CN111010207B - 一种基于量化相关性的跳频方法及装置 - Google Patents

一种基于量化相关性的跳频方法及装置 Download PDF

Info

Publication number
CN111010207B
CN111010207B CN201911237078.4A CN201911237078A CN111010207B CN 111010207 B CN111010207 B CN 111010207B CN 201911237078 A CN201911237078 A CN 201911237078A CN 111010207 B CN111010207 B CN 111010207B
Authority
CN
China
Prior art keywords
channel
interference
signal
correlation
channels
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
Application number
CN201911237078.4A
Other languages
English (en)
Other versions
CN111010207A (zh
Inventor
郑霄龙
王玉婷
刘亮
马华东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Posts and Telecommunications
Original Assignee
Beijing University of Posts and Telecommunications
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing University of Posts and Telecommunications filed Critical Beijing University of Posts and Telecommunications
Priority to CN201911237078.4A priority Critical patent/CN111010207B/zh
Publication of CN111010207A publication Critical patent/CN111010207A/zh
Application granted granted Critical
Publication of CN111010207B publication Critical patent/CN111010207B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/69—Spread spectrum techniques
    • H04B1/713—Spread spectrum techniques using frequency hopping
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/69—Spread spectrum techniques
    • H04B1/713—Spread spectrum techniques using frequency hopping
    • H04B1/715—Interference-related aspects
    • 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
    • H04B17/336—Signal-to-interference ratio [SIR] or carrier-to-interference ratio [CIR]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel

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)

Abstract

本发明实施例提供了一种基于量化相关性的跳频方法及装置，该方法根据接收的历史信息和当前时刻采集的干扰信息，建立基于各个信道的信干噪比的信道间相关性的量化信道相关模型；从量化信道相关模型中，选取一个最优的信道作为与发送端进行通信的目标信道；当接收到发送端通过目标信道发送的数据包时，利用数据包和当前时刻采集的噪声，计算目标信道的信干噪比；如果信干燥比低于预设的阈值时，利用帕累托模型和量化信道相关模型，重新选择新的信道。本发明实施例不必对每一信道进行一一探测，而是从基于各个信道的信干噪比所建立的量化信道相关模型中，选取最优的信道，以在降低开销的基础上，选取的目标信道能够提高通信的可靠性。

