CN111726182B - 一种非高斯噪声衰落信道下多主用户动态频谱感知方法 - Google Patents

一种非高斯噪声衰落信道下多主用户动态频谱感知方法 Download PDF

Info

Publication number
CN111726182B
CN111726182B CN202010480889.3A CN202010480889A CN111726182B CN 111726182 B CN111726182 B CN 111726182B CN 202010480889 A CN202010480889 A CN 202010480889A CN 111726182 B CN111726182 B CN 111726182B
Authority
CN
China
Prior art keywords
spectrum sensing
dynamic spectrum
statistic
detection threshold
gaussian noise
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
CN202010480889.3A
Other languages
English (en)
Other versions
CN111726182A (zh
Inventor
刘明骞
张俊林
杨清海
宫丰奎
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.)
Shengqianshuo Ningbo Technology Co ltd
Original Assignee
Xidian University
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 Xidian University filed Critical Xidian University
Priority to CN202010480889.3A priority Critical patent/CN111726182B/zh
Publication of CN111726182A publication Critical patent/CN111726182A/zh
Application granted granted Critical
Publication of CN111726182B publication Critical patent/CN111726182B/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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/14—Spectrum sharing arrangements between different networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Monitoring And Testing Of Transmission In General (AREA)

Abstract

本发明属于认知无线电中频谱感知技术领域，公开了一种非高斯噪声衰落信道下多主用户动态频谱感知方法，基于极性重合矩阵构建多主用户动态频谱感知统计量TP；依据中心极限定理和泊松分布特性计算检测门限ηP；将检测统计量TP与检测门限ηP进行比较，如果TP＜ηP，判为主用户信号存在，否则，判为主用户信号不存在，从而实现非高斯噪声衰落信道下多主用户动态频谱感知。系统包括：检测统计量构建模块；检测门限计算模块；主信号检测模块。本发明可以有效实现非高斯噪声衰落信道下多主用户动态频谱感，且在较低信噪比条件下具有较好的性能。此外，本发明所述方法也同样适用于对于高斯噪声环境下动态频谱感知。

