CN111106888A - 一种基于多模相关性的分步式频谱感知方法及存储介质 - Google Patents

一种基于多模相关性的分步式频谱感知方法及存储介质 Download PDF

Info

Publication number
CN111106888A
CN111106888A CN201911258510.8A CN201911258510A CN111106888A CN 111106888 A CN111106888 A CN 111106888A CN 201911258510 A CN201911258510 A CN 201911258510A CN 111106888 A CN111106888 A CN 111106888A
Authority
CN
China
Prior art keywords
detection
detector
signal
decision
global
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
Application number
CN201911258510.8A
Other languages
English (en)
Other versions
CN111106888B (zh
Inventor
梁承超
薛亚茹
刘占军
康亚
王改新
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.)
Chongqing University of Post and Telecommunications
Original Assignee
Chongqing University of Post 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 Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN201911258510.8A priority Critical patent/CN111106888B/zh
Publication of CN111106888A publication Critical patent/CN111106888A/zh
Application granted granted Critical
Publication of CN111106888B publication Critical patent/CN111106888B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

Landscapes

  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明请求保护一种基于多模相关性的分步式频谱感知方法及存储介质，属于无线通信领域。包括步骤：三种检测器同时对PU的授权频谱进行检测，SU根据各检测器的检测结果和权重系数进行加权和对PU信号占用状态做局部判决，FC中通过统计次数得出SU的检测可信度，并使用D‑S证据理论做全局判决。本发明降低了多模感知数据在上传过程中的链路开销，减少了带宽消耗。

