CN112260781A - 一种基于反向散射与空中计算的协作频谱检测方法 - Google Patents

一种基于反向散射与空中计算的协作频谱检测方法 Download PDF

Info

Publication number
CN112260781A
CN112260781A CN202010952318.5A CN202010952318A CN112260781A CN 112260781 A CN112260781 A CN 112260781A CN 202010952318 A CN202010952318 A CN 202010952318A CN 112260781 A CN112260781 A CN 112260781A
Authority
CN
China
Prior art keywords
spectrum
requester
backscattering
detection
signal
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
CN202010952318.5A
Other languages
English (en)
Other versions
CN112260781B (zh
Inventor
朱琦
李晓辉
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.)
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing 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 Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN202010952318.5A priority Critical patent/CN112260781B/zh
Priority to PCT/CN2020/134217 priority patent/WO2022052336A1/zh
Priority to JP2022516174A priority patent/JP7169036B2/ja
Publication of CN112260781A publication Critical patent/CN112260781A/zh
Application granted granted Critical
Publication of CN112260781B publication Critical patent/CN112260781B/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
    • 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

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

Abstract

本发明是一种基于反向散射与空中计算的协作频谱检测方法。该方法考虑在5G蜂窝物联网场景中，广泛分布的移动用户设备作为频谱检测助手，共同协作帮助请求者获取当前频谱状态。具体步骤如下：每个检测用户首先利用反向散射，直接将接收到的频谱信号以请求者为目标进行反向散射，无需进行本地感知与数据处理程序。然后，利用空中计算，将所有经过检测助手反射的频谱信号通过同一个反向散射信道上报给请求者，利用无线信道的累加特性，实现反向散射频谱信号的叠加。最后，请求者对接收到的空中融合后的频谱信号进行采样分析，做出最终的频谱检测判决。

