CN114205016B - 一种面向智慧园区电力无线异构网络的干扰抑制方法 - Google Patents

一种面向智慧园区电力无线异构网络的干扰抑制方法 Download PDF

Info

Publication number
CN114205016B
CN114205016B CN202111519521.4A CN202111519521A CN114205016B CN 114205016 B CN114205016 B CN 114205016B CN 202111519521 A CN202111519521 A CN 202111519521A CN 114205016 B CN114205016 B CN 114205016B
Authority
CN
China
Prior art keywords
interference
signal
park
intelligent park
wireless
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
CN202111519521.4A
Other languages
English (en)
Other versions
CN114205016A (zh
Inventor
戴剑丰
卜成杰
周霞
解相朋
陆建强
万磊
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 CN202111519521.4A priority Critical patent/CN114205016B/zh
Publication of CN114205016A publication Critical patent/CN114205016A/zh
Application granted granted Critical
Publication of CN114205016B publication Critical patent/CN114205016B/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
    • H04B17/309—Measuring or estimating channel quality parameters
    • H04B17/345—Interference values
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04K—SECRET COMMUNICATION; JAMMING OF COMMUNICATION
    • H04K3/00—Jamming of communication; Counter-measures
    • H04K3/20—Countermeasures against jamming
    • H04K3/22—Countermeasures against jamming including jamming detection and monitoring
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04K—SECRET COMMUNICATION; JAMMING OF COMMUNICATION
    • H04K3/00—Jamming of communication; Counter-measures
    • H04K3/20—Countermeasures against jamming
    • H04K3/22—Countermeasures against jamming including jamming detection and monitoring
    • H04K3/224—Countermeasures against jamming including jamming detection and monitoring with countermeasures at transmission and/or reception of the jammed signal, e.g. stopping operation of transmitter or receiver, nulling or enhancing transmitted power in direction of or at frequency of jammer
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/06—Testing, supervising or monitoring using simulated traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/08—Testing, supervising or monitoring using real traffic
    • 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)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种面向智慧园区电力无线异构网络的干扰抑制方法，首先，根据预先采集的智慧园区内通信基站网络拓扑信息，构建智慧园区无线异构网络干扰邻接矩阵；其次，根据短时傅立叶变换将园区内电力终端节点采集的无线网络信号分解为多个小波段，统计小波段内无线信号的时域矩峰度和频率峰值特征；然后，根据智慧园区内无线网络干扰信号特征，构建智慧园区无线异构网络信号干扰判别器；最后，采用无线频谱对等补偿方式，对电力终端无线网络的干扰底噪进行信号修正。本发明构建的面向智慧园区电力无线异构网络的干扰抑制方法，在一定程度上缓解了现有智慧园区内基站设备间互相干扰的问题。