Description

一种基于多模相关性的分步式频谱感知方法及存储介质
技术领域
本发明属于无线通信领域，涉及认知无线电中的频谱感知(Spectrum Sensing)技术。
背景技术
随着移动通信的快速发展，用户业务对于移动网络的要求将越来越高。为了应对移动数据流量爆炸式增长、海量的设备连接及新的业务和应用场景，第五代移动通信系统(5G)应运而生。与4G相比，5G将支持更多样化的场景，融入多种无线接入方式，并充分利用从低频到高频的频谱资源，大幅提升频谱效率、能源效率和成本效率。为了满足频谱的巨大需求，除了授权频段之外，共享使用频谱的方式将会是一个主要手段。其中，认知无线电(Cognitive Radio，CR)被认为是共享使用频谱的关键技术。
认知无线电允许次级用户(Secondary User，SU)感知外部环境中授权用户或主用户(Primary User，PU)使用的授权频段使用状态，并由此机会性地接入该频段。若SU感知到该授权频段未被使用，则可以在不影响PU的前提下使用该授权频段进行无线传输。认知无线电技术包括频谱感知、动态频谱管理、动态频谱接入和功率控制等，其中，频谱感知是认知无线电最基本的技术环节之一，是实现认知过程的基础。广义上来说，频谱感知仅仅限于利用目标频段的频率信息，还可以通过对时间、空间、频谱和编码等特性多维度地得到目标频段的状态信息。
目前针对频谱感知方面已经取得了一些成果，这些成果主要可以分为两类：单模感知和多模感知。单模感知技术具有实现简单等优点，是目前使用较为广泛的感知技术，无论是单用户检测还是协作多用户检测，SU采用一种检测方式对PU的频谱进行判决。单模频谱感知因为采用的感知技术单一，因此检测结果精度受到所采用的检测器技术的局限，在特定的环境下一些感知信息可能会不准确。多模感知技术通过在每个SU上部署独立且不同类型的检测器对PU信号进行频谱检测，在检测PU的频谱占用情况中能够获得不同PU信号的特征数据综合加以判断，此技术克服了单模感知方法中检测数据单一的缺陷。
现有的多模感知技术采用融合中(Fusion Center，FC)集中处理检测数据，需要的传输信息量大，占用较多信道带宽，且FC处的处理复杂度较高。SU通过控制信道的上行链路周期性地向FC发送它们的传感信息和状态信息，而FC利用控制信道的下行链路将其控制信息和决策结果发送给SU。现有的多模融合检测是各个SU将不同模式下的检测器检测的原始信息数据上传至融合中心集中处理，当各SU将检测数据都进行发送至融合中心进行判决时，这样就造成了空口数据传输量大，造成不必要的开销。
发明内容
本发明旨在解决以上现有技术的问题。提出了一种基于多模相关性的分步式频谱感知方法及存储介质。本发明的目的在于提供一种基于多模相关性的分步式频谱感知方法，实现多模感知数据传输信息量少，上行链路带宽开销少。
本发明的技术方案如下：
一种基于多模相关性的分步式频谱感知方法，其包括以下步骤：
S1：设置一个宽度为L个观测时隙的滑动窗口，每个次级用户SU上的三种检测器(能量检测器、循环特征平稳检测器、匹配滤波检测器)同时检测主用户PU信号，用于统计PU信号的不同特征检测信息量，如能量，功率谱和波形；
S2：将各检测器当前时刻的统计量与上一个滑动窗口-L时刻确定的门限值λk进行比较，得到检测器的判决结果uk；
S3：通过检测器的判决结果uk构造似然比函数确定检测器感知准确度的权重系数，SU利用三种检测器的检测结果和权重系数进行加权和形式得到1bit的局部判决，并将该判决结果通过上行链路传送至融合中心FC；
S4：融合中心FC中统计L时刻内SU的局部判决结果和FC全局判决结果在不同PU信道占用情况下的次数，确定SU的检测概率和虚警概率；
S5：；通过SU的检测概率和虚警概率确定检测可信度，融合中心FC将所有SU的检测可信度采用D-S证据理论融合规则进行全局判决，得出PU信号的占用情况；
S6：滑动窗口向前滑动一个时隙，在新的L个时隙范围内继续进行下一次频谱感知过程。
进一步的，所述步骤S1设置一个宽度为L个观测时隙的滑动窗口，具体包括：假设当前时刻t＝ωT，宽度为L个时隙的滑动窗口滑动到当前位置，其中T为每个时隙宽度，ω为整数；该滑动窗口包含L个时隙的频谱观测信号，将检测问题视为二元假设检验问题，即存在两种假设H0和H1：在假设H0下，PU信号不存在；在假设H1下，PU信号存在，SU上每个检测器可能接收到的数据如下：