Description

一种基于量化相关性的跳频方法及装置
技术领域
本发明涉及认知无线网络技术领域，特别是涉及一种基于量化相关性的跳频方法及装置。
背景技术
随着无线网络技术的迅速发展，日益增多的物联网设备被广泛应用于智能家居、智慧医疗和环境监测等系统。这些物联网设备采用多种无线通信技术，如WiFi、ZigBee或Bluetooth等。由于射频频谱有限，多种无线通信技术被迫使用相同的未经许可的频段，例如，如图1所示，IEEE 802.11(WiFi)，IEEE802.15.1(Bluetooth)和IEEE 802.15.4(ZigBee)共享相同的2.4GHz ISM(Industrial Scientific Medical)频段。但是由于频谱重叠、功率不对称和调制方式的不同，共享同一频段必然会导致CTI(Cross TechnicalInterference，交叉技术干扰)，使得物联网设备间歇性的网络连接和传输数据包的丢失，最终导致通信可靠性的降低。例如，对于以低功耗著称的ZigBee设备，采用OQPSK和DSSS调制，发送功率最大为0dBm，且多用于智能家居和环境监测等，而广泛应用的WiFi采用DBPSK和OFDM调制，发送功率高达30dBm，与ZigBee设备在相同环境下，会导致ZigBee设备超过50％的包损坏，通信可靠性退化。因此异构设备之间的CTI已成为影响网络性能的主要因素。为了提高ZigBee设备的可靠性，我们需要设计一种方法抵抗在共存环境下的CTI。
基于此，现有技术提出一种轮询探测方法，该方法在检测到当前时刻所使用的信道质量变差时，需要对16个信道逐一进行探测，并对每一信道进行采样，获得信干噪比，并通过比较各个信干噪比，选择信干噪比最好的信道作为目标信道。可见，该方法需要对每一信道进行一一探测，且在探测时需要逐一切换信道，进而造成开销较大。
发明内容
本发明实施例的目的在于提供一种基于量化相关性的跳频方法及装置，以提高通信的可靠性。具体技术方案如下：
第一方面，本发明实施例提供了一种基于量化相关性的跳频方法，所述方法包括：
根据接收的历史信息和当前时刻采集的干扰信息，建立基于各个信道的信干噪比的信道间相关性的量化信道相关模型；
从所述量化信道相关模型中，选取一个最优的信道作为与发送端进行通信的目标信道。
本发明的一个实施例中，在所述选取一个最优的信道作为与发送端进行通信的目标信道之后，所述方法还包括：
当接收到所述发送端通过所述目标信道发送的数据包时，利用所述数据包的信号强度和当前时刻采集的噪声，计算所述目标信道的信干噪比；
如果所述信干噪比低于预设的阈值时，利用帕累托模型和所述量化信道相关模型，重新选择新的信道。
本发明的一个实施例中，所述根据接收的历史信息和当前时刻采集的干扰信息，建立用于表征各个信道相互间所具有的相关程度的量化信道相关模型，包括：
针对每一信道，按照预设时间窗口采样该信道所接收到的接收信号强度指示RSSI序列，并通过变点检测算法，从所采样的RSSI序列中分离出当前时刻环境的第一干扰RSSI序列和历史数据包的数据RSSI序列；筛选所述数据RSSI序列中干扰信息的第二干扰RSSI序列，并利用所述第二干扰RSSI序列的功率和所述数据RSSI序列，计算该信道的信干噪比；
利用各个信道的信干噪比，计算各个信道之间的皮尔森相关系数，作为信道相关性系数；
利用每一信道的信道相关性系数，生成量化信道相关模型。
本发明的一个实施例中，所述利用帕累托模型和所述量化信道相关模型，重新选择新的信道，包括：
基于帕累托模型，如果检测到需要对所述目标信道的相邻信道进行探测时，则对所述目标信道的相邻信道进行探测，计算各个所述相邻信道的信干噪比，当所述相邻信道存在可用信道时，从所计算的信干噪比中选择信干噪比高的所述可用信道作为新的信道；当所述相邻信道不存在可用信道时，返回执行所述根据接收的历史信息和当前时刻采集的干扰信息，建立基于各个信道的信干噪比的信道间相关性的量化信道相关模型的步骤。
基于帕累托模型，如果检测不到需要对所述目标信道的相邻信道进行探测，返回执行所述根据接收的历史信息和当前时刻采集的干扰信息，建立基于各个信道的信干噪比的信道间相关性的量化信道相关模型的步骤。
本发明的一个实施例中，所述基于帕累托模型，对所述目标信道的相邻信道进行探测，包括：
利用帕累托模型，按照如下表达式，确定所述目标信道从当前时刻到下一个处于繁忙状态时刻的时间段t；
所述表达式为：
Figure GDA0002680865520000031
其中，P(x>t)表示忙周期大于t的概率，α表示最小的忙周期时长，β表示帕累托模型的形状参数，
Figure GDA0002680865520000032
λ表示平均忙周期时长；
如果所述时间段小于或等于时间阈值，则判定为需要对所述目标信道的相邻信道进行探测；
如果所述时间段大于时间阈值，则判定为不需要对所述目标信道的相邻信道进行探测。
第二方面，本发明的实施例提供一种基于量化相关性的跳频装置，应用于接收端，所述装置包括：
量化信道相关模型建立模块，用于根据接收的历史信息和当前时刻采集的干扰信息，建立基于各个信道的信干噪比的信道间相关性的量化信道相关模型；
目标信道选取模块，用于从所述量化信道相关模型中，选取一个最优的信道作为与发送端进行通信的目标信道。
本发明的一个实施例中，所述装置还包括：
信干噪比计算模块，用于当接收到所述发送端通过所述目标信道发送的数据包时，利用所述数据包的信号强度和当前时刻采集的噪声，计算所述目标信道的信干噪比；
重新选择信道模块，用于如果所述信干噪比低于预设的阈值时，利用帕累托模型和所述量化信道相关模型，重新选择新的信道。
本发明的一个实施例中，所述量化信道相关模型建立模块，包括：
信干噪比计算子模块，用于针对每一信道，按照预设时间窗口采样该信道所接收到的接收信号强度指示RSSI序列，并通过变点检测算法，从所采样的RSSI序列中分离出当前时刻环境的第一干扰RSSI序列和历史数据包的数据RSSI序列；筛选所述数据RSSI序列中干扰信息的第二干扰RSSI序列，并利用所述第二干扰RSSI序列和所述数据RSSI序列，计算该信道的信干噪比；
系数计算子模块，用于利用各个信道的信干噪比，计算各个信道之间的皮尔森相关系数，作为信道相关性系数；
生成子模块，用于利用每一信道的信道相关性系数，生成量化信道相关模型。
本发明的一个实施例中，所述重新选择信道模块，包括：
第一信道选择子模块，用于基于帕累托模型，如果检测到需要对所述目标信道的相邻信道进行探测时，则对所述目标信道的相邻信道进行探测，计算各个所述相邻信道的信干噪比，当所述相邻信道存在可用信道时，从所计算的信干噪比中选择信干噪比高的所述可用信道作为新的信道；当所述相邻信道不存在可用信道时，触发所述量化信道相关模型建立模块。
第二信道选择子模块，用于基于帕累托模型，如果检测不到需要对所述目标信道的相邻信道进行探测，触发所述量化信道相关模型建立模块。
本发明实施例提供了一种电子设备，包括：处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口、所述存储器通过所述通信总线完成相互间的通信；
所述存储器，用于存放计算机程序；
所述处理器，用于执行所述存储器上所存放的程序时，实现上述任一所述的一种基于量化相关性的跳频方法的步骤。
本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时，实现上述任一所述的基于量化相关性的跳频方法的步骤。
