CN113691990A - 一种基于信噪比冗余和干扰消除技术的异构网络智能共存方法 - Google Patents

Abstract

本发明涉及一种基于信噪比冗余和干扰消除技术的异构网络智能共存方法，射频前端收到的信号首先经过频谱搬移和聚合模块的处理。当检测到WiFi信号干扰，利用信噪比冗余特性进行WiFi信号的解码，并使用解码得到的数据进行WiFi信号信道参数估计，通过异构干扰消除技术来减掉WiFi信号的影响，从残余的信号就可以用来进行ZigBee数据的解码，本发明基于信噪比冗余来实现异构网络智能共存，可以恢复受WiFi的信号干扰而无法解码的ZigBee信号，从而实现了WiFi和ZigBee异构网络的智能共存。本发明设计时充分考虑与现有的ZigBee和WiFi网络的异同之处，不需要对WiFi和ZigBee节点进行任何修改和干预，只需将通常的ZigBee汇聚节点替换成我们所提出的智能汇聚节点即可实现WiFi和ZigBee异构网络的智能共存。

Description

一种基于信噪比冗余和干扰消除技术的异构网络智能共存 方法

技术领域

本发明涉及一种基于信噪比冗余和干扰消除技术的异构网络智能共存方法，属于无线网络通信领域。

背景技术

十几年来，基于802.15.4的无线传感器网络(如ZigBee网络)在诸如医疗健康，环境监测等领域得到了广泛的应用。特别是人们越来越关注于将无线传感器网络部署于城市区域以提供在线和长期的监测，如CitySee等。ZigBee网络和WiFi网络共享同样的2.4GHzISM(Industrial,Scientific and Medical,工业，科学和医用)频段。但是WiFi网络已经在城市得到了广泛的部署以用于提供Internet接入服务。从而引入了ZigBee和WiFi网络之间的共存问题。最近的研究表明繁忙的WiFi网络流量会导致ZigBee网络性能的显著下降。

多种类型的方案已经被提出来以解决异构网络之间的共存问题。第一种类型的方案是在事先进行频谱规划，针对不同的网络使用不同的频谱资源。第二种类型的方案要求宽带设备(如WiFi)将窄带设备(如ZigBee)所使用的频谱资源主动让出来，从而实现频率上无干扰的共存。第三种类型的方案设计一些新的ZigBee协议(如预测，恢复，保护等)或者定制前导码，以实现时间上无干扰的共存。

但是，由于以下原因，这些方案都很难部署于城市监测环境。首先，市区尤其是居民区的WiFi网络都是不受控制且不可预测的，这使得对WiFi设备的协调和修改都不可行。其次，之前所提到的这些新协议要么在弱小的感知节点消耗较多的计算资源，要么需要网络间的协调，从而导致较大的开销。第三，之前提到的部分方法需要对ZigBee节点重新编程，并且导致WiFi网络性能下降，从而不适用于大规模长期的城市监测。

为了解决这些困难，我们提出了智能汇聚节点方案，来增强现有的ZigBee网络抗干扰性能。我们发现，当WiFi和ZigBee的信号发生冲突时，尤其是在对称区域，WiFi的信号强度通常显著高于ZigBee的信号强度，从而为应用干扰消除技术带来了机会。智能汇聚节点的设计方案受到这一观察的启发。为了能够在WiFi和ZigBee的信号冲突时恢复ZigBee的数据，智能汇聚节点首先解出WiFi数据，然后将WiFi干扰消除，最后再解ZigBee数据。为了提供解决冲突的能力，智能汇聚节点增加了WiFi干扰管理模块，并且重新设计了现有的汇聚节点结构。这一全新设计可以使WiFi和ZigBee网络同时进行数据传输。进而，重新设计的结构可以使用正交信道来同时连接多个ZigBee网络。