Description

一种非高斯噪声衰落信道下多主用户动态频谱感知方法
技术领域
本发明属于认知无线电中频谱感知技术领域，尤其涉及一种非高斯噪声衰落信道下多主用户动态频谱感知方法。
背景技术
频谱感知是实现认知无线电的关键技术之一，是认知无线电网络实现频谱动态规划，提高频谱利用率的基础。认知无线电网络通过频谱感知技术探寻未被使用的频谱资源，并允许感知用户在不干扰主用户正常通信的前提下使用授权给主要用户的频谱，从而大大提高频谱利用率。然而，在频谱感知过程中，通常会出现虚警或漏检的情况，虚警过高会导致频谱利用率降低，而漏检的出现会给主用户带来干扰。因此研究高精度的频谱感知技术具有非常重要的意义。
目前，文献中讨论的频谱感知方法有很多，高斯噪声下频谱感知方法主要包括：基于能量的方法(Li B,Sun M,Li X,et al.Energy detection based spectrum sensingfor cognitive radios over time-frequency doubly selective fading channels[J].IEEE Transactions on signal processing,2014,63(2):402-417.)、基于特征值的方法(Liu C,Wang J,Liu X,et al.Maximum eigenvalue-based goodness-of-fit detectionfor spectrum sensing in cognitive radio[J].IEEE Transactions on VehicularTechnology,2019,68(8):7747-7760.)、基于协方差的方法(Jin M,Guo Q,Xi J,etal.Spectrum sensing using weighted covariance matrix in Rayleigh fadingchannels[J].IEEE Transactions on Vehicular Technology,2014,64(11):5137-5148.)和基于循环平稳性的方法(Chaudhari S,Kosunen M,
Figure GDA0003143649380000011
S,et al.Performanceevaluation ofcyclostationary-based cooperative sensing using fieldmeasurements[J].IEEE Transactions on Vehicular Technology,2015,65(4):1982-1997.)。非高斯噪声下的频谱感知方法，主要包括：Rao检测方法(Kang H G,Song I,YoonS,et al.A Class of Spectrum-Sensing Schemes for Cognitive Radio UnderImpulsive Noise Circumstances:Structure and Performance in Nonfading andFading Environments[J].IEEE Transactions on Vehicular Technology,2010,59(9):4322-4339.)、基于广义协变系数绝对值的频谱感知和基于多种滤波的频谱感知(HassanK,Gautier R,Dayoub I,et al.Multiple-Antenna-Based Blind Spectrum Sensing inthe Presence of Impulsive Noise[J].IEEE Transactions on Vehicular Technology,2014,63(5):2248-2257.)、基于分数低阶矩的频谱感知方法(Zhu X,Zhu W P,ChampagneB.Spectrum sensing based on fractional lower ordermoments for cognitiveradios inα-stable distributed noise[J].Signal Processing,2015,111:94-105.)、基于p-范数的频谱感知方法(Moghimi F,Nasri A,Schober R.Adaptive L_p—NormSpectrum Sensing for Cognitive Radio Networks[J].IEEE Transactions onCommunications,2011,59(7):1934-1945.)、基于极性符合阵列的检测方法(WimalajeewaT,Varshney P K.Polarity-Coincidence-Array Based Spectrum Sensing for MultipleAntenna Cognitive Radios in the Presence of Non-Gaussian Noise[J].IEEETransactions on Wireless Communications,2011,10(7):2362-2371.)、基于核方法的频谱感知方法(Margoosian A,Abouei J,Plataniotis K N.An Accurate KernelizedEnergy Detection in Gaussian and non-Gaussian/Impulsive Noises[J].IEEETransactions on Signal Processing,2015,63(21):5621-5636.)。然而，上述频谱感知方法大多是基于在频谱感知期间主用户的状态不变的假设。但实际感知环境中，为了检测低信噪比的主用户信号，频谱感知过程需要长时间采集信号样本。在长时间的感知期间，主用户的信号状态可能会发生变化。例如，在感知周期内，主用户信号随机到达，而现有的频谱感知方法在主用户随机到达条件下检测性能退化，导致较高的漏检概率。