本发明实施例提供的一种基于量化相关性的跳频方法，该方法通过根据接收的历史信息和当前时刻采集的干扰信息，建立基于各个信道的信干噪比的信道间相关性的量化信道相关模型；从量化信道相关模型中，选取一个最优的信道作为与发送端进行通信的目标信道；当接收到发送端通过目标信道发送的数据包时，利用数据包和当前时刻采集的噪声，计算目标信道的信干噪比；如果信干噪比低于预设的阈值时，利用帕累托模型和量化信道相关模型，重新选择新的信道。相对于现有技术，本发明实施例不必对每一信道进行一一探测，而是从基于各个信道的信干噪比所建立的量化信道相关模型中，低开销高精度地选择SINR最大的信道作为目标信道，可见，该方法在选择干扰较小的过程主要降低了检测开销，从而在降低开销的基础上，选取的目标信道能够提高通信的可靠性。当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为WiFi和ZigBee在2.4GHz ISM频段的信道布局的示意图；
图2为本发明实施例的一种基于量化相关性的跳频方法的流程示意图；
图3为本发明实施例在受控的WiFi干扰下，ZigBee 16个信道质量的示意图；
图4为本发明实施例的WiFi信道1干扰下，ZigBee信道11-14的SINR示意图；
图5为本发明实施例的WiFi信道1/6/11干扰下边缘信道可用的概率示意图；
图6为本发明实施例的ZigBee信道11-14的SINR关系的示意图；
图7为本发明实施例的WiFi信道1干扰下，基于帕累托模型的信道选择和检测的示意图；
图8(a)为本发明实施例的WiFi干扰变化中表示WiFi干扰强度增大情况的示意图；
图8(b)为本发明实施例的WiFi干扰变化中表示干扰移除情况的示意图；
图8(c)为本发明实施例的WiFi干扰变化中表示干扰新增加情况的示意图；
图9为本发明实施例的ZigBee收发端之间的信道协调的示意图；
图10为本发明实施例的一种基于量化相关性的跳频方法的示意图；
图11为本发明实施例的一种基于量化相关性的跳频装置的结构示意图；
图12为本发明实施例的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面首先对本发明实施例所提供的基于量化相关性的跳频方法进行详细介绍。
参见图2，图2为本发明实施例的一种基于量化相关性的跳频方法的流程示意图，应用于接收端，包括以下步骤：
S101，根据接收的历史信息和当前时刻采集的干扰信息，建立基于各个信道的信干噪比的信道间相关性的量化信道相关模型。
其中，上述历史信息是指历史数据包的RSSI(Receive Signal StrengthIndication，接收信号强度指示)，则历史数据包的RSSI中可能存在干扰信息。
上述接收端可以是ZigBee，当ZigBee和WiFi共存同一环境时，则上述当前时刻采集的干扰信息可能是环境噪声和WiFi构成的干扰信息。
通过对历史数据研究发现，异构数据包的冲突所导致较高的误码率(BER，BitError Rate)是造成通信可靠性降低的主要原因，而BER与SINR高度相关。影响SINR的因素包括信道衰落和CTI，如对于ZigBee而言，WiFi造成的干扰，鉴于ZigBee是短距离传输的，信道衰落属于慢衰落，因此，ZigBee信道降低的速度较慢，因此，ZigBee的信道衰落的影响远远小于CTI的影响。可见，可以采用SINR表示信道质量，可以表示为：
SINR＝Psignal/Pinterference。
其中，Psignal为无干扰信息的数据包的信号强度，Pinterference为采集的干扰信息的信号强度。
上述无干扰信息的数据包的信号强度就是接收到的有用信号的信号强度，上述采集的干扰信息的信号强度为包含噪声和数据包中干扰的信号强度。
根据WiFi采用CSMA(Carrier Sense Multiple Access，载波监听多路访问)，进行碰撞避免，可知WiFi在2.4GHz ISM(Industrial Scientific Medical band，ISM频段)只有三个没有频谱重叠的信道可以同时使用。因此在WiFi信道1/6/11同时工作的情况下，对ZigBee的16个信道RSSI(Receive Signal Strength Indication，采样接收信号强度指示)获得SINR，并计算信道SINR的皮尔森相关系数Cx,y：
Figure GDA0002680865520000071
其中，x和y分别表示两个不同信道的RSSI序列，x＝{x1,x2,…,xn}，y＝{y1,y2,…,yn}，x1,x2,…,xn分别表示x信道中序号为1、序号为2、……、序号为n的信号强度，y1,y2,…,yn分别表示y信道中序号为1、序号为2、……、序号为n的信号强度，
Figure GDA0002680865520000072
和
Figure GDA0002680865520000073
分别是x和y的RSSI均值，
Figure GDA0002680865520000074
Figure GDA0002680865520000075
n表示RSSI序列中的序号，xμ表示在x信道中序号为μ的RSSI值，yμ表示在y信道中序号为μ的RSSI值。
如图3所示，同一干扰源影响的相邻信道具有很强的相关性，例如信道11与信道12/13/14的相关概率分别是0.95/0.93/0.79。但是这种相关性表示的是信道之间长期的关系，而不能及时发现短时可用的噪声信道。
为了探究短时可用的噪声信道，如图4所示，图4中阴影部分为灰色的线框图表示信干噪比，图4画出了信道11-14的SINR，信道11-14在WiFi信道1干扰下的信道质量是不同的，且当中间的两个信道即信道12/13的SINR下降到-5dB时，边缘信道即信道11和14的信道质量仍然大于6dB，可见，边缘信道可以作为收发端通信的目标信道。根据PRR-SINR(PacketReception Ratio-Signal to Interference plus Noise Ratio，数据包接收率-信干噪比)模型可知，当信噪比为6dB时，PRR(Packet Reception Ratio，数据包接收率)大于90％，可见，此时信道11和14仍然可利用。本实施例将信道12和13定义为中间信道，信道11和14定义为边缘信道。如图5所示，当WiFi工作在信道1、6、11工作时，边缘可用概率很大，即WiFi工作在信道1时，同干扰下ZigBee边缘信道可用概率均值为87％，WiFi工作在信道6时，同干扰下ZigBee边缘信道可用概率均值为60％，WiFi工作在信道11时，同干扰下ZigBee边缘信道可用概率均值为82％。长期可见，这种现象是稳定存在的。即使在最差的情况下，平均概率也高于50％。基于此，本实施例基于各个信道的信干噪比建立用于表征各个信道间相关性的量化信道相关模型。
本实施例在此不对量化信道相关模型的建立作具体详细描述，具体的实现方式详见后续。
S102，从所述量化信道相关模型中，选取一个最优的信道作为与发送端进行通信的目标信道。
在建立了量化信道相关模型后，从量化信道相关模型中可以获知每一信道的信干噪比，以及各个信道之间的相关性。
示例性的，本实施例可以有效地从16个信道中选择一个可用的信道进行数据包的传输，可以提供很大的机会来帮助各种上层协议获得高可靠性。使用与常用WiFi信道有较少重叠的信道26作为广播信道。当接收端在广播信道上接收到发送给它的数据包时，它将使用基于量化信道相关性模型进行信道选择，然后回复包含下一个要使用信道的数据包，并切换信道等待接收数据。
如图6所示，图6中，空心圆表示信干噪比值，虚线表示信干噪比均值，实线表示y＝-sin(x)/x的曲线，图6显示了ZigBee的不同信道之间RSSI的关系，ZigBee同干扰下的四个信道的SINR均值符合y＝-sin(x)/x，也就是说，ZigBee信道质量可以用y＝-sin(x)/x拟合。另外该函数与WiFi功率谱的零点分别是±π和±11，且ZigBee信道与WiFi干扰信道的频率偏移分别是-7MHz、-2MHz、3MHz和8MHz，所以4个信道的SINR满足SINRj＝aijSINRi+(aij-1)b，其中SINRi和SINRj是信道i和信道j的质量均值；b为干扰量化参数，由干扰设备和接收端距离确定；aij是标准功率谱函数下信道j与信道i的功率比值，表示为