Description

一种基于反向散射与空中计算的协作频谱检测方法
技术领域
本发明涉及通信技术领域，具体涉及一种基于反向散射与空中计算的协作频 谱检测方法。
背景技术
B5G蜂窝物联网网络需要使无处不在的智能设备可以实时接入可用的频谱 资源。由于频谱资源的稀缺以及快速变化的信道条件，可用的无线频谱资源并非 随时存在。大多数移动用户，特别是那些位于超密集区域的用户，需要进行频谱 检测以发现可用的无线电资源。然而，B5G系统采用的超高频信号在遇到各种障 碍物时会经历更严重的深衰落，给具有有限检测与处理能力的单个用户设备及时 准确地检测频谱机会带来了困难。近来，基于感知的协作频谱检测方法，简称为 频谱检测方法，作为一种具有更高灵活性的新颖感知范例，可以激励普遍存在的 智能设备共同参与频谱检测过程，从而有效减轻B5G系统中深衰落和隐终端带来 的影响。为了提高检测准确性，检测助手首先需要收集足够的频谱数据，并通过 大量独立信道进行报告。之后，在频谱请求者处进行大量频谱数据的融合与决策过程。以上流程对检测助手以及整个检测系统而言均会消耗大量的能源和网络资 源，同时，在请求者处进行单独的融合操作可能导致较高的信息延迟，尤其当上 报的频谱检测数据数量庞大时。
目前对协作频谱检测方法的研究，根据用户上报的数据类型或融合规则，可 被分为两类：基于硬融合的频谱检测方法和基于软融合的频谱检测方法。对于第 一种方法，每个检测助手收集和报告的频谱数据是本地决策后的二进制频谱决策。 该方法中，每个感知助手需要较少的传输比特。但是，由于本地决策的主观性高， 因此很容易引起较高的错误率，并且可能会导致频谱数据被篡改。对于第二种方 法，基于软融合可以实现更准确的频谱检测结果。然而，该方法需要大量的能量 和网络资源来传输本地采样后的频谱信号。此外，多位频谱数据的融合相对复杂， 极有可能给频谱感知请求者造成较长的数据处理延迟以及较低的计算效率。以上 两种方法在仍然有待提高，尤其当上报的频谱检测数据量巨大时。
鉴于上述挑战，本发明解决了频谱检测准确度与资源消耗之间的最佳权衡问 题，通过反向散射直接将接收到的频谱信号反向散射给请求者，无需进行本地感 知，然后基于空中计算，利用无线信道的叠加特性，实现频谱检测数据在同一信 道上的空中融合，无需占用多个独立信道，最后，请求者对空中融合后的频谱数 据进行采样，即可做出最终的检测判决，无需进行额外的融合计算，实现感知与 传输能量以及有限网络的节约，同时保证信息的时效性与计算有效性。
发明内容
针对上述问题，本发明提供了一种基于反向散射与空中计算的协作频谱检测 方法。
本发明的技术方案是：一种基于反向散射与空中计算的协作频谱感知方法， 具体步骤包括如下：
步骤(1.1)、协作频谱检测系统中的反向散射设备利用反向散射向请求者反 射接收到的频谱信号；
步骤(1.2)、基于空中计算，对N个被反向散射的频谱信号进行累加；
步骤(1.3)、请求者得到最终接受到的频谱信号；
步骤(1.4)、请求者对最终接收到的
Figure BDA0002677410860000021
进行M次采样，得到频谱检测统计 量T；
步骤(1.5)、请求者确定检测门限；
步骤(1.6)、请求者将得到的频谱检测统计量T与检测门限进行比较，做出 最终频谱判决。
进一步的，在步骤(1.1)中，所述协作频谱检测系统由N个反向散射设备， 正在使用当前频段的用户IU，以及一个频谱检测请求者组成；
参与协作频谱检测的第i个散射设备接收到来自IU的信号
Figure BDA0002677410860000022
其中，a＝1表示IU正发送信号，a＝0表示IU不发送 信号，SIU和pIU分别表示IU的发送信号及其功率，hi,IU是IU与第i个散射设备 之间的信道衰落系数，ni是第i个散射设备的阻抗噪声；然后，第i个散射设备 将接收到的zi进行反向散射，得到被反向散射后的频谱信号为
Figure BDA0002677410860000023
其中， fe表示反向散射系数。
进一步的，在所述步骤(1.2)中，基于空中计算，对N个被反向散射的频 谱信号进行累加的具体操作步骤如下：通过同一个反向散射信道传输来自N个 散射设备的频谱信号，利用无线信道的叠加特性，实现频谱信号在无线信道中的 自然累加，得到累加后的反向散射频谱信号