Figure BDA0002310957640000031
其中，y(m)表示检测器接收信号，s(m)表示PU信号，n(m)是均值为0，方差为σ2的高斯白噪声，h(m)是PU发射机到SU接收机的信道增益，m是检测点的个数。
进一步的，所述步骤S2将各检测器当前时刻的统计量与上一个滑动窗口-L时刻确定的门限值λk进行比较，得到检测器的判决结果uk，具体包括：
SU上三种检测器(能量检测器、循环特征平稳检测器、匹配滤波检测器)同时对PU信号进行检测，统计相应的特征量并与门限值比较；能量检测器：在观测间隔L上对接收信号y(m)进行平方和积分，最后将积分器的输出与阈值进行比较；循环特征平稳检测与能量检测类似，将接收信号y(m)的谱相关性在间隔M上进行平均，并与阈值进行比较；匹配滤波检测，在观测间隔L内，首先将已知的PU信号s(m)与检测信号y(m)进行关联，其次在同步时间对匹配滤波器的输出进行采样，最后将采样值与阈值进行比较。
进一步的，所述步骤S3中，每个检测器通过与门限值的比较得出判决的结果，SU通过在观测间隔L内，根据三种检测器的判决结果构造似然比函数确定各检测器的检测权重系数
Figure BDA0002310957640000041
其中,S+是所有
Figure BDA0002310957640000042
的集合；而S-是所有
Figure BDA0002310957640000043
的集合，
Figure BDA0002310957640000044
和
Figure BDA0002310957640000045
分别是第K个检测器的虚警概率和检测概率。
进一步的，所述步骤S3 SU利用三种检测器的检测结果和权重系数进行加权和形式得到1bit的局部判决，并将该判决结果通过上行链路传送至融合中心FC，包括：SU再通过对各检测器的判决值uk和权值αk形成加权和，若加权和大于0，则局部判决结果为H1，即Un＝1；否则局部判决结果为H0，即Un＝0，并通过上传链路将局部判决的结果上传至FC。
进一步的，所述步骤S4融合中心FC中统计L时刻内SU的局部判决结果和FC全局判决结果在不同PU信道占用情况下的次数，确定SU的检测概率和虚警概率，具体包括：基于每个SU的过去的检测性能的可靠性，使用使用滑动窗方法结合L个时刻的历史数据，以全局判决的结果为参考值，统计第i个SU，全局判决为Hy而SU的局部判决为Hx的次数
Figure BDA0002310957640000046
x,y∈{0,1}
Figure BDA0002310957640000047
Figure BDA0002310957640000048
Figure BDA0002310957640000049
Figure BDA00023109576400000410
从而确定H1和H0情况下第n个SU的检测概率Pd i和虚警概率Pf i
Figure BDA0002310957640000051
Figure BDA0002310957640000052
即得出该感知网络中所有SU的可信度函数
Figure BDA0002310957640000053
Figure BDA0002310957640000054
其中P1和P0为SU的局部决策的先验概率。
进一步的，所述步骤S5通过SU的检测概率和虚警概率确定检测可信度，融合中心FC将所有SU的检测可信度采用D-S证据理论融合规则进行全局判决，得出PU信号的占用情况，具体包括：FC获取所有SU对H1和H0情况下的可信度函数，利用正交和运算合成全局的对H1和H0情况下的可信度函数
Figure BDA0002310957640000055
Figure BDA0002310957640000056
式中，
Figure BDA0002310957640000057
为证据的总冲突，A1,A2,…,AN∈{H1,H0,Ω}。
当在H1情况下的全局可信度函数值大于在H0情况下的全局可信度函数值时，全局判决结果为PU信号被占用；否则全局判决结果为PU信号为空闲。
一种存储介质，该存储介质内部存储计算机程序，其所述计算机程序被处理器读取时，执行上述任一项的方法。
本发明的优点及有益效果如下：