为了解决主用户随机到达状态下频谱感知性能差的问题，学者们提出了几种有效的频谱感知方法。Lopez等人在femtocell网络考虑主用户随机到达情况(López-Pérez D,Valcarce A,De La Roche G,et al.OFDMA femtocells:A roadmap on interferenceavoidance[J].IEEE Communications Magazine,2009,47(9):41-48.)。Beaulieu等人提出了一种广义似然比检验检测器来解决主用户随机到达问题(Beaulieu N C,ChenY.Improved energy detectors for cognitive radios with randomly arriving ordeparting primary users[J].IEEE Signal Processing Letters,2010,17(10):867-870.)。Duzenli等人提出了一种基于累积和的加权频谱感知方案，该方案考虑了频谱感知期间发生多个主用户状态变化的情况(Düzenli T,Akay O.A new spectrum sensingstrategy for dynamic primary users in cognitive radio[J].IEEE CommunicationsLetters,2016,20(4):752-755.)。Chin提出了一种基于广义似然比检验能量的谱感知方法，该方法计算复杂度较低(Chin W L,Li J M,Chen H H.Low-complexity energydetection for spectrum sensing with random arrivals of primary users[J].IEEETransactions on Vehicular Technology,2015,65(2):947-952.)。
通过上述分析，现有技术存在的问题及缺陷为：
(1)现有的频谱感知技术在主用户随机到达条件下检测性能较差，且鲜有文献提及广义高斯噪声下主用户随机到达频谱感知方法。
(2)现有的广义高斯噪声下多主用户随机到达的频谱感知方法在低信噪比条件下漏检率较高。
解决以上问题及缺陷的难度为：非高斯噪声导致现有的高斯假设下主用户随机到达频谱感知方法性能退化，因此，构建适应非高斯噪声及主用户随机到达条件的检测统计量，以及计算检测门限是实现非高斯噪声衰落信道下多主用户动态频谱感知技术难点。
解决以上问题及缺陷的意义为：实现非高斯噪声衰落信道下多主用户动态频谱感知可以为复杂电磁环境下认识无线电网络提供技术支撑，不仅可以扩展认识无线电网络的应为范围，而且可以有效提升认知无线电网络的频谱动态规划能力。
发明内容
针对现有技术存在的问题，本发明提供了一种非高斯噪声衰落信道下多主用户动态频谱感知方法。
本发明是这样实现的，一种非高斯噪声衰落信道下多主用户动态频谱感知方法，所述非高斯噪声衰落信道下多主用户动态频谱感知方法包括：
第一步，基于极性重合矩阵构建多主用户动态频谱感知统计量TP；
第二步，依据中心极限定理和泊松分布特性计算检测门限ηP；
第三步，将检测统计量TP与检测门限ηP进行比较，如果TP＞ηP，判为主用户信号存在，否则，判为主用户信号不存在，从而实现非高斯噪声衰落信道下多主用户动态频谱感知。
进一步，所述基于极性重合矩阵构建多主用户动态频谱感知统计量TP；
Figure GDA0003143649380000041
Figure GDA0003143649380000042
其中，xk(n)为接收信号，S为软阈值，N为接收信号长度，K为接收天线数目。
进一步，依据中心极限定理和泊松分布特性计算检测门限ηP；
检测门限表达式为：
Figure GDA0003143649380000043
Figure GDA0003143649380000044
Figure GDA0003143649380000045
Figure GDA0003143649380000046
Figure GDA0003143649380000047
其中，E[TP|H0]表示H0条件下统计量TP的均值，Var[TP|H0]表示H0条件下统计量TP的方差，Pf为给定的虚警概率，
Figure GDA0003143649380000051
是噪声方差，β＞0为形状参数，Γ(·)为伽马函数，
Figure GDA0003143649380000052
进一步，所述主用户信号检测将检测统计量TP与检测门限ηP进行比较，实现非高斯噪声衰落信道下多主用户动态频谱感知的检测规则为：
Figure GDA0003143649380000053
本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
基于极性重合矩阵构建多主用户动态频谱感知统计量；
依据中心极限定理和泊松分布特性计算检测门限；
将检测统计量与检测门限进行比较，实现非高斯噪声衰落信道下多主用户动态频谱感知方法。
本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：
基于极性重合矩阵构建多主用户动态频谱感知统计量；
依据中心极限定理和泊松分布特性计算检测门限；
将检测统计量与检测门限进行比较，实现非高斯噪声衰落信道下多主用户动态频谱感知方法。