Description

一种面向智慧园区电力无线异构网络的干扰抑制方法
技术领域
本发明属于配电网通信技术领域，具体涉及一种面向智慧园区电力无线异构网络的干扰抑制方法。
背景技术
智慧园区作为智慧城市发展的重要趋势，担负着科技创新、技术应用的重任，通过对智慧园区的建设，可以带动区域化科技的发展。智慧园区能源种类、终端种类逐渐增多，园区终端暴露面广，极易被外界接触，存在较大的网络安全威胁，其次园区终端业务数量不断增加，对通信传输的实时性、可靠性等要求不断增加；为了满足园区内海量终端节点的通信需求，新一代的智慧园区电力无线异构网络建设中，引入了大量低功率通信基站，以达到降低宏基站负载、提升园区网络容量和保障园区可靠通信的目的。
传统的电力无线异构网络中，由于宏基站和微基站的发射功率相差较大，网络运行过程中不考虑网络抑制问题；然而，现有智慧园区内各个小基站距离较近，小功率基站又使用相近的频谱资源，园区内终端节点在通信过程中存在较大的相邻网络干扰问题。因此，面向智慧园区的电力无线异构网络干扰抑制方法，对智慧园区通信终端可靠运行工作具有重要的积极意义。
在该领域目前已有部分研究，传统无线异构网络干扰抑制方案采用对通信基站进行功率控制、频率复用等方式，实现对网络通信资源的再次分配来规避网络信号间干扰，但频谱共享时不同类型的网络基站资源分配，导致系统通信性能降低。部分专家为降低网络间干扰，提出采用信号处理的手段，借助在无线网络间设计滤波器，如采用迫零波束设计预编码的方法，分析网络用户的信道状态信息，抑制或降低干扰的影响，但由于预编码模型在构建过程中存在简化，导致了网络干扰信号分离的准确性问题。上述无线异构网络干扰抑制方案，无法实现智慧园区内超密集网络的干扰信号分离，难以实现园区内电力无线异构网络的干扰抑制。
发明内容
为解决上述技术问题，本发明提供了一种面向智慧园区电力无线异构网络的干扰抑制方法，其考虑了智慧园区的电力无线异构网络，对园区电力无线干扰信号特征进行提取，构建园区无线异构网络干扰判别器，学习干扰信号特征，进而更新无线网络干扰分离函数，通过干扰判别器实现小波段的信号分离，解决园区超密集网络电力终端的无线网络干扰问题。
对智慧园区内的电力无线干扰信号进行特征提取，构建园区无线异构网络干扰判别器，更新无线网络干扰分离函数，采用无线频谱对等补偿方式，对电力终端无线网络的干扰底噪进行信号修正，从而实现智慧园区电力无线网络干扰信号的抑制。
本发明所述的一种面向智慧园区电力无线异构网络的干扰抑制方法，其步骤为：
步骤1、根据智慧园区内电力通信终端与相邻基站节点间的发送功率，求解单个终端节点与基站间的信号干扰强度，根据预先采集的智慧园区内通信基站网络拓扑信息，构建智慧园区电力无线异构网络干扰邻接矩阵；
步骤2、根据短时傅立叶变换将园区内电力终端节点采集的无线网络信号分解为多个小波段，统计小波段内无线信号的时域矩峰度和频率峰值特征，实现对园区基站电力无线干扰信号特征的提取；
步骤3、根据智慧园区内无线网络干扰信号特征，构建智慧园区无线异构网络信号的干扰判别器，更新无线网络信号干扰分离函数，实现智慧园区内小波段信号的分离；
步骤4、根据干扰判别器分离出的无线网络干扰信号，采用无线频谱对等补偿方式，对电力终端无线网络的干扰底噪进行信号修正，扩大电力无线终端有效信号接收强度，实现智慧园区电力无线网络干扰信号的抑制。
进一步的，所述步骤1中，构建的智慧园区无线异构网络干扰邻接矩阵，由智慧园区内通信基站网络拓扑信息与终端节点间信号干扰强度耦合而成，所述智慧园区无线异构网络干扰邻接矩阵为：
Figure BDA0003408229740000021
其中，
Figure BDA0003408229740000031
为智慧园区无线网络基站对应的邻接矩阵，/>
Figure BDA0003408229740000032
表示第l个电力通信终端第i个基站节点对应的干扰强度矩阵，/>
Figure BDA0003408229740000033
表示智慧园区内电力通信终端与相邻基站间的干扰信号强度。
进一步的，所述步骤2中提取的智慧园区内电力无线干扰信号特征，包括小波段内的频率峰值g和时域矩峰度b特征两类，分别为：
Figure BDA0003408229740000034
Figure BDA0003408229740000035
其中，τ表示小波段信号长度的大小，κ表示小波段信号在f观测周期内波形峰值的均值，σ表示小波段信号在f观测周期内波形峰值的标准差，E表示小波段信号的均值。
进一步的，所述步骤3中，面向智慧园区电力无线异构网络信号的干扰判别器由提取的智慧园区内电力无线干扰信号特征训练而成，面向智慧园区电力无线异构网络信号的干扰判别器设计如下：
Figure BDA0003408229740000036
其中，x表示园区内小波段信号，GH表示特征提取器，θb表示小波段信号的时域矩峰度用于反向传播的模型梯度，θg表示小波段信号的频率峰值用于反向传播的模型梯度，
Figure BDA0003408229740000037
表示小波段的干扰强度矩阵。
进一步的，所述步骤4中，对智慧园区内小波段干扰信号，采用对等频谱补偿方式对干扰信号进行抑制，补偿方法如下：
Figure BDA0003408229740000038
其中，f表示对等频谱频率，t表示小波段的周期，ψ(t)表示园区内小波段干扰抑制后有效信号强度，p(t)表示分离得出单个小波段信号中的有效信号，q(t)表示分离得出单个小波段信号中的干扰信号。
本发明的有益效果为：
(1)基于智慧园区内通信基站网络拓扑信息和终端节点间信号干扰强度，构建的智慧园区无线异构网络干扰邻接矩阵，更加符合智慧园区内电力无线异构网络运行过程中的信号干扰实际，可以实现对智慧园区电力无线异构网络干扰模型的精准模拟。
(2)考虑了短时傅立叶变换，实现电力终端节点采集的无线网络信号分解，选取小波段内无线信号的时域矩峰度和频率峰值作为网络信号特征，实现对园区基站电力无线干扰信号特征的提取。