注意到，这样的设计是复杂并且有挑战性的。智能汇聚节点利用信噪比冗余和干扰消除技术来实现ZigBee信号和WiFi信号的共存，从而与之前基于MIMO的方案和需要辅助节点的方案有着本质的不同。对于单天线设计来说，需要更加健壮并且准确的WiFi信号解码方案，即使WiFi信号受到了ZigBee信号的干扰。同时，由于需要将解码之后的信号重新生成以完成干扰消除，也需要更加准确的信道参数估计和有效的干扰边界检测。

我们使用了两种全新的方案来解决这两个挑战。首先，我们使用了基于软判决的Viterbi译码来计算每个子载波的置信度。在异构技术体制下，每个子载波所受到的干扰情况是不一样的，这一信息可以用来提高WiFi数据解码的健壮性。其次，不同于使用短训练序列来估计频偏和使用长训练序列来估计信道参数，我们使用了全部解调得到的数据来作为训练序列来估计频偏和信道参数。我们的主要发现是在异构技术体制共存下可以利用能量、频率和编码方面的机会。因为不同的配置可以为缓解干扰和数据恢复提供一些多维的信息。同时，我们所采用的方案缩小了WiFi和其它ISM频段技术的鸿沟，因为ZigBee信号在很多方面都与WiFi信号类似并且包含很多语义信息。

所提方案具有一些优越的特性。首先，能够实现无干预的共存，而不像之前的方案那样要么牺牲ZigBee的性能要么牺牲WiFi的性能。所提方案不需要抑制WiFi对ZigBee的干扰，从而在提高ZigBee吞吐量的同时不会影响到WiFi网络的时延。其次，是一个平滑的方案，可以提供平滑的后向兼容性。增加一个新的智能汇聚节点是一个非常可行的方案：它不需要对现有的ZigBee协议和已部署的ZigBee节点做任何修改。同时，增加汇聚节点所带来的额外开销相对于重新部署大量的传感节点来说也要小的多。可以预见，这一方案可以平滑地支持未来的家用无线网络。在未来家用无线网络中，很多基于WiFi和ZigBee的无线设备被广泛地部署。

发明内容

本发明设计时充分考虑与现有的ZigBee和WiFi网络的异同之处，不需要对WiFi和ZigBee节点进行任何修改和干预，只需将通常的ZigBee汇聚节点替换成我们所提出的智能汇聚节点即可实现WiFi和ZigBee异构网络的智能共存，有效解决WiFi和ZigBee网络共存时的互相干扰问题，提高网络吞吐量；为了达到上述目的，本发明采用以下技术方案予以实现：一种基于信噪比冗余和干扰消除技术的异构网络智能共存方法，包括以下步骤：

(1)频谱搬移和合并。智能汇聚节点采用了宽频的射频前端来将WiFi信号和ZigBee的信号同时接收下来。然后通过频谱搬移来将WiFi和ZigBee的信号分别移到相应的中心频率上去，再进行相应的处理。

(2)干扰检测。智能汇聚节点只有在检测到WiFi信号时才进行干扰消除工作。我们使用了广泛使用的自相关方法来检测WiFi信号是否存在。

(3)WiFi信号解码。使用WiFi信号的短训练序列(Short Training Symbols,STS)来估计频偏，使用长训练序列(Long Training Symbols,LTS)来实现符号同步和信道参数估计。并使用了基于软判决的维特比译码器以提高解码性能。

(4)WiFi信号的精确信道参数估计。使用了解调得到的全部WiFi数据来估计载波频率偏差并对进行补偿。同样使用了解调得到的全部WiFi数据来估计WiFi信号的信道参数。

(5)干扰消除。由于WiFi信号的强度通过比ZigBee信号的强度高，所以即使WiFi和ZigBee同时接入信道也可能将WiFi的数据解出来。方案的关键设计就是基于这一观察，先将ZigBee信号当作背景噪声并用标准的WiFi解码过程得到WiFi数据。然后将解出的数据重新调制，并加入真实信道的影响，然后使用干扰消除(Interference Cancelation，IC)技术来将较强的WiFi信号减掉。最后使用标准的ZigBee解码过程得到ZigBee数据。