本发明的另一目的在于提供一种实施所述非高斯噪声衰落信道下多主用户动态频谱感知方法的多主用户动态频谱感知系统，所述多主用户动态频谱感知系统包括：
检测统计量构建模块，用于基于极性重合矩阵构建多主用户动态频谱感知统计量；
检测门限计算模块，用于依据中心极限定理和泊松分布特性计算检测门限；
主信号检测模块，用于将检测统计量与检测门限进行比较，实现非高斯噪声衰落信道下多主用户动态频谱感知方法。
本发明的另一目的在于提供一种终端，所述终端搭载所述的非高斯噪声衰落信道下多主用户动态频谱感知系统。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明可以有效实现非高斯噪声衰落信道下多主用户动态频谱感，且在较低信噪比条件下具有较好的性能。此外，本发明方法对于高斯噪声下动态频谱感知同样也具有较好的检测性能。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本申请的一些实施例，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是本发明实施例提供的非高斯噪声衰落信道下多主用户动态频谱感知方法流程图。
图2是本发明实施例提供的非高斯噪声衰落信道下多主用户动态频谱感知系统的结构示意图；
图中：1、检测统计量构建模块；2、检测门限计算模块；3、主信号检测模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，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。
针对现有技术存在的问题，本发明提供了一种非高斯噪声衰落信道下多主用户动态频谱感知方法，下面结合附图对本发明作详细的描述。
如图1所示，本发明提供的非高斯噪声衰落信道下多主用户动态频谱感知方法包括以下步骤：
S101：基于极性重合矩阵构建多主用户动态频谱感知统计量；
S102：依据中心极限定理和泊松分布特性计算检测门限；
S103：主用户信号检测，将检测统计量与检测门限进行比较，实现非高斯噪声衰落信道下多主用户动态频谱感知方法。
如图2所示，本发明提供的多主用户动态频谱感知系统包括：
检测统计量构建模块1，用于基于极性重合矩阵构建检测统计量。
检测门限计算模块2，用于计算检测门限。
主信号检测模块3，用于将检测统计量与检测门限进行比较，实现非高斯噪声衰落信道下多主用户动态频谱感知方法。
下面结合附图对本发明的技术方案作进一步的描述。
本发明实施例提供的非高斯噪声衰落信道下多主用户动态频谱感知方法包括以下步骤：
第一步，基于极性重合矩阵构建多主用户动态频谱感知统计量TP。
考虑多主用户频谱感知系统，假设主用户数为P，认知用户天线数为K。将观测信号表示为矩阵形式：
x＝Hs+w；
其中，x＝[x1(n),...,xK(n)]T表示接收信号矩阵，H表示K×P的衰落信道矩阵，s＝[s1(n),...,sP(n)]T表示P×N发送信号矩阵，w＝[w1(n),...,wK(n)]T表示K×N加性非高斯噪声矩阵。
主用户随机到达的频谱感知问题可以表述为以下二元假设检验：
Figure GDA0003143649380000071
其中xk(n)是接收信号，sp(n)是假定未知但确定的PU信号，wk(n)是非高斯噪声，gpk是信道增益。N是样本数，H0或H1分别表示sp(n)不存在或存在。J是主用户信号到达时间之前的最后一次，J的值在0和N-1之间。Poisson模型被广泛应用于描述主用户随机到达。假设主用户信号的到达是到达率为λ的Poisson过程，对于每个样本，主用户的信号到达或不到达的概率分别为1-e-λ或e-λ，因此，主用户信号在第J个样本到达的概率是(1-e-λ)e-λJ。
考虑加性非高斯噪声服从广义高斯分布，其概率密度函数为：
Figure GDA0003143649380000081
其中，
Figure GDA0003143649380000082
β为形状参数，其大小决定噪声拖尾，若0＜β＜2，噪声拖尾厚重，当β＝2时，广义高斯噪声退化为高斯噪声。
在本发明中，定义信噪比为：
Figure GDA0003143649380000083
其中，
Figure GDA0003143649380000084
是信号功率，hm表示第m根天线的信道抽头。
构建测统计量TP；
Figure GDA0003143649380000085
Figure GDA0003143649380000086
其中，xk(n)为接收信号，S为软阈值，N为接收信号长度，K为接收天线数目。
第二步，依据中心极限定理和泊松分布特性计算检测门限ηP。
检测门限表达式为：
Figure GDA0003143649380000087
Figure GDA0003143649380000088
Figure GDA0003143649380000091
Figure GDA0003143649380000092
Figure GDA0003143649380000093
其中，E[TP|H0]表示H0条件下统计量TP的均值，Var[TP|H0]表示H0条件下统计量TP的方差，Pf为给定的虚警概率，
Figure GDA0003143649380000094
是噪声方差，β＞0为形状参数。
主用户信号检测。将检测统计量TP与检测门限ηP进行比较，实现非高斯噪声衰落信道下多主用户动态频谱感知；
检测规则如下：
Figure GDA0003143649380000095
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。