Figure BDA0002677410860000024
其中，pi＝a·pIU|hi,IU|2+vi表示zi的功率，vi为ni的功率，hi,R表示第i个 散射设备与请求者之间的信道衰落系数。
进一步的，在所述步骤(1.3)中，请求者得到最终接受到的频谱信号的具 体操作方法如下：
请求者接收到的频谱信号包括，经过同一无线信道叠加后的N个被反向散 射的频谱信号
Figure BDA0002677410860000031
及直接接收到来自IU的信号
Figure BDA0002677410860000032
其中，hi,R表示第i个散射设备与请求者之间的信道衰落系数， pi＝a·pIU|hi,IU|2+vi为zi的功率，vi为ni的功率，hR,IU表示IU与请求者之间的 信道衰落系数，nR为请求者处的加性高斯白噪声；
由此可得，当IU不发送信号时，请求者最终接收到的频谱信号为
Figure BDA0002677410860000033
当IU发送信号时，请求者最终接收 到的频谱信号为
Figure BDA0002677410860000034
其中，zR,Af表示累加后的反向散射频谱信号，zR表示直接接收到的IU的信 号。
进一步的，在所述步骤(1.4)中，得到频谱检测统计量T的具体操作方法 如下：请求者对最终接收到的频谱信号
Figure RE-GDA0002820496190000035
进行M次采样，其中，
Figure RE-GDA0002820496190000036
表 示第l个采样结果，然后对M次采样结果分别求模的平方，随后进行累加求取平 均值，从而得到频谱检测统计量为
Figure RE-GDA0002820496190000037
进一步的，在所述步骤(1.5)中，请求者确定检测门限的具体操作方法如 下：求者根据预先设定的目标虚警概率
Figure BDA0002677410860000038
得到检测门限ε为
Figure BDA0002677410860000039
其中，vR为nR的功率，Q-1(·)为Q函数的逆函数，Q函数为标准高斯的互 补分布函数，表示为
Figure BDA00026774108600000310
进一步的，在所述步骤(1.6)中，最终频谱判决是：当频谱检测统计量T大 于检测门限时，判决当前频谱被占用；当频谱检测统计量T小于检测门限时，判 决当前频谱空闲。
本发明的目的是通过反向散射与空中计算实现一种绿色的协作频谱检测方 法。针对当前频谱检测过程中，频谱检测性能需要以大量的感知能耗和网络资源 的占用为代价才得以保证的问题，构建了一种基于反向散射与空中计算实现频谱 检测的方案。广泛分布的智能设备作为检测助手首先利用反向散射直接将接收到 的频谱信号反射给请求者，无需进行本地感知；然后，然后基于空中计算，利用 无线信道的叠加特性，实现频谱检测数据在同一反向散射信道上的空中融合，无 需占用多个独立信道；最后，请求者仅需对空中融合后的频谱数据进行采样，做 出最终的检测判决，无需进行额外的数据处理操作，最终实现能量与计算有效性， 以及有限网络资源的节约。
本发明的有益效果是：1.利用反向散射收集并报告大量的频谱数据，不需要 进行本地频谱感知，无需消耗感知能量，减少了感知代价，同时有利于请求者以 较少的总报酬招募足够的检测助手。
2.利用空中计算，实现大量频谱数据在同一反向散射信道上的空中融合，节 省了有限的网络信道资源，反向散射与数据融合同时进行进一步保证了信息时效 性以及计算有效性。
3.由于每个检测助手报告的频谱数据是直接接收到的原始频谱信号，而非本 地二值频谱决策或具有强烈主观性的预处理频谱数据，因此，在节约能耗与网络 资源的同时，实现了更高的检测准确度。
附图说明
图1是本发明的流程示意图；
图2是本发明的功能模块示意图；
图3是本发明实施例中硬融合频谱检测方法与本发明方法的协作检测概率 随虚警概率变化图；
图4是本发明实施例中软融合频谱检测方法与本发明方法的协作检测概率 随虚警概率变化图；
图5是本发明实施例中全局传输比特数与全局能量随检测助手数量的变化 图。
具体实施方式