Figure GDA0002680865520000091
其中，Δfj表示表示ZigBee信道与WiFi干扰信道的中心频率偏移，所有信道的比值关系可以存于矩阵中。可见，可以由已知的信道SINR计算出未知的信道质量。
综上所述，通过量化信道相关性捕获可用的边缘信道。为了区别于以好坏划分的信道相关性，本实施例称之为量化的相关性。
由此可见，本实施例提供的方法通过根据接收的历史信息和当前时刻采集的干扰信息，建立基于各个信道的信干噪比的信道间相关性的量化信道相关模型；从量化信道相关模型中，选取一个最优的信道作为与发送端进行通信的目标信道；当接收到发送端通过目标信道发送的数据包时，利用数据包和当前时刻采集的噪声，计算目标信道的信干噪比；如果信干噪比低于预设的阈值时，利用帕累托模型和量化信道相关模型，重新选择新的信道。相对于现有技术，本发明实施例不必对每一信道进行一一探测，而是从基于各个信道的信干噪比所建立的量化信道相关模型中，低开销高精度地选择SINR最大的信道作为目标信道，可见，该方法在选择干扰较小的过程主要降低了检测开销，从而在降低开销的基础上，选取的目标信道能够提高通信的可靠性。
最优的信道即目标信道的信道质量可能会随着干扰信息的改变而降低，基于此，本发明的一个实施例中，在S102之后，该方法还可以包括步骤A～步骤B：
步骤A，当接收到所述发送端通过所述目标信道发送的数据包时，利用所述数据包的信号强度和当前时刻采集的噪声，计算所述目标信道的信干噪比。
本发明使用量化的相关性模型和帕累托模型优化探测序列。在数据传输过程中，接收端需要对信道进行连续监测，以抵抗不断变化的干扰。一旦当前信道质量下降，无法使用，将重新本实施例的步骤。
在数据传输期间，接收端进行信道质量检测。图6给出了一个简单的信道协调示例。矩形框表示在一段时间内使用同一信道。接收点收到用于请求发送的控制包后，选择质量较好的信道m传输数据，并回复数据包ACK(Acknowledge character，确认字符)以通知发送节点切换信道。通过上述方法，完成了发送端和接收端之间的信道同步。
步骤B，如果所述信干噪比低于预设的阈值时，利用帕累托模型和所述量化信道相关模型，重新选择新的信道。
可见，本实施例当接收到发送端通过目标信道发送的数据包时，利用数据包的RSSI和当前时刻采集的噪声，计算目标信道的信干噪比；如果信干噪比低于预设的阈值时，利用帕累托模型和所述量化信道相关模型，重新选择新的信道，本实施例应用帕累托模型和所述量化信道相关模型相互配合选择新的信道，在降低开销的基础上，能够提供低延迟、高可靠性的通信。
当接收端与发送端通信时，信道质量度量使用PRR，即接收端成功接收到的传输包的比例。此时，使用PRR而不是SINR来表示信道质量的原因是：在复杂的共存环境中，信干噪比SINR的鲁棒性较差，可随突发包的变化而变化。相反，PRR更具有稳定性，可以代表长时间段的信道质量。而且根据PRR-SINR模型可知，SINR与PRR关系密切。这意味着采用PRR作为度量是合理的。
基于上述分析，在本发明的一个实施例中，在接收数据包时，接收端利用接收的数据信息计算PRR，如果PRR大于或等于PRR阈值，则继续使用该目标信道与发送端进行通信，如果PRR小于预设的PRR阈值，执行步骤A和步骤B。
其中，数据信息就是数据包编号。
上述阈值是事先设定的，PRR阈值可以为90％。当确定PRR阈值小于90％，立即执行切换信道步骤。
可见，应用本实施例提供的方案进一步在降低开销的基础上，能够提供低延迟、高可靠性的通信。
本发明的一个实施例中，S101的具体实现方式可以包括如下步骤C～步骤E：
步骤C，针对每一信道，按照预设时间窗口采样该信道所接收到的接收信号强度指示RSSI序列，并通过变点检测算法，从所采样的RSSI序列中分离出当前时刻环境的第一干扰RSSI序列和历史数据包的数据RSSI序列；筛选所述数据RSSI序列中干扰信息的第二干扰RSSI序列，并利用所述第二干扰RSSI序列的功率和所述数据RSSI序列计算该信道的信干噪比。
其中，时间窗口可以是一个时间周期，一个时间间隔，可以为4ms。
采样的RSSI序列既包括环境噪声又包括干扰信息和接收到数据包的RSSI，基于此，先从RSSI序列中去除环境噪声即第一干扰RSSI序列，再从去除环境噪声后的RSSI序列中去除接收到数据包即第二RSSI序列，最终，剩下的RSSI序列就是干扰信息的RSSI值。
RSSI序列可以表示干扰和信号的功率，也就是说，RSSI序列既包括干扰信息的功率，又包括信号即数据包自身的功率。
示例性的，使用4ms时间窗口采样RSSI序列，并提取干扰和信号的功率。由于信号的存在是突发性的，它们可能会导致RSSI序列突然改变。基于此，通过变点检测算法分离每个繁忙时段。例如信道i的RSSI序列可分段为：
Figure GDA0002680865520000111
其中，R表示采集到的RSSI序列，ri表示采样得到的第i个RSSI值，r1,rk,rk+1,rk+m,rl,rl+1,rl+m分别表示采样得到的序号为1，序号为k，序号为k+1，序号为k+m，序号为l，序号为l+1，序号为l+m，序号为n的RSSI值，n为RSSI值的数量，公式中“>噪声平面”表示干扰的RSSI值或数据包RSSI值。然后，根据得到信号强度si,可以计算信道的SINR。
经初步研究发现，噪声平面一般小于-85dB。基于此，-85dB作为区分干扰和环境噪声的阈值。也就是说，以-85dB为分界线，从所采样的环境干扰的功率RSSI序列中，分离出当前时刻环境的第一干扰RSSI序列和历史数据包的数据RSSI序列。
步骤D,利用各个信道的信干噪比，计算各个信道之间的皮尔森相关系数，作为信道相关性系数。
为了降低检测开销，接收端在得到每个信道的SINR后，记录16个信道的相关性，表示为CorrTable，即
Figure GDA0002680865520000121
其中，C11,12表示信道11和信道12之间的相关系数，C11,13表示信道11和信道13之间的相关系数，C11,26表示信道11和信道26之间的相关系数，C12,11表示信道12和信道11之间的相关系数，C12,13表示信道12和信道13之间的相关系数，C12,26表示信道12和信道26之间的相关系数，C13,11表示信道13和信道11之间的相关系数，C13,12表示信道13和信道12之间的相关系数，C13,26表示信道13和信道26之间的相关系数，C26,11表示信道26和信道11之间的相关系数，C26,12表示信道26和信道12之间的相关系数，C26,13表示信道26和信道13之间的相关系数。显然，该矩阵是一个对称矩阵，即Ci,j＝Cj,i，Ci,j表示信道i和信道j之间的相关系数，Cj,i表示信道j和信道i之间的相关系数。
步骤E,利用每一信道的信道相关性系数，生成量化信道相关模型。
每个接收端均会建立量化信道相关模型用于进一步的信道选择。
在建立量化信道相关模型之后，接收端可以获得所有信道之间的相关性。如果当前信道的SINR低于阈值，则选择与之相关性最小的信道进行检测。选择与所述信道相关性最小的原因是信道之间的忙周期可能是错开的，如果选择负相关信道，下个周期状态可能是忙。
可见，本实施例针对每一信道，通过变点检测算法，从所采样的RSSI序列中分离出当前时刻环境的第一干扰RSSI序列和历史数据包的数据RSSI序列，并去除数据RSSI序列中干扰信息的第二干扰RSSI序列，并利用第二干扰RSSI序列的功率和数据RSSI序列计算该信道的信干噪比；进而计算各个信道之间的皮尔森相关系数，以生成量化信道相关模型，应用本实施例能够通过量化信道相关性捕获可用的边缘信道，以通过量化信道相关模型确定最优的信道，无需每一信道均一一探测，从而减少探测开销，降低延迟。
