CN113037407A - 一种面向高低轨卫星共存的频谱认知方法 - Google Patents
一种面向高低轨卫星共存的频谱认知方法 Download PDFInfo
- Publication number
- CN113037407A CN113037407A CN202110231125.5A CN202110231125A CN113037407A CN 113037407 A CN113037407 A CN 113037407A CN 202110231125 A CN202110231125 A CN 202110231125A CN 113037407 A CN113037407 A CN 113037407A
- Authority
- CN
- China
- Prior art keywords
- csp
- spectrum
- interference
- cns
- fusion
- 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.)
- Pending
Links
- 238000001228 spectrum Methods 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000019771 cognition Effects 0.000 title claims abstract description 16
- 230000004927 fusion Effects 0.000 claims abstract description 56
- 238000001514 detection method Methods 0.000 claims abstract description 55
- 230000001149 cognitive effect Effects 0.000 claims abstract description 39
- 238000002507 cathodic stripping potentiometry Methods 0.000 claims abstract description 32
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 24
- 238000013507 mapping Methods 0.000 claims abstract description 15
- 238000005259 measurement Methods 0.000 claims description 15
- 238000012360 testing method Methods 0.000 claims description 9
- 230000002452 interceptive effect Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 6
- 230000000295 complement effect Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000006870 function Effects 0.000 claims 1
- 239000002184 metal Substances 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 9
- 238000011156 evaluation Methods 0.000 abstract description 3
- 230000033228 biological regulation Effects 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000002904 solvent Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
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
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/18578—Satellite systems for providing broadband data service to individual earth stations
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0453—Resources in frequency domain, e.g. a carrier in FDMA
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
- H04W72/541—Allocation or scheduling criteria for wireless resources based on quality criteria using the level of interference