本发明是通过反向散射与空中计算实现一种绿色的协作频谱检测方法，在频 谱检测性能需要以大量感知能耗和网络资源为代价才得以保证的情况下，给出了 一种基于反向散射与空中计算实现频谱检测的方法。首先，被激励的广泛智能设 备作为频谱检测助手，利用反向散射直接将接收到的频谱信号反向散射给请求者， 无需进行本地感知或数据处理程序。然后，利用空中计算，将所有被反射的频谱 信号通过同一个反向散射通道上报给请求者，利用无线信道的叠加特性，频谱检 测数据的融合在空中而非请求者处实现。最后，感知请求者仅需对接收到的空中 融合后的频谱数据进行采样分析，即可做出最终的检测判决。
为了更清楚地说明本发明的技术方案，下面结合附图对本发明的技术方案做 进一步的详细说明：
如图1及图2所述；一种基于反向散射与空中计算的协作频谱感知方法，具 体步骤包括如下：
步骤(1.1)、协作频谱检测系统中的反向散射设备利用反向散射向请求者反 射接收到的频谱信号；
步骤(1.2)、基于空中计算，对N个被反向散射的频谱信号进行累加；
步骤(1.3)、请求者得到最终接受到的频谱信号；
步骤(1.4)、请求者对最终接收到的
Figure BDA0002677410860000051
进行M次采样，得到频谱检测统计 量T；
步骤(1.5)、请求者确定检测门限；
步骤(1.6)、请求者将得到的频谱检测统计量T与检测门限进行比较，做出 最终频谱判决。
进一步的，在步骤(1.1)中，所述协作频谱检测系统由N个反向散射设备， 正在使用当前频段的用户IU，以及一个频谱检测请求者组成；参与协作频谱检 测的第i个散射设备接收到来自IU的信号
Figure BDA0002677410860000052
其中，a＝1表示IU正发送信号，a＝0表示IU不发送信号，SIU和pIU分别 表示IU的发送信号及其功率，hi,IU是IU与第i个散射设备之间的信道衰落系数， ni是第i个散射设备的阻抗噪声；然后，第i个散射设备将接收到的zi进行反向 散射，得到被反向散射后的频谱信号为
Figure BDA0002677410860000053
其中，fe表示反向散射系数。
进一步的，在所述步骤(1.2)中，基于空中计算，对N个被反向散射的频 谱信号进行累加的具体操作步骤如下：通过同一个反向散射信道传输来自N个 散射设备的频谱信号，利用无线信道的叠加特性，实现频谱信号在无线信道中的 自然累加，得到累加后的反向散射频谱信号
Figure BDA0002677410860000054
其中，pi＝a·pIU|hi,IU|2+vi表示zi的功率，vi为ni的功率，hi,R表示第i个 散射设备与请求者之间的信道衰落系数。
进一步的，在所述步骤(1.3)中，请求者得到最终接受到的频谱信号的具 体操作方法如下：
除了从反向散射信道接收到的空中融合后的信号zR,Af之外，请求者还会从传输信道直 接接收到来自IU的信号
Figure BDA0002677410860000061
其中，nR表示请求者处的加性高斯白噪声，hR,IU是IU与请求者之间传输信 道的衰落系数；进一步得到请求者最终接收到的频谱信号
Figure BDA0002677410860000062
其中，H0和H1分别表示IU不发送信号与发送信号的状态；
请求者接收到的频谱信号包括，经过同一无线信道叠加后的N个被反向散 射的频谱信号
Figure BDA0002677410860000063
及直接接收到来自IU的信号
Figure BDA0002677410860000064
其中，hi,R表示第i个散射设备与请求者之间的信道衰落系数， pi＝a·pIU|hi,IU|2+vi为zi的功率，vi为ni的功率，hR,IU表示IU与请求者之间的 信道衰落系数，nR为请求者处的加性高斯白噪声；
由此可得，当IU不发送信号时，请求者最终接收到的频谱信号为
Figure BDA0002677410860000065
当IU发送信号时，请求者最终接收 到的频谱信号为
Figure BDA0002677410860000066
其中，zR,Af表示累加后的反向散射频谱信号，zR表示直接接收到的IU的信 号。
进一步的，在所述步骤(1.4)中，得到频谱检测统计量T的具体操作方法 如下：请求者对最终接收到的频谱信号
Figure BDA0002677410860000067