本发明的一个实施例中，步骤B的实现方式可以包括如下步骤B1：
步骤B1，基于帕累托模型，如果检测到需要对所述目标信道的相邻信道进行探测时，则对所述目标信道的相邻信道进行探测，计算各个所述相邻信道的信干噪比，当所述相邻信道存在可用信道时，从所计算的信干噪比中选择信干噪比高的所述可用信道作为新的信道；当所述相邻信道不存在可用信道时，返回执行S101的步骤；如果检测不到需要对所述目标信道的相邻信道进行探测，返回执行的S101。
跳频需要适应动态变化的干扰环境，在当前信道质量退化到无法使用的情况下选择一个好的信道跳变策略是非常重要的。基于此，本实施例基于帕累托模型对探测序列进行优化。也就是说，在动态干扰下无法保证单个信道的质量，且检测所有信道的开销很大，利用量化信道相关模型和帕累托模型选择信道。
通过识别干扰来减少检测次数，即识别出WiFi干扰信道，并从相同干扰下已知的信道质量计算出未知的信道质量。然后，可以确定边缘信道是否可用。即使边缘信道不可用，也可以及时更新相关性，以减少检测开销。
如图6所示，一个WiFi干扰源会影响4个ZigBee信道。已知的相邻信道的SINR分别表示为SINRi和SINRi+1，WiFi干扰的中心频率表示为fc。具体过程如步骤所示。通过以上算法，可以确定是否有可用的信道。如果有，接收端将与发送端建立信道协调，否则，执行S101以将更新信道相关性进一步选择可用信道。
具体步骤为：
步骤一，根据检测得到的序号为i的信道SINRi和序号为i+1的信道SINRi+1，以及由aij构成的矩阵，根据公式
Figure GDA0002680865520000141
计算干扰量化参数b；
步骤二，如果SINRi>SINRi+1且|SINRi-SINRi+1|>Dth，则根据公式
Figure GDA0002680865520000142
计算得到SINR＝{SINRi,SINRi+1,SINRi+2,SINRi+3}和fc；
如果SINRi<SINRi+1且|SINRi-SINRi+1|>Dth，则根据公式
Figure GDA0002680865520000143
计算得到SINR＝{SINRi-2,SINRi-1,SINRi,SINRi+1}和fc；
如果max(SINR)>SINRth，则说明同干扰下的相邻信道存在可用信道，则立即信道到该信道进行数据传输，否则更新量化信道相关模型，并重新利用量化信道相关模型选择目标信道。
其中，上述公式中，SINRi-2,SINRi-1,SINRi,SINRi+1,SINRi+2,SINRi+3分别是序号为i-2,i-1,i,i+1,i+2和i+3的信干噪比，fc是WiFi干扰的中心频率，SINR表示更新后信道的SINR组成的向量。aij是标准功率谱函数下信道j与信道i的功率比值，ai,i+1是标准功率谱函数下信道i与信道i+1的功率比值,ai,i+2是标准功率谱函数下信道i与信道i+2的功率比值,ai,i+3是标准功率谱函数下信道i与信道i+3的功率比值,ai,i-1是标准功率谱函数下信道i与信道i-1的功率比值,ai,i-2是标准功率谱函数下信道i与信道i-2的功率比值。Dth是预设的两个信道SINR差值阈值。fi是所述ZigBee信道i的中心频率，fi+1是所述ZigBee信道i+1的中心频率，SINRth是预设的SINR阈值。
在动态干扰下，信道相关性在时间和空间上也动态变化。因此，为了抵抗这种变化并保持相关性的最新，接收端需要根据检测得到的最新信道状态信息来重新建立量化信道相关模型。干扰变化有三种情况，如图8(a)～8(c)所示：干扰强度增加、干扰源移走和新增干扰源。黑点表示确定值，灰点表示预测值。注意图中仅展示干扰量化的一种情况。
当WiFi信号逐渐增强如图8(a)所示，或WiFi信号被移走如图8(b)所示，或有新添加的WiFi信号如图8(c)所示，需要通过检测得到的图8(a)～8(c)中左边两个信道的SINR和以上步骤一～步骤二，直接计算图8(a)～8(c)中右边两个信道的SINR值。
假设检测得到信道k的质量是
Figure GDA0002680865520000151
对于第一种情况，利用加权移动平均算法进行更新，即
Figure GDA0002680865520000152
其中，ρ是加权参数。对于其他两种情况，直接使用检测得到的SINR代替之前的值，即
Figure GDA0002680865520000153
然而，动态的干扰会造成量化信道相关模型失效，导致重复跳频。为了避免频繁而无用的跳频，本实施例在经过一系列错误跳变后重新轮询所有信道以更新相关性。
可见，本实施例基于帕累托模型，针对检测到需要对目标信道的相邻信道进行探测时，则对所述目标信道的相邻信道进行探测，计算各个相邻信息的信干噪比，当相邻信道存在可用信道时，并根据选择信干噪比高的可用信道作为新的信道；当相邻信道不存在可用信道时，更新量化信道相关模型，并重新利用量化信道相关模型选择目标信道。针对检测到不需要对目标信道的相邻信道进行探测，更新量化信道相关模型，并重新利用量化信道相关模型选择目标信道。应用本实施例的方案能够基于量化信道相关模型，以低开销和高精度自适应进行信道选择对抗动态变化的干扰。
本发明的一个实施例中，步骤B1的实现方式可以包括如下步骤B11～步骤B12：
步骤B11，利用帕累托模型，按照如下表达式，确定目标信道从当前时刻到下一个时刻处于繁忙状态时刻的时间段t；
所述表达式为：
Figure GDA0002680865520000161
其中，P(x>t)表示忙周期大于t的概率，α表示最小的忙周期时长，β表示帕累托模型的形状参数，
Figure GDA0002680865520000162
λ表示平均忙周期时长。
根据上述公式
Figure GDA0002680865520000163
β为与平均忙周期时长和最小忙周期有关的参数。
接收端需要在此时间段完成信道切换和检测过程。如图9所示，可以分为三种情况：t从当前时刻开始到下一个时刻的时间段，确定t时间间隔后的时刻，相邻信道是否处于繁忙状态具体为：
(a)下一个t时间段是忙。接收端直接检测相邻信道，获取最新的信道状态信息。例如图7中从信道12切换到信道14的过程中检测信道13。其中，图7中阴影部分为45度角斜线的线框代表成功接收，阴影部分为135度角斜线的线框代表失败接收，阴影部分为栅格的线框代表信道检测，阴影部分为纯深灰色的线框代表信道质量。
(b)虽然当前信道状态为空闲的，但接收端通过推测等待下一个WiFi帧簇所需的时间，记为Twait，知道繁忙时段即将到来，即Twait<Tth，其中Tth为等待时间的时间阈值。等待Twait之后，立即检测相邻信道状态。例如图7中从信道11切换到信道14的过程中检测信道12。
(c)当前信道状态是空闲且等待时间较长，即Twait>Tth。接收节点根据量化信道相关模型选择可用信道，而不是等待。例如图7中从信道14切换到信道15的过程。
但是除了信道11和26之外，每个信道都有两个相邻信道，又不可能同时检测两个信道，应该如何选择信道探测。可以根据图6中干扰信息列表InterTable即表示当前时刻WiFi的干扰信道选择左侧或右侧的邻信道进行检测。例如图7中，当信道12质量差时，选择信道13进行信道检测。
如果所述时间段小于或等于时间阈值，执行步骤B11，如果所述时间段大于时间阈值，执行步骤B12。
步骤B11，判定为需要对所述目标信道的相邻信道进行探测。
在时间段小于或等于时间阈值的情况下，表明目标信道的相邻信道处于繁忙时间段，可以对目标信道的相邻信道进行探测。
步骤B12，判定为不需要对所述目标信道的相邻信道进行探测。
在时间段大于时间阈值的情况下，表明目标信道的相邻信道处于繁忙时间段，还需要等较长时间，为了降低延迟，无需对目标信道的相邻信道进行探测。
可见，本实施例利用帕累托模型，按照如下表达式，确定所述目标信道从当前时刻到下一时刻处于繁忙状态的时间间隔，以利用该时间间隔确定出是否需要对目标信道的相邻信道进行探测，进一步降低延迟。
