CN111682958A - 一种基于聚类分析的环境反向散射信号检测方法 - Google Patents

一种基于聚类分析的环境反向散射信号检测方法 Download PDF

Info

Publication number
CN111682958A
CN111682958A CN202010374033.8A CN202010374033A CN111682958A CN 111682958 A CN111682958 A CN 111682958A CN 202010374033 A CN202010374033 A CN 202010374033A CN 111682958 A CN111682958 A CN 111682958A
Authority
CN
China
Prior art keywords
signal
backscattering
energy
tag
backscatter
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
CN202010374033.8A
Other languages
English (en)
Other versions
CN111682958B (zh
Inventor
赵菊敏
李灯熬
张亮
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.)
Taiyuan University of Technology
Original Assignee
Taiyuan University of Technology
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 Taiyuan University of Technology filed Critical Taiyuan University of Technology
Priority to CN202010374033.8A priority Critical patent/CN111682958B/zh
Publication of CN111682958A publication Critical patent/CN111682958A/zh
Application granted granted Critical
Publication of CN111682958B publication Critical patent/CN111682958B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/142—Network analysis or design using statistical or mathematical methods
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Probability & Statistics with Applications (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Evolutionary Biology (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明一种基于聚类分析的环境反向散射信号检测方法，属于通信技术领域；目的是提升环境反向散射系统下行链路中接收机的信号检测性能，提高信息的传输效率；具体通过建立环境反向散射通信模型、提取接受到的反向散射信号、提取反向散射信号、使用K‑means算法计算能量集与聚类中心的距离，判断所属聚类，进而解码出反向散射的信号；通过本发明方法，有效提高了环境反向散射系统下行链路中信息的传输效率，同时使系统误码率得到降低。