进行M次采样，其中，x(l)＝z％R(l)表 示第l个采样结果，然后对M次采样结果分别求模的平方，随后进行累加求取平 均值，从而得到频谱检测统计量
Figure BDA0002677410860000071
进一步的，在所述步骤(1.5)中，请求者确定检测门限的具体操作方法如 下：求者根据预先设定的目标虚警概率
Figure BDA0002677410860000072
得到检测门限ε为
Figure BDA0002677410860000073
其中，vR为nR的功率，Q-1(·)为Q函数的逆函数，Q函数为标准高斯的互 补分布函数，表示为
Figure BDA0002677410860000074
进一步的，在所述步骤(1.6)中，最终频谱判决是：当频谱检测统计量T大 于检测门限时，判决当前频谱被占用；当频谱检测统计量T小于检测门限时，判 决当前频谱空闲。
综上所述，基于反向散射与空中计算的协作频谱检测方法。首先，被频谱感 知请求激励的大量智能设备作为检测助手，将接收到的频谱信号直接反向散射给 请求者，无需进行本地感知或数据预处理，然后，通过空中计算，利用无线信道 的叠加特性，将所有被反向散射的频谱信号通过一个反向散射信道上报，实现频 谱数据的空中融合，最后，请求者接收到空中融合后的反向散射频频信号，并进 行采样，做出最终的频谱判决决策。
附图3是本发明方法和三种典型的硬融合协作频谱检测方法，即基于与融合， 或融合，以及表决融合的方法，获得的检测概率随虚警概率的变化对比图；从图 中可以看出，在总采样点数和检测助手数量相同的情况下，给定目标虚警概率时， 本发明中基于反向散射与空中计算的频谱检测方法，可以获得比三种硬融合检测 机制更高的检测概率；这是由于基于硬融合的频谱检测方法中，检测助手上报的 频谱数据是具有强烈主观性且可能被本地篡改的二值频谱决策，而基于反向散射 的协作设备可以将接收到的频谱信号直接反向散射给请求者，频谱数据具有高客 观性，因此可以实现较高的协作频谱检测性能。
附图4是本发明方法和三种典型的软融合协作频谱检测方法，即基于等增益 合并，最大比合并，以及似然比合并的方法，获得的检测概率随虚警概率的变化 对比图；从图中可以看出，在总采样点数和检测助手数量相同的情况下，给定目 标虚警概率时，本发明中基于反向散射与空中计算的频谱检测方法，可以获得比 三种软融合检测机制更高的检测概率；这是由于本发明方法中，每个检测助手反 向散射的频谱数据是原始接收的频谱信号，而没有经过本地感知、采样或量化； 这种频谱数据比软融合频谱检测方法中进行局部处理后报告的频谱数据更加客 观和准确；此外，利用空中计算，所有反向散射的频谱信号在无线信道上自然地 融合在一起，数据报告过程中不存在同频干扰；因此，请求者能够以更高的准确 度获得空中融合后的频谱数据，进而实现更好的检测性能。
附图5是本发明方法与硬融合方法和软融合方法，在频谱数据上报过程中所 需的全局传输比特与全局能量对比图；可以看出，在硬融合和软融合频谱检测方 法中，全局传输比特数均随着检测助手数量的增加而增加，并且远远超过了本发 明方法；这是由于，基于反向散射，检测助手可直接将频谱信号进行反射，无需 量化；此外，当传输比特数越多，数据上报所需的能量就越多，因此，与硬融合 和软融合方法相比，本发明基于反向散射与空中计算的协作频谱检测方法在提高 检测性能的同时，实现了更好的节能效果。
实施例：
在一个B5G蜂窝物联网覆盖的办公楼中，一个移动用户在接入一段频谱之前， 首先需要在其他设备的协助下检测该频谱是否空闲。因此，利用本专利发明的方 法，该移动用户作为频谱检测请求者，N＝10个智能设备在请求者周围随机分布， 作为反向散射设备。首先，根据步骤(1.1)所有反向散射设备利用反向散射向 请求者反射接收到的该频谱的信号；然后基于空中计算，根据步骤(1.2)对10 个被反向散射的频谱信号进行累加；其次，请求者根据步骤(1.3)得到最终接 收到的频谱信号，并根据步骤(1.4)进行M＝200次采样，得到频谱检测统计量 T；随后，请求者根据步骤(1.5)确定检测门限；最后，根据检测统计量与检 测门限的比较结果，确定该频谱是否空闲:当检测统计量大于检测门限，判决该 频谱被占用，请求者无法接入；当检测统计量小于检测门限，判决该频谱空闲， 请求者可以接入。