基于上述示例，如图9所示，阴影部分为黑色且带有标记C的线框代表广播数据包，阴影部分为黑色且带有标记D的线框代表数据，阴影部分为灰色的线框代表数据包ACK，阴影部分为45度斜线的线框代表信道切换，阴影部分为栅格的线框代表信道选择，首先发送端在广播信道发送广播数据包，接收端接收到广播数据包后，通过量化信道相关性模型选择最优信道m，并通过广播信道发送带有最优信道m的数据包ACK到发送端，然后进行信道切换等待接收数据，并实时进行信道监测。发送端收到带有最优信道m的数据包ACK后，切换到信道m之后发送数据。如9图所示，数据包D1和D2正确发送，但是当发送D3后，接收端发现信道m的信道质量降低，立即进行信道选择过程，然后将所选的可用信道n通过数据包ACK的形式传输到发送端，然后进行信道切换等待接收数据。发送端收到数据包ACK后，立即切换到信道n进行发送数据。
基于上述实施例，现举一具体例子，如图10所示，具体为：
该图10中，粗箭头表示信道切换，虚箭头表示数据流，细箭头表示工作流，接收端主要分为三大步骤，即量化信道相关模型的建立，信道的选择以及信道的使用。其中，量化信道相关模型的建立主要是利用接收到的历史数据包信息和环境采样的RSSI序列建立量化相关性模型和干扰信息表，即通过特征提取步骤建立量化相关性模型。目标信道选择步骤主要是从量化信道相关模型中，选取一个最优的信道作为与发送端进行通信的目标信道；当接收到发送端通过目标信道发送的数据包时，利用数据包和当前时刻采集的噪声，计算目标信道的信干噪比；如果信干噪比低于预设的阈值时，利用帕累托模型和量化信道相关模型，重新选择新的信道。信道使用步骤主要是选择要通信的目标信道之后与发送端进行协调通信，通信过程中接收端也要不断的进行信道监测，判断信道的PRR是否满足要求，符合就继续进行通信，否则执行信道选择模块。
与上述基于量化相关性的跳频方法相对应，本发明实施例还提供了基于量化相关性的跳频装置。
参加图11所示，本发明实施例提供一种基于量化相关性的跳频装置的结构示意图，应用于接收端，所述装置可以包括：
量化信道相关模型建立模块201，用于根据接收的历史信息和当前时刻采集的干扰信息，建立基于各个信道的信干噪比的信道间相关性的量化信道相关模型；
目标信道选取模块202，用于从所述量化信道相关模型中，选取一个最优的信道作为与发送端进行通信的目标信道。
本发明的一个实施例中，所述装置还可以包括：
信干噪比计算模块，用于当接收到所述发送端通过所述目标信道发送的数据包时，利用所述数据包的信号强度和当前时刻采集的噪声，计算所述目标信道的信干噪比；
重新选择信道模块，用于如果所述信干噪比低于预设的阈值时，利用帕累托模型和所述量化信道相关模型，重新选择新的信道。
本发明的一个实施例汇总，所述量化信道相关模型建立模块201可以包括：
信干噪比计算子模块，用于针对每一信道，按照预设时间窗口采样该信道所接收到的接收信号强度指示RSSI序列，并通过变点检测算法，从所采样的RSSI序列中分离出当前时刻环境的第一干扰RSSI序列和历史数据包的数据RSSI序列；筛选所述数据RSSI序列中干扰信息的第二干扰RSSI序列，并利用所述第二干扰RSSI序列的功率和所述数据RSSI序列计算该信道的信干噪比；
系数计算子模块，用于利用各个信道的信干噪比，计算各个信道之间的皮尔森相关系数，作为信道相关性系数；
生成子模块，用于利用每一信道的信道相关性系数，生成量化信道相关模型。
本发明的一个实施例中，所述重新选择信道模块可以包括：
第一信道选择子模块，用于基于帕累托模型，如果检测到需要对所述目标信道的相邻信道进行探测时，则对所述目标信道的相邻信道进行探测，计算各个所述相邻信道的信干噪比，当所述相邻信道存在可用信道时，从所计算的信干噪比中选择信干噪比高的所述可用信道作为新的信道；当所述相邻信道不存在可用信道时，触发所述量化信道相关模型建立模块。
第二信道选择子模块，用于基于帕累托模型，如果检测不到需要对所述目标信道的相邻信道进行探测，触发所述量化信道相关模型建立模块。
本发明的一个实施例中，所述第一信道选择子模块可以包括：
第一信道选择单元，用于利用帕累托模型，按照如下表达式，确定所述目标信道从当前时刻到下一个时刻处于繁忙状态时刻的时间段t；如果所述时间段小于或等于时间阈值，则触发探测单元，如果所述时间段大于时间阈值，则触发非探测单元。
所述表达式为：
Figure GDA0002680865520000191
其中，P(x>t)表示忙周期大于t的概率，α表示最小的忙周期时长，β表示帕累托模型的形状参数，
Figure GDA0002680865520000192
λ表示平均忙周期时长；
探测单元，用于判定为需要对所述目标信道的相邻信道进行探测；
非探测单元，用于判定为不需要对所述目标信道的相邻信道进行探测。
由此可见，本实施例提供的装置通过根据接收的历史信息和当前时刻采集的干扰信息，建立基于各个信道的信干噪比的信道间相关性的量化信道相关模型；从量化信道相关模型中，选取一个最优的信道作为与发送端进行通信的目标信道；当接收到发送端通过目标信道发送的数据包时，利用数据包和当前时刻采集的噪声，计算目标信道的信干噪比；如果信干噪比低于预设的阈值时，利用帕累托模型和量化信道相关模型，重新选择新的信道。相对于现有技术，本发明实施例不必对每一信道进行一一探测，而是从基于各个信道的信干噪比所建立的量化信道相关模型中，低开销高精度地选择SINR最大的信道作为目标信道，可见，该方法在选择干扰较小的过程主要降低了检测开销，从而在降低开销的基础上，选取的目标信道能够提高通信的可靠性。
本发明实施例还提供了一种电子设备，参见图12，图12为本发明实施例的电子设备的结构图，包括：处理器301、通信接口302、存储器303和通信总线304，其中，处理器301、通信接口302、存储器303通过通信总线304完成相互间的通信；
存储器303，用于存放计算机程序；
处理器301，用于执行存储器303上所存放的程序时，实现上述任一基于量化相关性的跳频方法的步骤。
具体的，上述基于量化相关性的跳频方法，包括：
根据接收的历史信息和当前时刻采集的干扰信息，建立基于各个信道的信干噪比的信道间相关性的量化信道相关模型；
从所述量化信道相关模型中，选取一个最优的信道作为与发送端进行通信的目标信道。
由此可见，执行本实施例提供的电子设备，通过根据接收的历史信息和当前时刻采集的干扰信息，建立基于各个信道的信干噪比的信道间相关性的量化信道相关模型；从量化信道相关模型中，选取一个最优的信道作为与发送端进行通信的目标信道；当接收到发送端通过目标信道发送的数据包时，利用数据包和当前时刻采集的噪声，计算目标信道的信干噪比；如果信干噪比低于预设的阈值时，利用帕累托模型和量化信道相关模型，重新选择新的信道。相对于现有技术，本发明实施例不必对每一信道进行一一探测，而是从基于各个信道的信干噪比所建立的量化信道相关模型中，低开销高精度地选择SINR最大的信道作为目标信道，可见，该方法在选择干扰较小的过程主要降低了检测开销，从而在降低开销的基础上，选取的目标信道能够提高通信的可靠性。
上述的相关内容基于量化相关性的跳频的实施方式与前述方法实施例部分提供的基于量化相关性的跳频的估算方式相同，这里不再赘述。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的基于量化相关性的跳频方法。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一上述的基于量化相关性的跳频方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、电子设备及可读存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (8)