(6)ZigBee信号解码。ZigBee数据解调模块完成ZigBee信号的频偏补偿，相位恢复，解决相位模糊问题，时钟恢复，OQPSK解调，解扩和循环冗余检测。从而实现了对ZigBee信号的相关解调。

本发明的有益效果：

本发明与现有技术相比，其显著优是：本发明不需要对现有的WiFi和ZigBee节点进行任何修改和干预，只需将通常的ZigBee汇聚节点替换成所提出的智能汇聚节点即可实现WiFi和ZigBee网络的共存。

附图说明

图1是异构网络智能共存场景的结构示意图。

图2是WiFi信号的频谱图。

图3是ZigBee信号的频谱图。

图4是WiFi和ZigBee冲突时的能量幅度图。

图5是系统结构图。

具体实施方式

下面将结合附图对本发明作详细的介绍：如图1-5所示，本发明一种基于信噪比冗余和干扰消除技术的异构网络智能共存方法，该方法包括以下步骤：

(1)频谱搬移和合并。

为了应对多个正交的ZigBee网络和WiFi信号干扰，所提方案使用了宽频的射频前端。但是宽频采样所得到的宽频信号不能直接用于ZigBee信号的解调。频谱搬移模块将采样得到的宽频信号进行频谱搬移以用于ZigBee信号的解调。

首先假设在ZigBee通信时不存在WiFi信号干扰。令x_z(t)为t时刻采样得到的ZigBee信号，H_z是相应的信道参数。那么

其中y(t)为收到的信号，δ_f为WiFi信号和ZigBee信号中心频率偏差，j为虚数单位即

π为圆周率即3.14…，e为数学常数即自然对数函数的底数2.71…，n(t)为背景噪声。

频谱搬移和合并模块主要包括三个步骤：频率转换，FIR滤波和再采样。频率转换主要是为了去掉中心频率频偏δ_f，可以通过对收到的信号乘以

得到。由于ZigBee信号的带宽只有2MHz，远低于WiFi信号20MHz的带宽。为了进一步提高ZigBee信号的SNR，我们使用了FIR(有限冲激响应)滤波器以滤除不需要的带外干扰。然后我们使用再采样模块来降低信号的采样频率以在保持ZigBee信号的同时提高处理速度。

频谙合并模块用于在发送端来完成相反的处理过程。这略去了具体的细节。为了支持多个正交的ZigBee网络，只需要在发送和接收链路中增加并行的频谱转换模块即可。

(2)干扰检测。

智能汇聚节点只有在检测到WiFi信号时才进行干扰消除工作。我们使用了广泛使用的自相关方法来检测WiFi信号是否存在。主要方法是利用了WiFi信号短训练序列的重复模式。令r_t表示第t个采样值，L表示重复的长度。自相关可以表示为

其中r_t ^*表示第t个采样值的共轭。

为了得到归一化的结果，还需要计算

最终自相关的结果为m_n＝|c_n|²/(p_n)²。只有当WiFi信号到来时，m_n的值才会接近于1，因为只有WiFi信号才包含重复的序列。

为了得到WiFi信号的结束位置，我们利用了SIGNAL符号中所包含的帧长度信息。当然，WiFi信号结束时能量值的急剧下降也表明了WiFi信号的结束。

(3)WiFi信号解码。

WiFi信号解码部分主要包括三个模块：同步，信道估计和解调。

我们利用了WiFi帧的前导码信息，包括短训练序列和长训练序列来实现同步。同步主要包括三个步骤：帧同步，载波同步和符号同步。帧同步和频偏同步都利用了短训练序列的重复特性。我们使用了与干扰检测中相同的自相关方法来完成帧同步。载波同步使用了数据辅助的最大化相似度估计方法。