Claims (7)

1.一种基于反向散射与空中计算的协作频谱感知方法，其特征在于，具体步骤包括如下：
步骤(1.1)、协作频谱检测系统中的反向散射设备利用反向散射向请求者反射接收到的频谱信号；
步骤(1.2)、基于空中计算，对N个被反向散射的频谱信号进行累加；
步骤(1.3)、请求者得到最终接受到的频谱信号；
步骤(1.4)、请求者对最终接收到的
Figure FDA0002677410850000011
进行M次采样，得到频谱检测统计量T；
步骤(1.5)、请求者确定检测门限；
步骤(1.6)、请求者将得到的频谱检测统计量T与检测门限进行比较，做出最终频谱判决。
2.根据权利要求1所述的一种基于反向散射与空中计算的协作频谱感知方法，其特征在于，在步骤(1.1)中，所述协作频谱检测系统由N个反向散射设备，正在使用当前频段的用户IU，以及一个频谱检测请求者组成；
参与协作频谱检测的第i个散射设备接收到来自IU的信号
Figure FDA0002677410850000012
其中，a＝1表示IU正发送信号，a＝0表示IU不发送信号，SIU和pIU分别表示IU的发送信号及其功率，hi,IU是IU与第i个散射设备之间的信道衰落系数，ni是第i个散射设备的阻抗噪声；然后，第i个散射设备将接收到的zi进行反向散射，得到被反向散射后的频谱信号为
Figure FDA0002677410850000013
其中，fe表示反向散射系数。
3.根据权利要求1所述的一种基于反向散射与空中计算的协作频谱感知方法，其特征在于，在所述步骤(1.2)中，基于空中计算，对N个被反向散射的频谱信号进行累加的具体操作步骤如下：通过同一个反向散射信道传输来自N个散射设备的频谱信号，利用无线信道的叠加特性，实现频谱信号在无线信道中的自然累加，得到累加后的反向散射频谱信号
Figure FDA0002677410850000014
其中，pi＝a·pIU|hi,IU|2+vi表示zi的功率，vi为ni的功率，hi,R表示第i个散射设备与请求者之间的信道衰落系数。
4.根据权利要求1所述的一种基于反向散射与空中计算的协作频谱感知方法，其特征在于，在所述步骤(1.3)中，请求者得到最终接受到的频谱信号的具体操作方法如下：
请求者接收到的频谱信号包括，经过同一无线信道叠加后的N个被反向散射的频谱信号
Figure FDA0002677410850000015
及直接接收到来自IU的信号
Figure FDA0002677410850000021
其中，hi,R表示第i个散射设备与请求者之间的信道衰落系数，pi＝a·pIU|hi,IU|2+vi为zi的功率，vi为ni的功率，hR,IU表示IU与请求者之间的信道衰落系数，nR为请求者处的加性高斯白噪声；
由此可得，当IU不发送信号时，请求者最终接收到的频谱信号为
Figure FDA0002677410850000022
当IU发送信号时，请求者最终接收到的频谱信号为
Figure FDA0002677410850000023
其中，zR,Af表示累加后的反向散射频谱信号，zR表示直接接收到的IU的信号。
5.根据权利要求1所述的一种基于反向散射与空中计算的协作频谱感知方法，其特征在于，在所述步骤(1.4)中，得到频谱检测统计量T的具体操作方法如下：请求者对最终接收到的频谱信号
Figure RE-FDA0002820496180000029
进行M次采样，其中，
Figure RE-FDA0002820496180000024
表示第l个采样结果，然后对M次采样结果分别求模的平方，随后进行累加求取平均值，从而得到频谱检测统计量为
Figure RE-FDA0002820496180000025
6.根据权利要求1所述的一种基于反向散射与空中计算的协作频谱感知方法，其特征在于，在所述步骤(1.5)中，请求者确定检测门限的具体操作方法如下：求者根据预先设定的目标虚警概率
Figure FDA0002677410850000027
得到检测门限ε为
Figure FDA0002677410850000028
其中，vR为nR的功率，Q-1(·)为Q函数的逆函数，Q函数为标准高斯的互补分布函数，表示为
Figure FDA0002677410850000029
7.根据权利要求1所述的一种基于反向散射与空中计算的协作频谱感知方法，其特征在于，在所述步骤(1.6)中，最终频谱判决是：当频谱检测统计量T大于检测门限时，判决当前频谱被占用；当频谱检测统计量T小于检测门限时，判决当前频谱空闲。
CN202010952318.5A 2020-09-11 2020-09-11 一种基于反向散射与空中计算的协作频谱检测方法 Active CN112260781B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202010952318.5A CN112260781B (zh) 2020-09-11 2020-09-11 一种基于反向散射与空中计算的协作频谱检测方法
PCT/CN2020/134217 WO2022052336A1 (zh) 2020-09-11 2020-12-07 一种基于反向散射与空中计算的协作频谱检测方法
JP2022516174A JP7169036B2 (ja) 2020-09-11 2020-12-07 後方散乱及び空中計算に基づく協調スペクトル検出方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010952318.5A CN112260781B (zh) 2020-09-11 2020-09-11 一种基于反向散射与空中计算的协作频谱检测方法