1.一种基于量化相关性的跳频方法，其特征在于，应用于接收端，所述方法包括：
根据接收的历史信息和当前时刻采集的干扰信息，建立基于各个信道的信干噪比的信道间相关性的量化信道相关模型；
从所述量化信道相关模型中，选取一个最优的信道作为与发送端进行通信的目标信道；
其中，所述根据接收的历史信息和当前时刻采集的干扰信息，建立用于表征各个信道相互间所具有的相关程度的量化信道相关模型，包括：
针对每一信道，按照预设时间窗口采样该信道所接收到的接收信号强度指示RSSI序列，并通过变点检测算法，从所采样的RSSI序列中分离出当前时刻环境的第一干扰RSSI序列和历史数据包的数据RSSI序列；筛选所述数据RSSI序列中干扰信息的第二干扰RSSI序列，并利用所述第二干扰RSSI序列和所述数据RSSI序列，计算该信道的信干噪比；
利用各个信道的信干噪比，计算各个信道之间的皮尔森相关系数，作为信道相关性系数；
利用每一信道的信道相关性系数，生成量化信道相关模型。
2.根据权利要求1所述的方法，其特征在于，在所述选取一个最优的信道作为与发送端进行通信的目标信道之后，所述方法还包括：
当接收到所述发送端通过所述目标信道发送的数据包时，利用所述数据包的信号强度和当前时刻采集的噪声，计算所述目标信道的信干噪比；
如果所述信干噪比低于预设的阈值时，利用帕累托模型和所述量化信道相关模型，重新选择新的信道。
3.根据权利要求2所述的方法，其特征在于，所述利用帕累托模型和所述量化信道相关模型，重新选择新的信道，包括：
基于帕累托模型，如果检测到需要对所述目标信道的相邻信道进行探测时，则对所述目标信道的相邻信道进行探测，计算各个所述相邻信道的信干噪比，当所述相邻信道存在可用信道时，从所计算的信干噪比中选择信干噪比高的所述可用信道作为新的信道；当所述相邻信道不存在可用信道时，返回执行所述根据接收的历史信息和当前时刻采集的干扰信息，建立基于各个信道的信干噪比的信道间相关性的量化信道相关模型的步骤；
基于帕累托模型，如果检测不到需要对所述目标信道的相邻信道进行探测，返回执行所述根据接收的历史信息和当前时刻采集的干扰信息，建立基于各个信道的信干噪比的信道间相关性的量化信道相关模型的步骤。
4.根据权利要求3所述的方法，其特征在于，所述基于帕累托模型，对所述目标信道的相邻信道进行探测，包括：
利用帕累托模型，按照如下表达式，确定所述目标信道从当前时刻到下一个处于繁忙状态时刻的时间段t；
所述表达式为：
Figure FDA0002680865510000021
其中，P(x>t)表示忙周期大于t的概率，α表示最小的忙周期时长，β表示帕累托模型的形状参数，
Figure FDA0002680865510000022
λ表示平均忙周期时长；
如果所述时间段小于或等于时间阈值，则判定为需要对所述目标信道的相邻信道进行探测；
如果所述时间段大于时间阈值，则判定为不需要对所述目标信道的相邻信道进行探测。
5.一种基于量化相关性的跳频装置，其特征在于，应用于接收端，所述装置包括：
量化信道相关模型建立模块，用于根据接收的历史信息和当前时刻采集的干扰信息，建立基于各个信道的信干噪比的信道间相关性的量化信道相关模型；
目标信道选取模块，用于从所述量化信道相关模型中，选取一个最优的信道作为与发送端进行通信的目标信道；
其中，所述量化信道相关模型建立模块，包括：
信干噪比计算子模块，用于针对每一信道，按照预设时间窗口采样该信道所接收到的接收信号强度指示RSSI序列，并通过变点检测算法，从所采样的RSSI序列中分离出当前时刻环境的第一干扰RSSI序列和历史数据包的数据RSSI序列；筛选所述数据RSSI序列中干扰信息的第二干扰RSSI序列，并利用所述第二干扰RSSI序列和所述数据RSSI序列计算该信道的信干噪比；
系数计算子模块，用于利用各个信道的信干噪比，计算各个信道之间的皮尔森相关系数，作为信道相关性系数；
生成子模块，用于利用每一信道的信道相关性系数，生成量化信道相关模型。
6.根据权利要求5所述的装置，其特征在于，所述装置还包括：
信干噪比计算模块，用于当接收到所述发送端通过所述目标信道发送的数据包时，利用所述数据包的信号强度和当前时刻采集的噪声，计算所述目标信道的信干噪比；
重新选择信道模块，用于如果所述信干噪比低于预设的阈值时，利用帕累托模型和所述量化信道相关模型，重新选择新的信道。
7.根据权利要求6所述的装置，其特征在于，所述重新选择信道模块，包括：
第一信道选择子模块，用于基于帕累托模型，如果检测到需要对所述目标信道的相邻信道进行探测时，则对所述目标信道的相邻信道进行探测，计算各个所述相邻信道的信干噪比，当所述相邻信道存在可用信道时，从所计算的信干噪比中选择信干噪比高的的所述可用信道作为新的信道；当所述相邻信道不存在可用信道时，触发所述量化信道相关模型建立模块；
第二信道选择子模块，用于基于帕累托模型，如果检测到不需要对所述目标信道的相邻信道进行探测，触发所述量化信道相关模型建立模块。
8.一种电子设备，其特征在于，包括：处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口、所述存储器通过所述通信总线完成相互间的通信；
所述存储器，用于存放计算机程序；
所述处理器，用于执行所述存储器上所存放的程序时，实现权利要求1-4任一所述的跳频方法的步骤。
CN201911237078.4A 2019-12-05 2019-12-05 一种基于量化相关性的跳频方法及装置 Active CN111010207B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911237078.4A CN111010207B (zh) 2019-12-05 2019-12-05 一种基于量化相关性的跳频方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911237078.4A CN111010207B (zh) 2019-12-05 2019-12-05 一种基于量化相关性的跳频方法及装置