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Electromagnetism (AREA)
- Astronomy & Astrophysics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种面向高低轨卫星共存的频谱认知方法,首先,由位于不同CSP的LEO认知节点对GEO卫星干扰信号进行采集,并传送至地面融合中心FC,由地面融合中心综合判决后结合REM技术生成GEO卫星的频谱态势信息;然后根据FC生成的频谱态势信息发送到频谱调控系统,用以制定或更新频谱共享策略;最后,频谱调度系统向LEO节点发送相应的控制命令;本发明提出了CSP的概念,解决分布稀疏的LEO‑CNs对协作频谱认知的负面影响;引入双门限能量检测算法,采用软融合和硬融合结合的融合策略,在LEO认知系统复杂度和频谱感知精度之间取得良好的平衡;同时采用无线电环境制图方法构建频谱数据库,引入空间检测概率和空间虚警概率,提高评估频谱空间态势认知可靠性。
Description
技术领域
本发明涉及卫星通信技术领域,主要涉及一种面向高低轨卫星共存的频谱认知方法。
背景技术
随着人类空间探索范围的大幅度提升和空间信息网络的快速发展,空间频谱资源短缺的问题日益突出。为了提高空间频谱资源的有效利用率,ITU在划分和指配频率时允许异构网络系统在规则框架内合理地共享频谱。面对现有卫星系统频谱资源利用率低和新入卫星频谱资源储备不足的现状,迫切需要加快频谱资源的统筹协调。近年来发展卫星星座系统成为潮流,未来将会有数百颗甚至上千颗的LEO卫星组成星座系统覆盖全球,因此在GEO和LEO卫星系统之间探寻适用的频谱共享策略显得尤为重要。
人们已经提出了许多GEO和LEO共存的频谱共享方法。现有文献主要集中在干扰分析、基于角度隔离、波束跳变和功率自适应技术的频谱共享方法,而对SS算法的研究较少。经过调研,将频谱感知技术应用于认知卫星系统是可行的。能量检测是最广泛的频谱感知算法,因为它的实现简单,而且不需要关于主用户的先验信息,通过检测概率(Pd)和虚警概率(Pf)来衡量各传感技术的性能。传统的能量检测中,一般假定噪声功率是确定的,但在认知卫星系统中,噪声不仅仅包含高斯白噪声,还存在其它干扰,同时干扰功率随着时间和相对位置的变化而变化。这种噪声不确定性会使得频谱感知性能变差,也就是检测概率下降,虚警概率增加。我们为了消弱噪声对认知系统的影响和提高频谱感知精度,采用双门限能量检测结合融合判决策略,并引入噪声不确定性概念。
目前,将频谱数据库技术应用于辅助认知卫星系统频谱感知过程,也倍受研究人员的关注。在卫星通信系统提出数据库方法的原因基本上与地面系统相同:尽管在高度动态的频谱共享场景中,数据库仍可以为主用户提供了较好的保护。将数据库技术主要的技术挑战是广域覆盖,REM作为数据库技术之一,它突破了单一感知节点的覆盖限制,以低密度、随机分布的CNs在空间中提供可靠的空间频谱状态。特别地,REM更适用于LEO卫星通信的情况,因为LEO卫星轨道低,相对于地面快速运动,需要动态的频谱数据库。
发明内容
发明目的:本发明首先提出了认知卫星定位(CSP)的概念,解决星载多个认知节点间协作频谱感知和REM技术因信号分布稀疏而导致感知精度低的问题;第二,为了保证星载感知节点在低信噪比环境下准确判决,在单门限能量检测基础上引入双门限能量检测算法,同时为了减轻专用认知链路的传输负担,采用软融合和硬融合结合的融合策略,以在LEO认知系统复杂度和频谱感知精度之间取得良好的平衡。第三,采用无线电环境制图方法构建频谱数据库,提高评估频谱空间态势认知可靠性。
技术方案:为实现上述目的,本发明采用的技术方案为:
一种面向高低轨卫星共存的频谱认知方法,包括以下步骤:
步骤S1、位于不同认知卫星定位CSP的低轨卫星认知节点LEO-CN对具备频谱许可证的高轨卫星系统GEO发射的信号进行采集;
步骤S2、所述各LEO-CN节点将采集到的信号数据与双门限能量检测的阈值进行比较;当所述信号数据处于检测模糊状态之外时,认知卫星定位节点CSP-CN即独立作出可信干扰检测,并向融合中心FC传送大小为1bit的检测结果信息;当所述信号数据处于检测模糊状态时,认知卫星定位节点CSP-CN和相邻的CSP-CNs将发送它们的干扰测量统计数据至融合中心FC;
步骤S3、对所述步骤S2中作出可信干扰检测的CSP-CN采用“OR”准则的硬融合判决方法得到判决结果D1;对处于检测模糊状态的CSP-CN采用基于等增益合并的软融合判决,得到判决结果D2;最后FC对两部分的结果进行“OR”准则的硬融合判决,得到判决结果D;
步骤S4、FC以CSP的空间位置为索引,将利用CSP-CN传送到FC的数据进行无线电环境制图,以空间检测概率和空间虚警概率作为频谱认知方案的性能衡量标准,描述干扰态势的分布情况。
进一步地,步骤S3中提供的融合策略,具体步骤如下:
步骤S3.1、用H0表示GEO卫星未使用共享频段,H1表示GEO卫星正在使用共享频段。当LEO-CN的采样个数N比较大的时候,能量统计量Xi(i)近似于服从正态分布,即其表达式为:
步骤S3.2、所述步骤S3.1中的噪声包括高斯白噪声和其他干扰噪声,噪声功率随着时间和相对位置的变化会发生变化,因此设定噪声的不确定性ρ如下表示:
当噪声功率一定时候,门限值通过虚警概率Pf计算得到能量统计量的判决门限值,即下限λL和上限λH分别为:
其中Q(·)为标准高斯互补分布函数;
在H0状态下,定义获得概率Pd以及虚警概率Pf分别为:
步骤S3.3、如前面所描述的传统频谱感知器通常建模为二元假设检验,当考虑干扰检测模糊状态时为:
其中Xi为第i个CSP节点信道的干扰统计测量值,Yi为i=1,2,…,NR_CSP对应的信道状态,NR_CSP是指星载REM涉及的CSP-CNs数量,Si为第i个CSP-CNs节点及其邻近若干节点的干扰测量均值。当第ith个CSP-CN的测量统计量处于检测模糊状态,则测试统计数据并传送到地面FC进行频谱协作感知;处于模糊状态的检验统计量计算公式如下:
当所有CSP-CN的贡献值相同即wj=1时,此时即为基于等增益合并的软融合算法;其中,NR_CSP是指星载REM涉及的CSP数量,Si为第i个CSP节点及其邻近若干节点的干扰测量均值;
步骤S3.4、设定有K个CSP-CNs做出本地判断,并且NS_CSP-K个统计量处于模糊状态;首先,对于K个CSP-CNs,采用基于“OR”准则的硬融合决策方法,并获得判断结果D1;然后对处于模糊状态的NS_CSP-K个CSP-CNs采用基于等增益合并的软融合判断方法,得到决策结果D2;最后将两部分的结果与FC融合在一起;具体的决策过程如下:
步骤S3.4.1、K个LEO-CNs采用基于“OR”准则的硬融合决策方法得到判决结果D1如下:
步骤S3.4.2、NS_CSP-K个LEO-CNs采用基于等增益合并的软融合判断方法,得到判决结果D2:
其中λEGC是等增益合并算法的判决结果;
步骤S3.4.3、由融合中心FC对两部分的结果进行“OR”准则的硬融合判决如下:
进一步地,步骤S4中无线电环境制图包括以下步骤:
步骤S4.1、底面融合中心FC获得处于模糊状态的CSP-CN的精确位置信息后,利用这些数据进行REM操作,以CSP-CN的空间位置为索引,描述干扰态势的分布情况;采用空间虚警率和空间检测率表征性能,具体如下:
其中,表示检测为存在干扰的CSP-CN数量,因此表示正确检测为存在干扰的CSP-CN数量,为和位于干扰范围内的CSP-CN数量之间的比值,而表示错误检测为存在干扰的CSP-CN数量,为与位于无干扰范围内的CSP-CN数量之间的比值。因此,从无线电环境制图的空间观点,是正确检测为干扰范围的区域比例,是错误检测为干扰范围的区域比例。
其中,fd为空间中正确检测到干扰的CSP-CN数量与实际发生干扰的CSP-CN数量之比;ffa为空间中错误检测到干扰的CSP-CN数量与实际发生干扰的CSP-CN数量之比。通过配置LEO认知系统和参与无线电环境制图的CSP-CN数量,即可得到预期的空间检测概率和虚警概率。
有益效果:
1、本发明中针对所提场景中低轨卫星系统相对地面快速运动以及空间信号分布稀疏的特点,提出了CSP的概念,以缓解星载多个认知节点间协作频谱感知和REM技术因信号分布稀疏而导致感知精度低的问题。
2、本发明为了保证星载感知节点在低信噪比环境下准确判决,在传统单门限能量检测基础上引入双门限能量检测算法;同时为了减轻专用认知链路的传输负担,采用软融合和硬融合结合的融合策略,以在LEO认知系统复杂度和频谱感知精度之间取得良好的平衡。
3、本发明采用无线电环境制图方法构建频谱数据库,引入表征空间可靠性的两个指标,即空间检测概率和空间虚警概率,提高评估频谱空间态势认知可靠性。
附图说明
图1是本发明中GEO和LEO卫星系统共存的频谱共享场景图;
图2a是本发明中GEO和LEO卫星共存的干扰场景图;
图2b是LEO用户干扰下的GEO卫星信号质量曲线图;
图2c是LEO卫星在GEO用户干扰下的信号质量变化曲线图;
图3是本发明采用的基于双门限能量检测的新型认知方法图;
图4a是在噪声不确定度=1.01时所采用的算法与现存算法性能对比示意图;
图4b是在噪声不确定度=2时所采用的算法与现存算法性能对比示意图;
图5是本发明实施例中REM的空间ROC曲线效果图。
具体实施方式
下面结合附图对本发明作更进一步的说明。
如图1所示为GEO和LEO卫星系统共存的频谱共享场景图,本发明提供了一种面向高低轨卫星共存的频谱认知方法。首先,由位于不同CSP的LEO认知节点对GEO卫星干扰信号进行采集,获得相应的判决结果或测量统计数据,并通过专用的卫星-地面认知链路将判决结果或测量统计数据传送给采用软融合的地面融合中心FC,由地面融合中心综合判决后结合REM技术生成GEO卫星的频谱态势信息。然后根据FC生成的频谱态势信息发送到频谱调控系统,用以制定或更新频谱共享策略。最后,频谱调度系统向LEO节点发送相应的控制命令,实现GEO卫星与LEO卫星系统在频谱重叠的情况下共存。本发明主要提供第一步的具体解决方案。
由于图1中专用链路和信道使用专用频带或高速无损光纤,因此无干扰。但当GEO卫星服务与LEO卫星服务之间进行频谱共享时,由于LEO卫星的运动特点、使用的频率高和天线的方向性强等特点,在极端的情况下,干扰链路与通信链路可能重叠,即:共线干扰,如图2所示。共线干扰会严重影响正常通信,严重时甚至会导致卫星系统瘫痪。