Description

一种基于聚类分析的环境反向散射信号检测方法
技术领域
本发明属于通信技术领域，涉及到一种基于聚类分析的环境反向散射信号检测方法。
背景技术
由环境或专用射频(Radio frequency，RF)源供电的无线通信系统最近引起了人们的极大关注。其中环境反向散射通信(AmBC)系统实现了让反向散射装置(Backscatterdevice，BD)能够从环境RF信号中获取电力，并且将环境射频信号当做载波将其信息传输到附近的接收器。由于AmBC与环境无线系统在相同的频带上进行工作，因此可以将它们视为频谱共享系统。与传统的反向散射通信(如射频识别(RFID)系统)不同的是，AmBC可以免除读取器生成RF正弦载波，从而实现低成本和高能效的无处不在的通信。已经证实，来自环境RF信号的收集功率足以为高通量无电池传感器供电。大量设备连接将成为新一代物联网系统的主要通信范例之一，而环境反向散射通信(AmBC)由于其低复杂性和低功耗而最近引起了学术界和工业界越来越多的关注，并且它已经被认为是绿色物联(IoT)的有希望的解决方案。在AmBC中，阅读器接收两种类型的信号：来自RF源的直接链路信号和来自标签的反向散射信号。AmBC系统设计的关键问题是如何从弱反向散射信号中提取标签信息。导致上述任务挑战的主要原因有两个：(1)由于反向散射链路的双重衰落，直接链路信号比反向散射信号强得多；(2)与点对点系统不同，AmBC系统的相关信道很难估计。这两种原因导致系统误码率大大提高。
发明内容
本发明克服现有技术存在的不足，提供一种基于聚类分析的环境反向散射信号检测方法，目的是提升环境反向散射系统下行链路中接收机的信号检测性能，提高信息的传输效率。
本发明是通过如下技术方案实现的。
一种基于聚类分析的环境反向散射信号检测方法，包括以下具体步骤：
1)建立环境反向散射通信模型，所述模型包括环境射频源，单天线的IOT传感反向散射设备(S-BD)和配备有多天线的环境反向散射接收器(M-AR)；所述射频源给S-BD提供能量和信号载波，S-BD将自身的传感数据包经天线的负载调制通过射频载波传输到M-AR中，M-AR中的天线分布在空间各处表现为相互独立且不相干扰。
2)提取接受到的反向散射信号：设RF源信号为s(n)，标签信号为c(n)，表示RF源和读取器之间的信道响应为hm，RF源和标签之间的信道响应为f，标签和阅读器之间的信道响应为gm，将α表示为反向散射信号的复数衰减，接收到的采样信号y(n)可表示为式(1)：
y(n)＝hms(n)+αfgms(n)c(n)+u(n) (1)
其中u(n)是方差为σ2的加性高斯白噪声，即u(n)～CN(0,σ2)，其中σ2＝E[u(n)2]。
3)提取反向散射信号：以生成能量集作为K-均值聚类算法的输入样本，标签以RF源信号的采样率的1/N倍的速率发送比特；即c(N(i-1)+j)s对于j＝0到N-1是相等的，其中n＝N(i-1)+j；N收到的样本：
Figure BDA0002479212570000021
y(n)＝hms(n)+αfgms(n)+u(n)，c(n)＝1
n＝0，1，…，N-1；
设Ti为ith标记位的平均能量：
Figure BDA0002479212570000022
其中I是反向散射信号比特位的总数，NI是接收信号样本的数量；标签位的所有平均能量产生信号能量集，即，Γ＝{T1,T2,...TI}，其用于恢复反向散射信号。
4)使用K-means算法将采集的信号能量集分类为两个集群，即K＝2，这两个集群对应于来自标签的两种类型的传输比特，首先通过前导码确定两个集群的聚类中心OK，然后计算能量集Ti与聚类中心的距离，判断出能量集中的每个点分别所属的聚类，进而解码出反向散射的信号。
进一步的，S-BD包含单个反向散射天线，微控制器，能量采集电路，以及信号解码和负载调制模块。
进一步的，使用不同的初始质心进行多次K-means算法，得到多个局部最优解，比较多个局部最优解的误差平方和，选取误差平方和最小的解。
进一步的，S-BD通过有意地切换负载阻抗来调制其接收的环境载波，以改变其反向散射信号的幅度，并且最后接收反向散射信号，由射频前端解码，将传感信息比特发送到M-AR。
本发明相对于现有技术所产生的有益效果为。
本发明是一种新型的环境反向散射信号检测方法，当标签采用幅度调制时，接收信号能量具有两个电平，对应于来自标签的不同类型的传输比特。因此，使用聚类分析算法直接挖掘接收信号的能量信息以检测标签信号，先由预先编码好的前同步码确定聚类中心，再根据其他的样本信号与聚类中心的欧式距离远近，将其分类并计算各自的聚类中心，迭代更新直到样本信号传输完毕，最后经过码元组合将信号从新编排得到完整的信号序列，进而得到对应标签的反向散射信号；通过本发明方法，有效提高了信息的传输效率，同时，系统误码率得到降低。
附图说明
图1为本发明所述环境反向散射系统的通信模型。
图2为聚类分析算法的伪代码。
图3为聚类分析算法的流程图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，结合实施例和附图，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。下面结合实施例和附图详细说明本发明的技术方案，但保护范围不被此限制。
一种基于聚类分析的环境反向散射信号检测方法：具体为以下步骤：
第一步，设计出如图1中的环境反向散射通信模型。首先描述所提出的AmBC系统，然后在平坦衰落信道下建立其系统模型，如图1所示，系统包含环境射频源，单天线的IOT传感反向散射设备(S-BD)和配备有多天线的环境反向散射接收器(M-AR)。射频源给S-BD提供能量和信号载波，S-BD将自身的传感数据包经天线的负载调制通过射频载波传输到M-AR中，M-AR中的天线分布在空间的各个角落表现为相互独立且不相干扰。整个系统的功能是将IOT传感器设备的数据通过环境射频源的帮助下传输到M-AR中，以实现绿色物联网的目标。S-BD包含单个反向散射天线，微控制器，能量采集电路，以及信号解码和负载调制模块。能量采集器从环境信号中收集能量并用它来维持S-BD系统性能。为了将传感信息比特发送到M-AR，S-BD通过有意地切换负载阻抗来调制其接收的环境载波，以改变其反向散射信号的幅度，并且最后接收反向散射信号。S-BD天线可以切换到信号处理器，该信号处理器能够执行信息解码和其他简单的信号处理操作。
第二步，提取接受到的反向散射信号，设RF源信号为s(n)，标签信号为c(n)。如图1所示，表示RF源和读取器之间的信道响应为hm，RF源和标签之间的信道响应为f，标签和阅读器之间的信道响应为gm。将α表示为反向散射信号的复数衰减。接收到的采样信号y(n)可表示为
y(n)＝hms(n)+αfgms(n)c(n)+u(n) (1)
其中u(n)是方差为σ2的加性高斯白噪声，即u(n)～CN(0,σ2)，其中σ2＝E[u(n)2]。
第三步，为了提取反向散射信号，我们首先分析接收信号的特征。假设RF源信号采用等幅调制，接收信号的能量有两个级别，这取决于反向散射信号。因此，我们可以生成能量集作为K-均值聚类算法的输入样本。
假设标签以RF源信号的采样率的1/N倍的速率发送比特。也就是说c(N(i-1)+j)s对于j＝0到N-1是相等的，其中n＝N(i-1)+j。考虑N收到的样本。
Figure BDA0002479212570000041
y(n)＝hms(n)+αfgms(n)+u(n),c(n)＝1
对于n＝0,1，…，N-1。设Ti为ith标记位的平均能量，由下式给出
Figure BDA0002479212570000042
其中I是反向散射信号比特位的总数，NI是接收信号样本的数量。标签位的所有平均能量产生“能量组”，即，Γ＝{T1,T2,...TI}，其用于恢复反向散射信号。
k-means算法是一种简单的迭代型聚类算法，采用距离作为相似性指标，从而发现给定数据集中的K个类，且每个类的中心是根据类中所有值的均值得到，每个类用聚类中心来描述。对于给定的一个包含I个数据点的数据集以及要分出的类别数K，选取欧式距离作为相似度指标。K-means算法的代价函数比较简单，就是每个样本点与其所属质心的距离的平方和(误差平方和，Sum of Squared Error,简称SSE)：
Figure BDA0002479212570000043
由于代价函数(SSE)是非凸函数，所以在运用K-means算法时，不能保证收敛到一个全局的最优解，我们得到的一般是一个局部的最优解。
因此，为了取得比较好的效果，我们一般会多跑几次算法(用不同的初始质心)，得到多个局部最优解，比较它们的SSE，选取SSE最小的那个。结合最小二乘法和拉格朗日原理，聚类中心为对应类别中各数据点的平均值，同时为了使得算法收敛，在迭代过程中，应使最终的聚类中心尽可能的不变。
在本文中，我们使用K-means算法将采集的信号能量集分类为两个集群，即K＝2，这两个集群对应于来自标签的两种类型的传输比特。首先通过前导码确定两个集群的聚类中心OK,然后我们估算能量集Ti与聚类中心的距离，判断出能量集中的每个点分别属于哪个聚类。
进而解码出反向散射的信号。
以上内容是结合具体的优选实施方式对本发明所做的进一步详细说明，不能认定本发明的具体实施方式仅限于此，对于本发明所属技术领域的普通技术人员来说，在不脱离本发明的前提下，还可以做出若干简单的推演或替换，都应当视为属于本发明由所提交的权利要求书确定专利保护范围。