令第n个发送的信号为s_n，载波频偏为f_Δ，采样时间为T_s，那么接收到的基带信号为

令D为两个重复符号中同一采样值的时延。定义

得到

载波频偏可以近似为：

最终，经过频偏补偿后的信号为

符号同步是通过利用长训练序列来实现。载波频偏补偿后，我们将收到的信号与LTS做互相关来实现符号同步。然后将相应的循环前缀(Cyclic Prefix，CP)去掉。并通过快速傅立叶变换(Fast Fourier Transform，FFT)来将接收到信号从时域转换到频域。

信道参数估计是通过频域的方法来实现。信道估计可以表示为

其中，R_1，k和R_2，k表示收到的LTS，X_k表示发送的LTS，

表示X_k的共轭，H_k表示第k个子载波的信道响应。

解调包括相位误差跟踪，码元判决，解交织和维特比译码。我们利用了“导频”子载波来完成相位误差踪。当接收端将前述的同步工作全部完成之后，我们使用了软值来对收到的码元进行判决。然后进行解交织和维特比译码来得到所发送的数据。

本发明使用了基于软判决的维特比译码来提高WiFi解码的健壮性。它使用了额外的信息以指示判决的置信度从而是得到了更好的译码性能。这一优良特性使得我们可以设计出更健壮的WiFi解码器。注意到，在频域上，ZigBee信号只能干扰部分子载波(如图2和图3所示)，并且我们可以根据之前的频谱搬移模块来得到准确的子载波信息。利用这一优势，我们可以对不同的子载波分配不同的权重。从而得到更好的译码性能。

(4)WiFi信号的精确信道参数估计。

为了精确估计H_w，我们利用了WiFi帧头的LTS信息。这一估计方法被称为最小均方算法，由于其较低的复杂度得到了广泛的应用。注意到OFDM(Orthogonal FrequencyDivision Multiplexing，正交频分复用)在频域将比特进行调制。所以我们估计每个子载波在频域的信道响应。令X_m＝(X_m[0]，…，X_m[n-1])为所使用的n个子载波的第m个训练符号。Y_m[k]为相应的第k个子载波的值。任一子载波k的频率响应可以表示为：

实际上会有多个符号用于信道估计。因此可以将所有的

进行平均以得到更精确的

在得到信道的频率响应后，可以使用逆傅立叶变换(Inverse Fast FourierTransform，IFFT)来得时域的信道冲激响应h。然后，信道对发送信号的影响可以简单地通过一个参数为h的FIR滤波器得到。

然而这一方法在我们的应用场景下有两个不足之处。首先，WiFi标准虽然定义了64个子载波但是只使用了其中的52个，还有12个子载波空闲。很难估计这些空闲子载波的信道参数。也就说不能够得到精确的h值，从而在干扰消除时引入较高的残余噪声。其次，仅使用长训练序列来估计信道参数是不够的，并且导频的相位跟踪也是非常重要的。由于不能够在FIR滤波时将相位旋转的影响加进去，同样导致了较高的残余噪声。因此，我们在频域对符号进行了干扰消除。消除之后的频域信号可以表示为

然后再进行IFFT得到时域信号。

我们同时发现，导致信道估计不准确的另一个重要原因是收发双方之间的载波频率偏差。我们提出了一个线性模型来补偿频偏。我们的线性模型可以随着时间的累积来自动调整收发节点之间的频偏，并且不会受到发送时间的影响。

另一个问题是我们必须谨慎地处理OFDM符号的循环前缀(CP)。CP是OFDM系统中对抗码间串扰的重要方法，并且放松了对时间同步精度的要求。然而，在我们的干扰消除应用下，我们需要得到准确的符号边界。否则就无法在时域生成完整的OFDM符号。我们使用了互相关技术，即将收到的信号与已知的序列(长训练序列)做相关。我们可以通过互相关结果中的峰值来准确判断符号的边界。