经过仿真分析,GEO卫星和LEO卫星在24小时内的干扰情况如图2a所示。其中,实线为接收信号未受干扰时的信噪比,虚线为受到干扰时接收信号的信噪比。图2b为LEO用户干扰下的GEO卫星信号质量曲线。由此可以看出,GEO卫星大部分时间不会受到干扰,只会受到短时间的干扰。图2c为一颗LEO卫星在GEO用户干扰下的信号质量变化曲线。由此可以看出,LEO卫星与用户之间的间歇时间是间歇的。在GEO用户的范围内,LEO卫星也会受到干扰。
本发明提供的面向高低轨卫星共存的频谱认知方法,如图3所示,包括以下步骤:
步骤S1、位于不同认知卫星定位CSP的低轨卫星认知节点LEO-CN对具备频谱许可证的高轨卫星系统GEO发射的信号进行采集。
本步骤提出了CSP的概念,以解决分布稀疏的LEO-CNs对协作SS的负面影响。CSP定义为在协作频谱认知过程中分辨出快速移动的LEO-CN,并且完成信号采集、统计计算和能量检测的过程,这样单颗LEO卫星可以提供多组感知数据,缓解由于空间信号稀疏导致感知精度下降的问题。
步骤S2、所述各LEO-CN节点将采集到的信号数据与双门限能量检测的阈值进行比较;当所述信号数据处于检测模糊状态之外时,认知卫星定位节点CSP-CN即独立作出可信干扰检测,并向融合中心FC传送大小为1bit的检测结果信息;当所述信号数据处于检测模糊状态时,认知卫星定位节点CSP-CN和相邻的CSP-CNs将发送它们的干扰测量统计数据至融合中心FC。
步骤S3、对所述步骤S2中作出可信干扰检测的CSP-CN采用“OR”准则的硬融合判决方法得到判决结果D1;对处于检测模糊状态的CSP-CN采用基于等增益合并的软融合判决,得到判决结果D2;最后FC对两部分的结果进行“OR”准则的硬融合判决,得到判决结果D。具体地,
步骤S3.1、通常情况下将频谱感知设为二元假设问题,用H0表示GEO卫星为未使用共享频段;H1表示GEO卫星正在使用共享频段。为了在信噪比极低的情况下保证检测结果的可靠性,所以需要信号样本数量(M>>1)很大,能量统计量近似于服从正态分布,即其表达式为:
步骤S3.2、所述步骤S3.1中的噪声包括高斯白噪声和其他干扰噪声,噪声功率随着时间和相对位置的变化会发生变化,因此设定噪声的不确定性ρ如下表示:
当噪声功率一定时候,门限值通过虚警概率Pf计算得到能量统计量的判决门限值,即下限λL和上限λH分别为:
其中Q(·)为标准高斯互补分布函数;
在H0状态下,定义获得概率Pd以及虚警概率Pf分别为:
步骤S3.3、传统频谱感知器通常建模为二元假设检验,当考虑干扰检测模糊状态时为:
其中Xi为第i个CSP节点信道的干扰统计测量值,Yi为i=1,2,…,NR_CSP对应的信道状态,NR_CSP是指星载REM涉及的CSP-CNs数量,Si为第i个CSP-CNs节点及其邻近若干节点的干扰测量均值。当第ith个CSP-CN的测量统计量处于检测模糊状态,则测试统计数据并传送到地面FC进行频谱协作感知;处于模糊状态的检验统计量计算公式如下:
当所有CSP-CN的贡献值相同即wj=1时,此时即为基于等增益合并的软融合算法;其中,NR_CSP是指星载REM涉及的CSP数量,Si为第i个CSP节点及其邻近若干节点的干扰测量均值;
步骤S3.4、设定有K个CSP-CNs做出本地判断,并且NS_CSP-K个统计量处于模糊状态;首先,对于K个CSP-CNs,采用基于“OR”准则的硬融合决策方法,并获得判断结果D1;然后对处于模糊状态的NS_CSP-K个CSP-CNs采用基于等增益合并的软融合判断方法,得到决策结果D2;最后将两部分的结果与FC融合在一起;具体的决策过程如下:
步骤S3.4.1、K个LEO-CNs采用基于“OR”准则的硬融合决策方法得到判决结果D1如下:
步骤S3.4.2、NS_CSP-K个LEO-CNs采用基于等增益合并的软融合判断方法,得到判决结果D2:
其中λEGC是等增益合并算法的判决结果;
步骤S3.4.3、由融合中心FC对两部分的结果进行“OR”准则的硬融合判决如下:
步骤S4、FC以CSP的空间位置为索引,将利用CSP-CN传送到FC的数据进行无线电环境制图,以空间检测概率和空间虚警概率作为频谱认知方案的性能衡量标准,描述干扰态势的分布情况。具体地,
步骤S4.1、底面融合中心FC获得处于模糊状态的CSP-CN的精确位置信息后,利用这些数据进行REM操作,以CSP-CN的空间位置为索引,描述干扰态势的分布情况;采用空间虚警率和空间检测率表征性能,具体如下:
其中,表示检测为存在干扰的CSP-CN数量,因此表示正确检测为存在干扰的CSP-CN数量,为和位于干扰范围内的CSP-CN数量之间的比值,而表示错误检测为存在干扰的CSP-CN数量,为与位于无干扰范围内的CSP-CN数量之间的比值。因此,从无线电环境制图的空间观点,是正确检测为干扰范围的区域比例,是错误检测为干扰范围的区域比例。
其中,fd为空间中正确检测到干扰的CSP-CN数量与实际发生干扰的CSP-CN数量之比;ffa为空间中错误检测到干扰的CSP-CN数量与实际发生干扰的CSP-CN数量之比。通过配置LEO认知系统和参与无线电环境制图的CSP-CN数量,即可得到预期的空间检测概率和虚警概率。
