Khoshkholgh et al. | Novel approaches to determine the optimal operating point of spectrum sensing in overlay spectrum sharing | |
CN114125787B (zh) | D2d通信速率对称的接入与功率优化方法和系统 | |
CN111565080B (zh) | 一种基于认知无线电自适应频谱感知与分配方法 | |
Sharifi et al. | Dynamic threshold selection approach in voting rule for detection of primary user emulation attack |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20200110 Assignee: NANJING UNIVERSITY OF POSTS AND TELECOMMUNICATIONS NANTONG INSTITUTE Co.,Ltd. Assignor: NANJING University OF POSTS AND TELECOMMUNICATIONS Contract record no.: X2021980013917 Denomination of invention: A spectrum sensing time optimization method with intelligent interference Granted publication date: 20210302 License type: Common License Record date: 20211202 |