Claims (4)

1.一种基于聚类分析的环境反向散射信号检测方法，其特征在于，包括以下具体步骤：
1)建立环境反向散射通信模型，所述模型包括环境射频源，单天线的IOT传感反向散射设备S-BD和配备有多天线的环境反向散射接收器M-AR；所述射频源给S-BD提供能量和信号载波，S-BD将自身的传感数据包经天线的负载调制通过射频载波传输到M-AR中，M-AR中的天线分布在空间各处表现为相互独立且不相干扰；
2)提取接受到的反向散射信号：设RF源信号为s(n)，标签信号为c(n)，表示RF源和读取器之间的信道响应为hm，RF源和标签之间的信道响应为f，标签和阅读器之间的信道响应为gm，将α表示为反向散射信号的复数衰减，接收到的采样信号y(n)可表示为式(1)：
y(n)＝hms(n)+αfgms(n)c(n)+u(n) (1)
其中u(n)是方差为σ2的加性高斯白噪声，即u(n)～CN(0,σ2)，其中σ2＝E[u(n)2]；
3)提取反向散射信号：以生成能量集作为K-均值聚类算法的输入样本，标签以RF源信号的采样率的1/N倍的速率发送比特；即c(N(i-1)+j)s对于j＝0到N-1是相等的，其中n＝N(i-1)+j；N收到的样本：
Figure FDA0002479212560000011
y(n)＝hms(n)+αfgms(n)+u(n)，c(n)＝1
n＝0，1，…，N-1；
设Ti为ith标记位的平均能量：
Figure FDA0002479212560000012
其中I是反向散射信号比特位的总数，NI是接收信号样本的数量；标签位的所有平均能量产生信号能量集，即，Γ＝{T1,T2,...TI}，其用于恢复反向散射信号；
4)使用K-means算法将采集的信号能量集分类为两个集群，即K＝2，这两个集群对应于来自标签的两种类型的传输比特，首先通过前导码确定两个集群的聚类中心OK，然后计算能量集Ti与聚类中心的距离，判断出能量集中的每个点分别所属的聚类，进而解码出反向散射的信号。
2.根据权利要求1所述的一种基于聚类分析的环境反向散射信号检测方法，其特征在于，S-BD包含单个反向散射天线，微控制器，能量采集电路，以及信号解码和负载调制模块。
3.根据权利要求1所述的一种基于聚类分析的环境反向散射信号检测方法，其特征在于，使用不同的初始质心进行多次K-means算法，得到多个局部最优解，比较多个局部最优解的误差平方和，选取误差平方和最小的解。
4.根据权利要求1所述的一种基于聚类分析的环境反向散射信号检测方法，其特征在于，S-BD通过有意地切换负载阻抗来调制其接收的环境载波，以改变其反向散射信号的幅度，并且最后接收反向散射信号，由射频前端解码，将传感信息发送到M-AR。
CN202010374033.8A 2020-05-06 2020-05-06 一种基于聚类分析的环境反向散射信号检测方法 Active CN111682958B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010374033.8A CN111682958B (zh) 2020-05-06 2020-05-06 一种基于聚类分析的环境反向散射信号检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010374033.8A CN111682958B (zh) 2020-05-06 2020-05-06 一种基于聚类分析的环境反向散射信号检测方法