下面提供两份具体实施例,进一步验证本发明提供的频谱认知方法的精确性和鲁棒性。
实施例1、
仿真共享频带频率fs=19GHz(Ka band)。GEO卫星下行链路参数:轨道高度为35786km;天线辐射方向图为ITU R S.672-4;天线直径为6.3m;天线增益为59.1dBi;卫星有效各向同性辐射功率为80dBW;载波频率为36MHz。LEO卫星认知节点参数:轨道高度为1200km;采样率为10MHz;噪声容限温度为290K;参与协作频谱感知的CSP CNs数目为5;混合频谱感知最大虚警概率为10-3。
在噪声不确定度ρ=1.01和2的情况下,得出结合双阈值ED和EGC的协作SS方法的ROC曲线,为了便于性能比较,在图3和图4中还给出了ED、K-秩、EG算法的ROC曲线。当噪声不确定度ρ设置为1.01时(低噪声不确定度),可以看到,协同ED算法和K-秩算法性能较差,所提混合频谱感知方法和EGC算法均能获得较高检测概率,但相对于EGC算法,所提混合频谱感知方法在减轻专用认知链路负担上具有更好的性能。当设置噪声不确定度ρ=2时(高噪声不确定度),此时处于模糊检测状态的感知节点会明显增多,而我们所提出的混合协同频谱感知算法的检测性能仍与完全采用EGC算法十分接近,快速收敛于较高的检验概率。通过比较ρ=1.01和2的仿真结果,所提出的混合频谱感知算法对噪声不确定性的变化具有更强的鲁棒性。
实施例2、
将空间检测率作为空间虚警率的函数,并在图5给出随机分布在30×30km区域上的不同LEO CSPs数量的REM的空间ROC曲线。值得注意的是,当NR_CPS=900随机参与该区域时,平均每1km2有一个CSP,这对应于REM的CSP的低空间密度。可以在图5中观察到,即使在低密度CSP的场景下,也可以得到一个高准确度的无线电环境地图。因此,为了节省映射成本或提高空间可靠性,服务提供者可以通过仅询问当前CSPs的一个子集(特别的,这个子集是满足所需空间可靠性的最小CSPs数目)来更新无线电环境地图。当然,服务提供者也可以在特定区域中询问更多CSPs,以处获得更高的精确度。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (3)
1.一种面向高低轨卫星共存的频谱认知方法,其特征在于,包括以下步骤:
步骤S1、位于不同认知卫星定位CSP的低轨卫星认知节点LEO-CN对具备频谱许可证的高轨卫星系统GEO发射的信号进行采集;
步骤S2、所述各LEO-CN节点将采集到的信号数据与双门限能量检测的阈值进行比较;当所述信号数据处于检测模糊状态之外时,认知卫星定位节点CSP-CN即独立作出可信干扰检测,并向融合中心FC传送大小为1bit的检测结果信息;当所述信号数据处于检测模糊状态时,认知卫星定位节点CSP-CN和相邻的CSP-CN将发送它们的干扰测量统计数据至融合中心FC;
步骤S3、对所述步骤S2中作出可信干扰检测的CSP-CN采用“OR”准则的硬融合判决方法得到判决结果D1;对处于检测模糊状态的CSP-CN采用基于等增益合并的软融合判决,得到判决结果D2;最后FC对两部分的结果进行“OR”准则的硬融合判决,得到判决结果D;
步骤S4、FC以CSP的空间位置为索引,将利用CSP-CN传送到FC的数据进行无线电环境制图,以空间检测概率和空间虚警概率作为频谱认知方案的性能衡量标准,描述干扰态势的分布情况。
2.根据权利要求1所述的一种面向高低轨卫星共存的频谱认知方法,其特征在于,所述步骤S3中提供的融合策略,具体步骤如下:
步骤S3.1、用H0表示GEO卫星未使用共享频段,H1表示GEO卫星正在使用共享频段;当LEO-CN的采样个数N比较大的时候,能量统计量Xi(i)近似于服从正态分布,即其表达式为:
步骤S3.2、所述步骤S3.1中的噪声包括高斯白噪声和其他干扰噪声,噪声功率随着时间和相对位置的变化会发生变化,因此设定噪声的不确定性ρ如下表示:
当噪声功率一定时候,门限值通过虚警概率Pf计算得到能量统计量的判决门限值,即下限λL和上限λH分别为:
其中Q(·)为标准高斯互补分布函数,即标准正态分布的右尾函数;
在H0状态下,定义获得概率Pd以及虚警概率Pf分别为:
步骤S3.3、将传统频谱感知器建模为二元假设检验,当考虑干扰检测模糊状态时:
其中Xi为第i个CSP节点信道的干扰统计测量值,Yi为i=1,2,…,NR_CSP对应的信道状态,NR_CSP是星载REM涉及的CSP-CN数量,Si为第i个CSP-CN节点及其邻近若干节点的干扰测量均值;当第ith个CSP-CN的测量统计量处于检测模糊状态,则测试统计数据并传送到地面FC进行频谱协作感知;处于模糊状态的检验统计量计算公式如下:
当所有CSP-CN的贡献值相同即wj=1时,此时即为基于等增益合并的软融合算法;
步骤S3.4、设定有K个CSP-CNs做出本地判断,并且NS_CSP-K个统计量处于模糊状态;首先,对于K个CSP-CNs,采用基于“OR”准则的硬融合决策方法,并获得判断结果D1;然后对处于模糊状态的NS_CSP-K个CSP-CNs采用基于等增益合并的软融合判断方法,得到决策结果D2;最后将两部分的结果与FC融合在一起;具体的决策过程如下:
步骤S3.4.1、K个LEO-CNs采用基于“OR”准则的硬融合决策方法得到判决结果D1如下:
步骤S3.4.2、NS_CSP-K个LEO-CNs采用基于等增益合并的软融合判断方法,得到判决结果D2:
其中λEGC是等增益合并算法的判决结果;
步骤S3.4.3、由融合中心FC对两部分的结果进行“OR”准则的硬融合判决如下:
3.根据权利要求1所述的一种面向高低轨卫星共存的频谱认知方法,其特征在于,所述步骤S4中无线电环境制图包括以下步骤:
步骤S4.1、底面融合中心FC获得处于模糊状态的CSP-CN的精确位置信息后,利用这些数据进行REM操作,以CSP-CN的空间位置为索引,描述干扰态势的分布情况;采用空间虚警率和空间检测率表征性能,具体如下:
其中,表示检测为存在干扰的CSP-CN数量,表示正确检测为存在干扰的CSP-CN数量,为和位于干扰范围内的CSP-CN数量之间的比值,而表示错误检测为存在干扰的CSP-CN数量,为与位于无干扰范围内的CSP-CN数量之间的比值;因此,是正确检测为干扰范围的区域比例,是错误检测为干扰范围的区域比例;
其中,fd(·)为空间中正确检测到干扰的CSP-CN数量与实际发生干扰的CSP-CN数量之比;ffa(·)为空间中错误检测到干扰的CSP-CN数量与实际发生干扰的CSP-CN数量之比。通过配置LEO认知系统和参与无线电环境制图的CSP-CN数量,即可得到预期的空间检测概率和虚警概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110231125.5A CN113037407A (zh) | 2021-03-02 | 2021-03-02 | 一种面向高低轨卫星共存的频谱认知方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110231125.5A CN113037407A (zh) | 2021-03-02 | 2021-03-02 | 一种面向高低轨卫星共存的频谱认知方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113037407A true CN113037407A (zh) | 2021-06-25 |
Family
ID=76465601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110231125.5A Pending CN113037407A (zh) | 2021-03-02 | 2021-03-02 | 一种面向高低轨卫星共存的频谱认知方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113037407A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015039487A1 (zh) * | 2013-09-17 | 2015-03-26 | 中兴通讯股份有限公司 | 一种异构网络中频谱感知数据的处理方法及装置 |
CN110620611A (zh) * | 2019-09-29 | 2019-12-27 | 南京邮电大学 | 一种基于geo与leo双层卫星网络的协同频谱感知方法 |
-
2021
- 2021-03-02 CN CN202110231125.5A patent/CN113037407A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015039487A1 (zh) * | 2013-09-17 | 2015-03-26 | 中兴通讯股份有限公司 | 一种异构网络中频谱感知数据的处理方法及装置 |
CN110620611A (zh) * | 2019-09-29 | 2019-12-27 | 南京邮电大学 | 一种基于geo与leo双层卫星网络的协同频谱感知方法 |
Non-Patent Citations (2)
Title |
---|
HAITAO WANG等: "A Radio Environment Mapping Based Spectrum Awareness for Cognitive Space Information Network with GEO and LEO Coexistence", 《THE 12TH INTERNATIONAL CONFERENCE ON WIRELESS COMMUNICATIONS AND SIGNAL PROCESSING》 * |
张海俊: "认知无线电中结合用户差异性的频谱感知技术研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ghasemi et al. | Spectrum sensing in cognitive radio networks: requirements, challenges and design trade-offs | |
WO2007133687A2 (en) | Method and system for determining spectrum availability within a network | |