本发明解决了多模频谱感知网络技术，由于次级用户上的不同类型的检测器对PU信号的检测结果之间是相关的，现有的多模频谱感知技术忽略多模感知数据之间的相关性导致传输至融合中心的数据存在冗余，空中数据传输量大，带宽消耗大的问题，降低了SU上多模感知数据上传至FC的数据量。
附图说明
图1是本发明提供优选实施例的多模频谱感知网络模型；
图2为分别为能量、循环特征平稳、匹配滤波检测器的检测统计量过程图；
图3为SU上多模感知数据融合示意图；
图4为FC上融合SU上传的局部决策示意图；
图5为基于多模相关性的分步式频谱感知流程图。
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、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。
本发明解决上述技术问题的技术方案是：
本发明提出了一种应用于认知无线电网络中，SU感知PU信号的信道占用状态，以便利用PU空闲频谱进行业务传输。本发明提出了基于多模相关性的分步式频谱感知方法，该方法主要包括两部分：第一部分是SU融合多模感知数据得到局部判决结果；第二部分是FU融合SU的局部判决结果得到全局判决结果。
本发明中实施案例的系统中包括一个主用户发射端PU；10个次级用户接收端SU；次级用户上部署三种检测器，分别是能量检测器，循环特征平稳检测器，匹配滤波检测器器。
如图5所示，所述的基于多模相关性的分步式频谱感知方法实施过程包括以下主要步骤：
步骤一：假设当前时刻t＝ωT，宽度为L个时隙的滑动窗口滑动到当前位置，其中T为每个时隙宽度，ω为整数；该滑动窗口包含L个时隙的频谱观测信号。将检测问题视为二元假设检验问题，即存在两种假设H0和H1：在假设H0下，PU信号不存在；在假设H1下，PU信号存在。SU上每个检测器可能接收到的数据如下：
Figure BDA0002310957640000061
其中，y(m)表示检测器接收信号，s(m)表示PU信号，n(m)是均值为0，方差为σ2的高斯白噪声，h(m)是PU发射机到SU接收机的信道增益，m是检测点的个数
步骤二：SU上三种检测器同时对PU信号进行检测，统计相应的特征量并与门限值比较。能量检测器：在观测间隔L上对接收信号y(m)进行平方和积分，最后将积分器的输出与阈值进行比较；循环平稳特征检测与能量检测类似，将接收信号y(m)的谱相关性在间隔M上进行平均，并与阈值进行比较；匹配滤波检测，在观测间隔L内，首先将已知的PU信号s(m)与检测信号y(m)进行关联，其次在同步时间对匹配滤波器的输出进行采样，最后将采样值与阈值进行比较
步骤三：每个检测器通过与门限值的比较得出判决的结果，SU通过在观测间隔L内，根据三种检测器的判决结果构造似然比函数确定各检测器的检测权重系数
Figure BDA0002310957640000071
其中,S+是所有
Figure BDA0002310957640000072
的集合；而S-是所有
Figure BDA0002310957640000073
的集合，
Figure BDA0002310957640000074
和
Figure BDA0002310957640000075
分别是是第K个检测器的虚警概率和检测概率。
步骤四：SU再通过对各检测器的判决值uk和权值αk形成加权和。若加权和大于0，则局部判决结果为H1，即Un＝1；否则局部判决结果为H0，即Un＝0。并通过上传链路将局部判决的结果上传至FC。
步骤四：基于每个SU的过去的检测性能的可靠性，使用滑动窗方法确定信任度计算方法，结合L个时刻的历史数据，以全局判决的结果为参考值，统计第i个SU，全局判决为Hy而SU的局部判决为Hx的次数，x,y∈{0,1}。从而确定H1和H0情况下第n个SU的检测概率和虚警概率，即得出SU的可信度函数。
步骤五：FC获取所有SU对H1和H0情况下的可信度函数，利用正交和运算合成全局的对H1和H0情况下的可信度函数。当在H1情况下的全局可信度函数值大于在H0情况下的全局可信度函数值时，全局判决结果为PU信号被占用；否则全局判决结果为PU信号为空闲。
步骤六：滑动窗口向前滑动一个时隙，在新的L个时隙范围内继续进行下一次频谱感知过程。
以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。