Claims (5)

1.一种非高斯噪声衰落信道下多主用户动态频谱感知方法，其特征在于，所述多主用户动态频谱感知方法包括：
第一步，基于极性重合矩阵构建多主用户动态频谱感知统计量TP；
第二步，依据中心极限定理和泊松分布特性计算检测门限ηP；
第三步，将检测统计量TP与检测门限ηP进行比较，如果TP＞ηP，判为主用户信号存在，否则，判为主用户信号不存在，从而实现非高斯噪声衰落信道下多主用户动态频谱感知；
所述基于极性重合矩阵构建多主用户动态频谱感知测统计量TP方法如下：
多主用户动态频谱感知测统计量TP的表达式为：
Figure FDA0003170031220000011
Figure FDA0003170031220000012
其中，xk(n)为接收信号，S为软阈值，N为接收信号长度，K为接收天线数目；
所述依据中心极限定理和泊松分布特性计算检测门限ηP，
检测门限表达式为：
Figure FDA0003170031220000013
Figure FDA0003170031220000014
Figure FDA0003170031220000015
Figure FDA0003170031220000021
Figure FDA0003170031220000022
其中，E[TP|H0]表示H0条件下统计量TP的均值，Var[TP|H0]表示H0条件下统计量TP的方差，Pf为给定的虚警概率，
Figure FDA0003170031220000023
是噪声方差，β＞0为形状参数，Γ(·)为伽马函数，
Figure FDA0003170031220000024
S为软阈值。
2.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
基于极性重合矩阵构建多主用户动态频谱感知统计量；
依据中心极限定理和泊松分布特性计算检测门限；
将检测统计量与检测门限进行比较，实现非高斯噪声衰落信道下多主用户动态频谱感知方法；
多主用户动态频谱感知测统计量TP的表达式为：
Figure FDA0003170031220000025
Figure FDA0003170031220000026
其中，xk(n)为接收信号，S为软阈值，N为接收信号长度，K为接收天线数目；
依据中心极限定理和泊松分布特性计算检测门限ηP，
检测门限表达式为：
Figure FDA0003170031220000031
Figure FDA0003170031220000032
Figure FDA0003170031220000033
Figure FDA0003170031220000034
Figure FDA0003170031220000035
其中，E[TP|H0]表示H0条件下统计量TP的均值，Var[TP|H0]表示H0条件下统计量TP的方差，Pf为给定的虚警概率，
Figure FDA0003170031220000036
是噪声方差，β＞0为形状参数，Γ(·)为伽马函数，
Figure FDA0003170031220000037
3.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：
基于极性重合矩阵构建多主用户动态频谱感知统计量；
依据中心极限定理和泊松分布特性计算检测门限；
将检测统计量与检测门限进行比较，实现非高斯噪声衰落信道下多主用户动态频谱感知方法；
多主用户动态频谱感知测统计量TP的表达式为：
Figure FDA0003170031220000038
Figure FDA0003170031220000039
其中，xk(n)为接收信号，S为软阈值，N为接收信号长度，K为接收天线数目；
依据中心极限定理和泊松分布特性计算检测门限ηP，
检测门限表达式为：
Figure FDA0003170031220000041
Figure FDA0003170031220000042
Figure FDA0003170031220000043
Figure FDA0003170031220000044
Figure FDA0003170031220000045
其中，E[TP|H0]表示H0条件下统计量TP的均值，Var[TP|H0]表示H0条件下统计量TP的方差，Pf为给定的虚警概率，
Figure FDA0003170031220000046
是噪声方差，β＞0为形状参数，Γ(·)为伽马函数，
Figure FDA0003170031220000047
4.一种实施权利要求1所述非高斯噪声衰落信道下多主用户动态频谱感知方法的多主用户动态频谱感知系统，其特征在于，所述非高斯噪声衰落信道下多主用户动态频谱感知系统包括：
检测统计量构建模块，用于基于极性重合矩阵构建多主用户动态频谱感知统计量；
检测门限计算模块，用于依据中心极限定理和泊松分布特性计算检测门限；
主信号检测模块，用于将检测统计量与检测门限进行比较，实现非高斯噪声衰落信道下多主用户动态频谱感知方法；
多主用户动态频谱感知测统计量TP的表达式为：
Figure FDA0003170031220000051
Figure FDA0003170031220000052
其中，xk(n)为接收信号，S为软阈值，N为接收信号长度，K为接收天线数目；
依据中心极限定理和泊松分布特性计算检测门限ηP，
检测门限表达式为：
Figure FDA0003170031220000053
Figure FDA0003170031220000054
Figure FDA0003170031220000055
Figure FDA0003170031220000056
Figure FDA0003170031220000057
其中，E[TP|H0]表示H0条件下统计量TP的均值，Var[TP|H0]表示H0条件下统计量TP的方差，Pf为给定的虚警概率，
Figure FDA0003170031220000058
是噪声方差，β＞0为形状参数，Γ(·)为伽马函数，
Figure FDA0003170031220000059
5.一种终端，其特征在于，所述终端搭载权利要求4所述的非高斯噪声衰落信道下多主用户动态频谱感知系统。
CN202010480889.3A 2020-05-30 2020-05-30 一种非高斯噪声衰落信道下多主用户动态频谱感知方法 Active CN111726182B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010480889.3A CN111726182B (zh) 2020-05-30 2020-05-30 一种非高斯噪声衰落信道下多主用户动态频谱感知方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010480889.3A CN111726182B (zh) 2020-05-30 2020-05-30 一种非高斯噪声衰落信道下多主用户动态频谱感知方法

Publications (2)

Publication Number Publication Date
CN111726182A CN111726182A (zh) 2020-09-29
CN111726182B true CN111726182B (zh) 2021-09-17

Family

ID=72565414

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010480889.3A Active CN111726182B (zh) 2020-05-30 2020-05-30 一种非高斯噪声衰落信道下多主用户动态频谱感知方法

Country Status (1)