Publications (2)

Publication Number Publication Date
CN111682958A true CN111682958A (zh) 2020-09-18
CN111682958B CN111682958B (zh) 2023-04-07

Family

ID=72434030

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010374033.8A Active CN111682958B (zh) 2020-05-06 2020-05-06 一种基于聚类分析的环境反向散射信号检测方法

Country Status (1)

Country Link
CN (1) CN111682958B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112468225A (zh) * 2020-11-12 2021-03-09 清华大学 一种LoRa反向散射通信方法及系统
CN112668352A (zh) * 2020-12-23 2021-04-16 中山大学 环境反向散射通信信号处理方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106549692A (zh) * 2016-12-12 2017-03-29 电子科技大学 一种用于反向散射通信系统的信号接收方法
CN106921415A (zh) * 2017-03-09 2017-07-04 电子科技大学 一种用于环境反向散射通信系统的信号接收方法
US20180032768A1 (en) * 2016-07-29 2018-02-01 University Of Massachusetts Systems and methods for asymmetric backscatter communications

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180032768A1 (en) * 2016-07-29 2018-02-01 University Of Massachusetts Systems and methods for asymmetric backscatter communications
CN106549692A (zh) * 2016-12-12 2017-03-29 电子科技大学 一种用于反向散射通信系统的信号接收方法
CN106921415A (zh) * 2017-03-09 2017-07-04 电子科技大学 一种用于环境反向散射通信系统的信号接收方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
乔举义: ""物联网感知层中资源分配与调度算法研究"" *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112468225A (zh) * 2020-11-12 2021-03-09 清华大学 一种LoRa反向散射通信方法及系统
CN112668352A (zh) * 2020-12-23 2021-04-16 中山大学 环境反向散射通信信号处理方法
CN112668352B (zh) * 2020-12-23 2022-04-22 中山大学 环境反向散射通信信号处理方法

Also Published As

Publication number Publication date
CN111682958B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
Guo et al. Exploiting multiple antennas for cognitive ambient backscatter communication
CN107135017B (zh) 反向散射通信系统信号发送和接收方法
Tao et al. Symbol detection of ambient backscatter systems with Manchester coding
CN106921415B (zh) 一种用于环境反向散射通信系统的信号接收方法
CN105303137B (zh) 一种环境反向散射系统的读写器的门限值的确定方法
Zheng et al. P-MTI: Physical-layer missing tag identification via compressive sensing
Lu et al. Signal detection and BER analysis for RF-powered devices utilizing ambient backscatter
CN106685538B (zh) 一种环境反向散射系统及其信号传输方法
CN111682958B (zh) 一种基于聚类分析的环境反向散射信号检测方法
CN109150253B (zh) 基于多天线的环境反向散射系统的信息符号检测方法
CN107911193B (zh) 基于差分曼彻斯特编码的环境反向散射系统的符号检测方法
Zhu et al. Efficient physical-layer unknown tag identification in large-scale RFID systems
CN111769904B (zh) 一种反向散射通信系统中多反射设备并行传输的检测方法
CN102647391A (zh) 一种基于决策层数据融合的协作调制信号识别方法
CN109450573B (zh) 一种基于深度神经网络的频谱感知方法
CN107819548A (zh) 基于曼彻斯特编码的环境反向散射系统的符号检测方法
CN106850027A (zh) 低复杂度广义空间调制迭代检测方法
Almohamad et al. Dual-determination of modulation types and signal-to-noise ratios using 2D-ASIQH features for next generation of wireless communication systems
Muratkar et al. Analysis of multi-tag ambient backscatter communication under time-selective fading
Hou et al. PHY-tree: Physical layer tree-based RFID identification
Hou et al. PHY assisted tree-based RFID identification
Peng et al. A support vector machine classification-based signal detection method in ultrahigh-frequency radio frequency identification systems
Li et al. Recovery of collided RFID tags with frequency drift on physical layer
Smietanka et al. Modeling and simulation of MISO diversity for UHF RFID communication
CN114337883B (zh) 协方差矩阵Cholesky分解的CNN协作频谱感知方法及系统

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