Claims (8)

1.一种基于多模相关性的分步式频谱感知方法，其特征在于，包括以下步骤：
S1：设置一个宽度为L个观测时隙的滑动窗口，每个次级用户SU上的三种检测器同时检测主用户PU信号，三种检测器分别为能量检测器、循环特征平稳检测器、匹配滤波检测器，用于统计PU信号的不同特征检测信息量，包括能量、功率谱和波形；
S2：将各检测器当前时刻的统计量与上一个滑动窗口-L时刻确定的门限值λk进行比较，得到检测器的判决结果uk；
S3：通过检测器的判决结果uk构造似然比函数确定检测器感知准确度的权重系数，SU利用三种检测器的检测结果和权重系数进行加权和形式得到1bit的局部判决，并将该判决结果通过上行链路传送至融合中心FC；
S4：融合中心FC中统计L时刻内SU的局部判决结果和FC全局判决结果在不同PU信道占用情况下的次数，确定SU的检测概率和虚警概率；
S5：；通过SU的检测概率和虚警概率确定检测可信度，融合中心FC将所有SU的检测可信度采用D-S证据理论融合规则进行全局判决，得出PU信号的占用情况；
S6：滑动窗口向前滑动一个时隙，在新的L个时隙范围内继续进行下一次频谱感知过程。
2.根据权利要求1所述的一种基于多模相关性的分步式频谱感知方法，其特征在于，所述步骤S1设置一个宽度为L个观测时隙的滑动窗口，具体包括：假设当前时刻t＝ωT，宽度为L个时隙的滑动窗口滑动到当前位置，其中T为每个时隙宽度，ω为整数；该滑动窗口包含L个时隙的频谱观测信号，将检测问题视为二元假设检验问题，即存在两种假设H0和H1：在假设H0下，PU信号不存在；在假设H1下，PU信号存在，SU上每个检测器可能接收到的数据如下：
Figure FDA0002310957630000021
其中，y(m)表示检测器接收信号，s(m)表示PU信号，n(m)是均值为0，方差为σ2的高斯白噪声，h(m)是PU发射机到SU接收机的信道增益，m是检测点的个数。
3.根据权利要求1或2所述的一种基于多模相关性的分步式频谱感知方法，其特征在于，所述步骤S2将各检测器当前时刻的统计量与上一个滑动窗口-L时刻确定的门限值λk进行比较，得到检测器的判决结果uk，具体包括：
SU上三种检测器(能量检测器、循环特征平稳检测器、匹配滤波检测器)同时对PU信号进行检测，统计相应的特征量并与门限值比较；能量检测器：在观测间隔L上对接收信号y(m)进行平方和积分，最后将积分器的输出与阈值进行比较；循环平稳特征检测与能量检测类似，将接收信号y(m)的谱相关性在间隔M上进行平均，并与阈值进行比较；匹配滤波检测，在观测间隔L内，首先将已知的PU信号s(m)与检测信号y(m)进行关联，其次在同步时间对匹配滤波器的输出进行采样，最后将采样值与阈值进行比较。
4.根据权利要求3所述的一种基于多模相关性的分步式频谱感知方法，其特征在于，所述步骤S3中，每个检测器通过与门限值的比较得出判决的结果，SU通过在观测间隔L内，根据三种检测器的判决结果构造似然比函数确定各检测器的检测权重系数
Figure FDA0002310957630000022
其中,S+是所有
Figure FDA0002310957630000023
的集合；而S-是所有
Figure FDA0002310957630000024
的集合，
Figure FDA0002310957630000025
和
Figure FDA0002310957630000026
分别是第K个检测器的虚警概率和检测概率。
5.根据权利要求4所述的一种基于多模相关性的分步式频谱感知方法，其特征在于，所述步骤S3 SU利用三种检测器的检测结果和权重系数进行加权和形式得到1bit的局部判决，并将该判决结果通过上行链路传送至融合中心FC，包括：SU再通过对各检测器的判决值uk和权值αk形成加权和，若加权和大于0，则局部判决结果为H1，即Un＝1；否则局部判决结果为H0，即Un＝0，并通过上传链路将局部判决的结果上传至FC。
6.根据权利要求5所述的一种基于多模相关性的分步式频谱感知方法，其特征在于，所述步骤S4融合中心FC中统计L时刻内SU的局部判决结果和FC全局判决结果在不同PU信道占用情况下的次数，确定SU的检测概率和虚警概率，具体包括：基于每个SU的过去的检测性能的可靠性，使用滑动窗方法结合L个时刻的历史数据，以全局判决的结果为参考值，统计第i个SU，全局判决为Hy而SU的局部判决为Hx的次数
Figure FDA0002310957630000031
x,y∈{0,1}
Figure FDA0002310957630000032
Figure FDA0002310957630000033
Figure FDA0002310957630000034
Figure FDA0002310957630000035
从而确定H1和H0情况下第n个SU的检测概率
Figure FDA0002310957630000036
和虚警概率
Figure FDA0002310957630000037
Figure FDA0002310957630000038
Figure FDA0002310957630000039
即得出该感知网络中所有SU的可信度函数
Figure FDA00023109576300000310
Figure FDA00023109576300000311
其中P1和P0为SU的局部决策的先验概率。
7.根据权利要求5所述的一种基于多模相关性的分步式频谱感知方法，其特征在于，所述步骤S5通过SU的检测概率和虚警概率确定检测可信度，融合中心FC将所有SU的检测可信度采用D-S证据理论融合规则进行全局判决，得出PU信号的占用情况，具体包括：FC获取所有SU对H1和H0情况下的可信度函数，利用正交和运算合成全局的对H1和H0情况下的可信度函数
Figure FDA0002310957630000041
Figure FDA0002310957630000042
式中，
Figure FDA0002310957630000043
A1,A2,…,AN∈{H1,H0,Ω}；
当在H1情况下的全局可信度函数值大于在H0情况下的全局可信度函数值时，全局判决结果为PU信号被占用；否则全局判决结果为PU信号为空闲。
8.一种存储介质，该存储介质内部存储计算机程序，其特征在于，所述计算机程序被处理器读取时，执行上述权利要求1～7任一项的方法。
CN201911258510.8A 2019-12-10 2019-12-10 一种基于多模相关性的分步式频谱感知方法及存储介质 Active CN111106888B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911258510.8A CN111106888B (zh) 2019-12-10 2019-12-10 一种基于多模相关性的分步式频谱感知方法及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911258510.8A CN111106888B (zh) 2019-12-10 2019-12-10 一种基于多模相关性的分步式频谱感知方法及存储介质