Publications (2)

Publication Number Publication Date
CN111010207A CN111010207A (zh) 2020-04-14
CN111010207B true CN111010207B (zh) 2020-11-13

Family

ID=70114379

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911237078.4A Active CN111010207B (zh) 2019-12-05 2019-12-05 一种基于量化相关性的跳频方法及装置

Country Status (1)

Country Link
CN (1) CN111010207B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111970722B (zh) * 2020-08-21 2024-03-19 宁夏隆基宁光仪表股份有限公司 一种基于nb通讯的智能仪表通讯方式优化方法
CN115884300A (zh) * 2020-12-31 2023-03-31 合肥中感微电子有限公司 无线通信方法、装置、通信设备和可读存储介质
CN113411099B (zh) * 2021-05-28 2022-04-29 杭州电子科技大学 一种基于pper-dqn的双变跳频图案智能决策方法
CN113727407B (zh) * 2021-08-30 2024-06-07 歌尔科技有限公司 一种数据传输方法、装置、电子设备及存储介质
CN115202163B (zh) * 2022-09-15 2022-12-30 全芯智造技术有限公司 选择光阻模型的方法、设备和计算机可读存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102811189A (zh) * 2012-08-28 2012-12-05 北京航空航天大学 一种基于概率控制的认知cdma通信系统抗干扰方法
CN106231603A (zh) * 2016-07-27 2016-12-14 北京邮电大学 一种频谱预测方法及装置
CN110012547A (zh) * 2019-04-12 2019-07-12 电子科技大学 一种共生网络中用户关联的方法
CN110138475A (zh) * 2019-05-08 2019-08-16 南京邮电大学 一种基于lstm神经网络的自适应门限信道占用状态预测方法
CN110505604A (zh) * 2019-08-22 2019-11-26 电子科技大学 一种d2d通信系统接入频谱的方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100074307A1 (en) * 2007-05-04 2010-03-25 The Governors Of The University Of Alberta A p-order metric uwb receiver structure with improved performance in multiple access interference-plus-noise multipath channels

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102811189A (zh) * 2012-08-28 2012-12-05 北京航空航天大学 一种基于概率控制的认知cdma通信系统抗干扰方法
CN106231603A (zh) * 2016-07-27 2016-12-14 北京邮电大学 一种频谱预测方法及装置
CN110012547A (zh) * 2019-04-12 2019-07-12 电子科技大学 一种共生网络中用户关联的方法
CN110138475A (zh) * 2019-05-08 2019-08-16 南京邮电大学 一种基于lstm神经网络的自适应门限信道占用状态预测方法
CN110505604A (zh) * 2019-08-22 2019-11-26 电子科技大学 一种d2d通信系统接入频谱的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"跳频码序列建模与预测研究";涂靖;<中国优秀硕士学位论文全文数据库（信息科技辑）>;20090415;I136-229 *

Also Published As

Publication number Publication date
CN111010207A (zh) 2020-04-14

Similar Documents

Publication Publication Date Title
CN111010207B (zh) 一种基于量化相关性的跳频方法及装置
US9801010B2 (en) ZIGBEE network-based data transmission method, apparatus, and system
US8301081B2 (en) Physical and MAC adaptation for interference mitigation with cognitive radio
JP5559285B2 (ja) サブ帯域依存のリソース管理
JP4910018B2 (ja) 無線ネットワークにおいて利用されるネットワーク干渉評価方法、動的チャネル割り当て方法および装置
KR101129795B1 (ko) 지능형 무선 인지 기술에서의 효율적인 스펙트럼 감지 방법및 절차
Iyer et al. Detecting and avoiding multiple sources of interference in the 2.4 GHz spectrum
US11711154B2 (en) Method of reporting RSSI measurements in an unlicensed band and related apparatus
Hoyhtya et al. Improving the performance of cognitive radios through classification, learning, and predictive channel selection
JP2010035170A (ja) スペクトル検知方法、エネルギー検出方法および装置
KR101627885B1 (ko) 랜덤 액세스 네트워크에서의 통신 링크(들)의 채널 손실률 및 충돌 손실률의 계산을 위한 장치 및 방법
KR101610957B1 (ko) 단일 채널 센서 네트워크에서 채널 간섭 회피를 위한 시스템 및 방법
KR101290902B1 (ko) 주파수 도약 확산 시스템의 간섭 신호 회피 장치 및 그 방법
KR101090576B1 (ko) 무선 인지 시스템에서 마코프 모델을 이용한 가중치 할당 협력 스펙트럼 센싱 방법
WO2017138955A1 (en) Methods and systems to estimate virtual client health for improved access point selection in a wireless network
JP7147049B2 (ja) 干渉源識別方法、関連デバイス、およびコンピュータ記憶媒体
Wang et al. Extended knowledge-based reasoning approach to spectrum sensing for cognitive radio
CN103763043A (zh) 基于协作式认知网络高效无线频谱感知方法
KR20200072382A (ko) 광대역 수신기를 사용한 블루투스 페이지 스캐닝을 위한 페이지 스캐닝 기기들, 컴퓨터-독출가능한 매체 및 방법들
US20230171649A1 (en) Adaptive wireless connections in multi-mode devices
Jiang et al. On searching available channels with asynchronous MAC-layer spectrum sensing
US11202297B2 (en) Centralized spectrum management for interference mitigation
Rop et al. Spectrum Sensing on High Density Cognitive Radio Vehicular Ad Hoc Network.
EP3085018B1 (en) Distributed saturation detection method for wireless network nodes
CN112601249A (zh) 干扰源识别方法、装置、网络设备及存储介质

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