Country Link
CN (1) CN111726182B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114759996B (zh) * 2022-04-13 2023-12-01 西安邮电大学 基于循环相关熵似然比检验的频谱感知方法
CN115021845B (zh) * 2022-06-20 2023-04-18 西安航空学院 一种频谱感知方法、系统、介质、设备及终端
CN115549827B (zh) * 2022-10-26 2023-09-22 西安航空学院 一种盲频谱感知方法、系统、计算机设备及终端

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110932806A (zh) * 2019-10-31 2020-03-27 西安电子科技大学 一种alpha稳定噪声衰落信道下多天线频谱感知方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8335474B2 (en) * 2008-02-01 2012-12-18 Nokia Corporation Correlation-based detection in a cognitive radio system
KR101535251B1 (ko) * 2013-06-26 2015-07-24 성균관대학교산학협력단 협력 스펙트럼 센싱 장치 및 협력 스펙트럼 센싱 방법
CN108494511B (zh) * 2018-04-04 2021-10-22 西安邮电大学 一种基于绝对值累积的动态到达频谱感知方法
CN110932807B (zh) * 2019-10-31 2021-02-05 西安电子科技大学 一种非高斯噪声下mimo系统的频谱感知方法及系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110932806A (zh) * 2019-10-31 2020-03-27 西安电子科技大学 一种alpha稳定噪声衰落信道下多天线频谱感知方法

Also Published As

Publication number Publication date
CN111726182A (zh) 2020-09-29

Similar Documents

Publication Publication Date Title
CN111726182B (zh) 一种非高斯噪声衰落信道下多主用户动态频谱感知方法
CN111800795B (zh) 一种认知无人机网络中非高斯噪声下频谱感知方法
US9628996B2 (en) Spectrum sensing apparatus and method for cooperative cognitive radio network in non-gaussian noise environment, and fusion center apparatus and cooperative cognitive radio system using the same
Yu et al. Adaptive double‐threshold cooperative spectrum sensing algorithm based on history energy detection
CN110932807B (zh) 一种非高斯噪声下mimo系统的频谱感知方法及系统
CN106170139A (zh) 一种频谱检测方法及系统
CN102136874B (zh) 一种迭代式的协作频谱检测方法
CN113791389B (zh) 一种未知雷达辐射源个体识别方法及系统
Ding et al. Deep learning for satellites based spectrum sensing systems: A low computational complexity perspective
CN114254265B (zh) 基于统计流形距离的卫星通信干扰几何分析方法
CN113507334B (zh) 基于信道嗅探的参量测试方法、装置、设备及存储介质
Wu et al. Performance improvement for machine learning‐based cooperative spectrum sensing by feature vector selection
CN115021845B (zh) 一种频谱感知方法、系统、介质、设备及终端
CN109600181B (zh) 一种用于多天线的频谱感知方法
CN109525339A (zh) 认知无线电的频谱感知方法、装置、设备以及存储介质
Yang et al. A Two‐Step Cooperative Energy Detection Algorithm Robust to Noise Uncertainty
CN114465681A (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
Coulson Blind spectrum sensing using Bayesian sequential testing with dynamic update
Arunachalam et al. Optimized Deep Learning Model for Effective Spectrum Sensing in Dynamic SNR Scenario.
CN115549827B (zh) 一种盲频谱感知方法、系统、计算机设备及终端
He et al. Schwarz Information Criterion Based Thompson Sampling for Dynamic Spectrum Access in Non-stationary Environment
CN114660554B (zh) 一种雷达目标和干扰的检测分类方法及系统
Rabiee et al. Cooperative spectrum sensing in a medium-traffic primary network using double-threshold scheme over imperfect reporting channels
CN116962127A (zh) 一种基于深度学习的Link11信号检测与识别方法
Coulson Effect of the channel and channel model on dynamic blind spectrum sensing performance

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Gu Xiaole

Inventor after: Liu Mingjian

Inventor after: Zhang Junlin

Inventor after: Yang Qinghai

Inventor after: Gong Fengkui

Inventor before: Liu Mingjian

Inventor before: Zhang Junlin

Inventor before: Yang Qinghai

Inventor before: Gong Fengkui

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20220531

Address after: Room 29512, South Shoudu Road, Ningbo, Zhejiang Province

Patentee after: Shengqianshuo (Ningbo) Technology Co.,Ltd.

Address before: 710071 Xi'an Electronic and Science University, 2 Taibai South Road, Shaanxi, Xi'an

Patentee before: XIDIAN University