Publications (2)

Publication Number Publication Date
CN112260781A true CN112260781A (zh) 2021-01-22
CN112260781B CN112260781B (zh) 2021-10-19

Family

ID=74232043

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010952318.5A Active CN112260781B (zh) 2020-09-11 2020-09-11 一种基于反向散射与空中计算的协作频谱检测方法

Country Status (3)

Country Link
JP (1) JP7169036B2 (zh)
CN (1) CN112260781B (zh)
WO (1) WO2022052336A1 (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101459922A (zh) * 2008-12-31 2009-06-17 北京邮电大学 一种设置判决门限值的方法及装置
CN104954308A (zh) * 2015-06-02 2015-09-30 国家电网公司 认知无线电中基于特征向量的双节点协方差盲检测方法
CN105227253A (zh) * 2015-08-20 2016-01-06 黑龙江科技大学 一种新型的基于能量检测的双门限协作频谱感知算法
KR101971392B1 (ko) * 2017-12-29 2019-04-23 숭실대학교산학협력단 에너지 하베스팅 인지 라디오 네트워크에서의 주변 후방산란 통신 시스템 및 그것을 이용한 주변 후방산란 통신 방법
CN110601738A (zh) * 2019-08-23 2019-12-20 东南大学 一种基于频谱共享的环境反向散射阵列通信系统速率分析方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104052556B (zh) * 2014-06-20 2017-02-15 中国电子科技集团公司第五十四研究所 一种基于分集合并的无线电频谱感知的协作检测方法
US10079616B2 (en) * 2014-12-19 2018-09-18 University Of Washington Devices and methods for backscatter communication using one or more wireless communication protocols including bluetooth low energy examples
WO2017027847A1 (en) * 2015-08-12 2017-02-16 University Of Washington Backscatter devices and network systems incorporating backscatter devices
US10958108B2 (en) * 2017-05-03 2021-03-23 Searete Llc Wireless power transfer management
CN107359948B (zh) * 2017-07-11 2019-06-14 北京邮电大学 一种认知无线网络的频谱预测方法、装置及计算机可读存储介质
CN111565393B (zh) * 2020-04-20 2023-04-07 上海交通大学 Ofdma反向散射网络的频谱动态控制方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101459922A (zh) * 2008-12-31 2009-06-17 北京邮电大学 一种设置判决门限值的方法及装置
CN104954308A (zh) * 2015-06-02 2015-09-30 国家电网公司 认知无线电中基于特征向量的双节点协方差盲检测方法
CN105227253A (zh) * 2015-08-20 2016-01-06 黑龙江科技大学 一种新型的基于能量检测的双门限协作频谱感知算法
KR101971392B1 (ko) * 2017-12-29 2019-04-23 숭실대학교산학협력단 에너지 하베스팅 인지 라디오 네트워크에서의 주변 후방산란 통신 시스템 및 그것을 이용한 주변 후방산란 통신 방법
CN110601738A (zh) * 2019-08-23 2019-12-20 东南大学 一种基于频谱共享的环境反向散射阵列通信系统速率分析方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
GUANGJUN LIANG 等: "Analysis of Buffer-Aided Energy Harvesting Device-to-Device Communications With Complex Boundary Behavior", 《IEEE ACCESS》 *
XIAOZHENG GAO 等: "An Auction-Based Time Scheduling Mechanism for Backscatter-Aided RF-Powered Cognitive Radio Networks", 《2018 IEEE CONFS ON INTERNET OF THINGS》 *
XIAOZHENG GAO 等: "Auction-Based Time Scheduling for Backscatter-Aided RF-Powered Cognitive Radio Networks", 《IEEE TRANSACTIONS ON WIRELESS COMMUNICATIONS》 *
刘杨: "频谱共享无线通信系统中检测算法与性能分析", 《中国博士学位论文全文数据库 信息科技辑》 *