Publications (2)

Publication Number Publication Date
CN111106888A true CN111106888A (zh) 2020-05-05
CN111106888B CN111106888B (zh) 2022-03-22

Family

ID=70423386

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911258510.8A Active CN111106888B (zh) 2019-12-10 2019-12-10 一种基于多模相关性的分步式频谱感知方法及存储介质

Country Status (1)

Country Link
CN (1) CN111106888B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1885741A (zh) * 2006-06-26 2006-12-27 西安交通大学 认知无线电系统的授权用户信号检测方法
CN103763043A (zh) * 2013-12-06 2014-04-30 镇江坤泉电子科技有限公司 基于协作式认知网络高效无线频谱感知方法
CN105517057A (zh) * 2016-01-21 2016-04-20 重庆邮电大学 一种基于频谱感知的负载均衡方法及系统
CN107623554A (zh) * 2017-08-24 2018-01-23 西安电子科技大学 一种基于信任值的协作频谱感知方法、认知无线网络

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1885741A (zh) * 2006-06-26 2006-12-27 西安交通大学 认知无线电系统的授权用户信号检测方法
CN103763043A (zh) * 2013-12-06 2014-04-30 镇江坤泉电子科技有限公司 基于协作式认知网络高效无线频谱感知方法
CN105517057A (zh) * 2016-01-21 2016-04-20 重庆邮电大学 一种基于频谱感知的负载均衡方法及系统
CN107623554A (zh) * 2017-08-24 2018-01-23 西安电子科技大学 一种基于信任值的协作频谱感知方法、认知无线网络

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
VALENTIN RAKOVIC 等: ""Capacity-Aware Cooperative Spectrum Sensing Based on Noise Power Estimation"", 《 IEEE TRANSACTIONS ON COMMUNICATIONS》 *
XIN LIU 等: ""Multi-Modal Cooperative Spectrum Sensing Based on Dempster-Shafer Fusion in 5G-Based Cognitive Radio"", 《IEEE ACCESS》 *
王俊珺 等: "多模盲均衡宽带压缩频谱联合特征识别算法", 《科技通报》 *

Also Published As

Publication number Publication date
CN111106888B (zh) 2022-03-22

Similar Documents

Publication Publication Date Title
Zeng et al. Covariance based signal detections for cognitive radio
Hu et al. SCLoRa: Leveraging multi-dimensionality in decoding collided LoRa transmissions
CN111555836B (zh) 一种基于多节点协作干扰阻塞的无线隐蔽通信模型及方法
KR102050283B1 (ko) 인지 무선 네트워크에서 2차 사용자의 패킷 전송 성능 개선 방법 및 그 장치
Chen et al. Hearing is believing: Detecting wireless microphone emulation attacks in white space
CN109889288B (zh) 一种基于集合平均值迭代检测的连续频谱感知方法
CN103763706A (zh) 基于分簇的协作频谱感知模糊融合方法
US10129789B2 (en) Methods for encoding and decoding frames in a telecommunication network
KR100970757B1 (ko) 무선 인지 시스템에서 멀티 유저들을 위한 에너지 검출기반의 협력 채널 센싱 방법
CN107370548A (zh) 一种基于无线电环境地图的协作宽带频谱感知方法
Shukla et al. A survey on energy detection schemes in cognitive radios
CN102394712B (zh) 认知无线电系统中检测周期与检测时间的联合优化方法
KR20170090805A (ko) 인지 라디오 네트워크를 위한 소프트-하드 융합기반 협력 스펙트럼 센싱 방법
CN111106888B (zh) 一种基于多模相关性的分步式频谱感知方法及存储介质
Khajavi et al. A novel framework for spectrum sensing in cognitive radio networks
KR20210128161A (ko) 인지 무선 통신을 위한 순환 신경망 기반 스펙트럼 센싱 방법 및 장치
CN108173610B (zh) 基于二阶统计量的异构无线网络的协作式频谱感知方法
Nallagonda et al. Performance of Generalized $\alpha-\mu $ Fading for Energy Detection Based Spectrum Sensing in Presence of Channel Errors
Lai et al. Performance optimization of cooperative spectrum sensing in cognitive radio networks
CN112468248B (zh) 基于电力无线专网的认知无线电频谱检测方法
Zhang et al. Optimal non-identical sensing setting for multi-channel cooperative sensing
Tafaghodi Khajavi et al. A novel framework for spectrum sensing in cognitive radio networks
Levorato et al. An approximate approach for layered space–time multiuser detection performance and its application to MIMO ad hoc networks
Yun Lora Performance and Its Phy Layer Parameters in 915MHZ ISM Band in Indoor Environments
Rauniyar et al. Cooperative adaptive threshold based energy and matched filter detector in cognitive radio networks

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