KR20160003501A (ko) | 수신기의 전파 간섭 예측 장치 및 방법 | |
CN108957399A (zh) | 一种利用lte信号信道状态信息实现运动检测的方法 | |
Pratas et al. | Cooperative spectrum sensing: State of the art review | |
KR101090576B1 (ko) | 무선 인지 시스템에서 마코프 모델을 이용한 가중치 할당 협력 스펙트럼 센싱 방법 | |
CN107634810B (zh) | 一种基于无线电环境地图的卫星能量探测认知方法和系统 | |
Rai et al. | Spectrum sensing and allocation schemes for cognitive radio | |
Liu et al. | Detection of spectrum misuse behavior in satellite-terrestrial spectrum sensing based on multi-hypothesis tests | |
CN113037407A (zh) | 一种面向高低轨卫星共存的频谱认知方法 | |
Sani et al. | A survey on spectrum sensing techniques for cognitive radio networks | |
Tadik et al. | Augmented rf propagation modeling | |
Shah et al. | Wideband spectrum probe for distributed measurements in cellular band | |
US9628201B2 (en) | Method and arrangement for adaptive signal detection | |
Oh et al. | White-space sensing device for detecting vacant channels in TV bands | |
Nuñez et al. | Simulation and FPGA implementation of television white space sensing using energy detection for cognitive radio | |
Ren et al. | A Novel Cognitive Scheme based on Dual-threshold Energy Detection in Satellite Systems | |
CN113992281B (zh) | 一种常驻信号检测与识别方法 | |
Wang et al. | A radio environment mapping based spectrum awareness for cognitive space information network with GEO and LEO coexistence | |
US11856597B2 (en) | Radio frequency (RF) communication system providing channel selection based upon historical RF spectral data and related methods | |
Mandal et al. | A Comparative Study on Different Types of Spectrum Sensing Techniques in Centralized Cognitive Cellular Network | |
Arnez et al. | Real Time SDR Cognitive Radio System for Cooperative Spectrum Sensing in the 700 MHz Brazilian Digital TV Band | |
Rauniyar et al. | Cooperative adaptive threshold based energy and matched filter detector in cognitive radio networks | |
Armi et al. | Performance evaluation of energy detector in cooperative spectrum sensing | |
Kitsunezuka et al. | Learning-based distributed radio-environment observation for dynamic spectrum sharing |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210625 |
|
RJ01 | Rejection of invention patent application after publication |