Also Published As

Publication number Publication date
JP2022543911A (ja) 2022-10-14
JP7169036B2 (ja) 2022-11-10
CN112260781B (zh) 2021-10-19
WO2022052336A1 (zh) 2022-03-17

Similar Documents

Publication Publication Date Title
US9913092B2 (en) Mitigating signal noise for fingerprint-based indoor localization
CN109195214B (zh) 一种基于遗传算法的noma功率分配方法
CN112770325B (zh) 一种基于深度学习的认知车联网频谱感知方法
CN109525337B (zh) WiFi指纹获取方法、装置、存储介质以及设备
CN115190474B (zh) 一种面向海洋观监测传感网的隐私感知计算任务卸载方法
CN102075263B (zh) 基于分段能量处理的截尾型序贯检验方法
Chen et al. Providing spectrum information service using TV white space via distributed detection system
CN110649982B (zh) 基于次用户节点选择的双阈值能量检测方法
CN112968739A (zh) 一种短波应急通信信道评估和分配方法
CN114742442A (zh) 一种基于信任的参与者选取提高数据质量方法
CN108900267B (zh) 基于特征值的单边右尾拟合优度检验频谱感知方法及装置
CN112099057B (zh) 一种基于模糊逻辑的双门限协作gnss干扰检测算法
CN112260781B (zh) 一种基于反向散射与空中计算的协作频谱检测方法
CN112073138A (zh) 一种基于量化的双门限协作频谱感知方法
CN115734264A (zh) 5g网络覆盖评估方法、装置、计算机可读介质及电子设备
CN113179143B (zh) 一种基于最大最小值的融合频谱感知方法及系统
CN115086965A (zh) 基于降元处理和联合迭代优化的动态频谱分配方法及系统
Ge et al. Wireless single cellular coverage boundary models
CN109104741B (zh) 一种样本分组方法及使用其估计主用户占空比的方法
CN114448536B (zh) 一种全双工频谱感知方法
CN114285506B (zh) 一种混合式两级多星协作频谱感知方法
CN114050856B (zh) 一种卫星频谱占用状态拟合与预测方法
CN110289925B (zh) 一种判决后变分推断估计主用户占空比的方法
Sudhamani Double threshold spectrum sensing with optimization of samples in cognitive radio networks
CN116056140A (zh) 一种基于机器学习的蜂窝网无线感知与定位一体化方法

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