(5)干扰消除。

由于WiFi信号的强度通过比ZigBee信号的强度高20至20dB(如图4所示)，所以即使WiFi和ZigBee同时接入信道也可能将WiFi的数据解出来。智能汇聚节点的关键设计就是基于这一观察。因此，我们可以先将ZigBee信号当作背景噪声并用标准的WiFi解码过程得到WiFi数据。假如WiFi信号的信噪比足够高，很可能先解得WiFi数据。然后我们将解出的数据重新调制，并加入真实信道的影响，然后使用干扰消除(Interference Cancelation，IC)技术来将较强的WiFi信号减掉。如果能从混合的信号中减掉WiFi信号，就可以使用标准的ZigBee解码过程得到ZigBee数据。这一过程即为连续干扰消除(Successive InterferenceCancelation，SIC)，是用于处理不同能量信号的有效方法。

为了得到较准确的信号恢复，考虑用WiFi系统的中心频率和带宽得到的混合(即冲突)信号，(t)。令x_w(t)为WiFi信号，x_z(t)为ZigBee信号。有

其中H_w和H_z分别为WiFi和ZigBee信号的信道参数，，n(t)为噪声，δ_f为WiFi和ZigBee信号的中心频率偏差。

当H_wx_w(t)远大于H_zx_z(t)时，可以将

看作新的噪声N(t)。从而可以通过标准的WiFi解调过程得到x_w(t)。然后重新生成WiFi信号得到

从而得到

然后，可以将Y(t)按照频谱搬移步骤所讲的方法进行处理并最终得到ZigBee数据。

(6)ZigBee信号解码。

ZigBee数据解调模块完成ZigBee信号的频偏补偿，相位恢复，解决相位模糊问题，时钟恢复，OQPSK解调，解扩和循环冗余检测。从而实现了对ZigBee信号的相关解调。

本发明通过锁相环来实现精确的频偏补偿和相位恢复。由于相位恢复模块所使用的判决驱动的相位误差检测器有两个稳定值，即θ_e＝0和θ_e＝π。所以相位补偿模块会引入相位模糊问题。根据已知的前导码信息来解决相位模糊问题。再经过采样恢复后，接收到的信号被解调为符号序列。然后经过解扩后得到数据包内容。最后通过循环冗余检测来验证数据包的正确性。

Claims (1)

1.一种基于信噪比冗余和干扰消除技术的异构网络智能共存方法，其特征在于该方法包括以下步骤：

(1)频谱搬移和合并，智能汇聚节点采用了宽频的射频前端来将WiFi信号和ZigBee的信号同时接收下来，然后通过频谱搬移来将WiFi和ZigBee的信号分别移到相应的中心频率上去，再进行相应的处理；

(2)干扰检测，智能汇聚节点只有在检测到WiFi信号时才进行干扰消除工作，使用了广泛使用的自相关方法来检测WiFi信号是否存在；

(3)WiFi信号解码，使用WiFi信号的短训练序列(Short Training Symbols,STS)来估计频偏，使用长训练序列(Long Training Symbols,LTS)来实现符号同步和信道参数估计，并使用了基于软判决的维特比译码器以提高解码性能；

(4)WiFi信号的精确信道参数估计，使用了解调得到的全部WiFi数据来估计载波频率偏差并对进行补偿，同样使用了解调得到的全部WiFi数据来估计WiFi信号的信道参数；

(5)干扰消除，由于WiFi信号的强度通过比ZigBee信号的强度高，所以即使WiFi和ZigBee同时接入信道也可能将WiFi的数据解出来，方案的关键设计就是基于这一观察，先将ZigBee信号当作背景噪声并用标准的WiFi解码过程得到WiFi数据。然后将解出的数据重新调制，并加入真实信道的影响，然后使用干扰消除(Interference Cancelation，IC)技术来将较强的WiFi信号减掉。最后使用标准的ZigBee解码过程得到ZigBee数据；

(6)ZigBee信号解码，ZigBee数据解调模块完成ZigBee信号的频偏补偿，相位恢复，解决相位模糊问题，时钟恢复，OQPSK(偏移四相相移键控)解调，解扩和循环冗余检测，从而实现了对ZigBee信号的相关解调。

Images