(3)构建的智慧园区无线异构网络信号干扰判别器，根据智慧园区内无线网络干扰信号特征，更新无线网络信号干扰分离函数，可以实现智慧园区内小波段信号的分离。
(4)基于无线频谱对等补偿方式，对干扰判别器分离的小波段干扰底噪进行修正，可以实现智慧园区电力无线网络干扰信号的抑制，具有重要工程实用价值。
附图说明
为了使本发明的内容更容易被清楚地理解，下面根据具体实施例并结合附图，对本发明作进一步详细的说明。
图1为本发明所述方法的流程图。
图2为面向智慧园区的无线异构网络仿真模型图；
图3为面向智慧园区的无线异构网络仿真效果图。
具体实施方式
如图1所示，一种面向智慧园区电力无线异构网络的干扰抑制方法，步骤为：
步骤1、根据智慧园区内电力通信终端与相邻基站节点间的发送功率，求解单个终端节点与基站间的信号干扰强度，根据预先采集的智慧园区内通信基站网络拓扑信息，构建智慧园区电力无线异构网络干扰邻接矩阵；
其中，智慧园区内电力通信终端与相邻基站间的干扰信号强度，用
Figure BDA0003408229740000041
表示：
Figure BDA0003408229740000042
其中：N0为高斯白噪声单边功率谱密度，S＝{b1,b2,…,bM}表示园区内异构网络的基站的集合，bi为第i个基站节点，U＝{k1,k2,…,kL}表示园区内电力通信终端集合，kl为园区内第l个电力通信终端，
Figure BDA0003408229740000051
为园区通信基站与电力通信终端之间的信道增益，/>
Figure BDA0003408229740000052
表示第i个基站的功耗系数，/>
Figure BDA0003408229740000053
为基站的发送功率，/>
Figure BDA0003408229740000054
表示终端所占的带宽。
根据智慧园区内通信基站网络拓扑信息与终端节点间信号干扰强度，构建智慧园区无线异构网络干扰邻接矩阵，所述智慧园区无线异构网络干扰邻接矩阵如下：
Figure BDA0003408229740000055
其中，
Figure BDA0003408229740000056
为智慧园区无线网络基站对应的邻接矩阵，/>
Figure BDA0003408229740000057
表示第l个电力通信终端第i个基站节点对应的干扰强度矩阵，/>
Figure BDA0003408229740000058
表示智慧园区内电力通信终端与相邻基站间的干扰信号强度。
步骤2、根据短时傅立叶变换将园区内电力终端节点采集的无线网络信号分解为多个小波段。
根据步骤1的网络干扰强度邻接矩阵，得到信号中单个小波段的干扰强度矩阵用
Figure BDA0003408229740000059
表示：
Figure BDA00034082297400000510
其中，n表示信号的第n个小波段，x表示园区内基站kl接收到的信号，f表示信号采样周期长度，ω表示园区内基站接收到信号的高频分量，j表示在信号周期f内观测到信号出现次数，τ表示小波段信号长度的大小；
计算单个小波段的干扰信号强度值，其中，
Figure BDA00034082297400000511
表示第n个小波段的干扰强度值，||*||表示向量欧式空间范数大小。
进一步统计园区内小波段无线信号的时域矩峰度和频率峰值特征，完成对园区基站电力无线干扰信号的特征提取，小波段信号的时域矩峰度用b表示，小波段信号的频率峰值用g表示：
Figure BDA0003408229740000061
Figure BDA0003408229740000062
其中，τ表示小波段信号长度的大小，κ表示小波段信号在f观测周期内的波形峰值的均值，σ表示小波段信号在f观测周期内的波形峰值的标准差，E表示小波段信号的均值。
步骤3、根据步骤2得到的智慧园区内无线网络干扰信号特征，构建智慧园区无线异构网络信号的干扰判别器，表示函数是：
Figure BDA0003408229740000063
其中，x表示园区内小波段信号，GH表示特征提取器，θb表示小波段信号的时域矩峰度用于反向传播的模型梯度，θg表示小波段信号的频率峰值用于反向传播的模型梯度，
Figure BDA0003408229740000064
表示小波段的干扰强度矩阵；
训练干扰判别器，在训练过程中更新干扰判别器的梯度θb和θg，梯度更新如下：
Figure BDA0003408229740000065
Figure BDA0003408229740000066
其中，
Figure BDA0003408229740000067
表示对函数求偏导，θb′表示更新后的时域矩峰度模型梯度，θg′表示更新后的频率峰值模型梯度，μ是干扰判别器的学习率，λ是干扰判别器损失值反向传播过程中的系数值。
根据训练得到的智慧园区无线网络信号的干扰判别器，分离得出单个小波段信号中的有效信号p(t)和干扰信号q(t)，实现智慧园区内小波段信号的分离。
步骤4、根据步骤3得到的小波段分离信号，园区内电力通信终端在接收网络信号过程中，补偿干扰信号对等频谱；
Figure BDA0003408229740000071
其中，f表示对等频谱频率，t表示小波段的周期，ψ(t)表示园区内小波段干扰抑制后有效信号强度，p(t)表示分离得出单个小波段信号中的有效信号，q(t)表示分离得出单个小波段信号中的干扰信号，同时电力无线终端增大对有效信号的接收强度，实现智慧园区电力无线网络的干扰抑制。
如图2所示，其为面向智慧园区的无线异构网络仿真模型图，图3为面向智慧园区的无线异构网络仿真效果图。图3中横坐标为时间，纵坐标为信号幅值；Dis signal曲线表示园区内终端节点13的扰动信号，Valid signal曲线表示添加本发明所述方法后的有效信号，可以看到本发明所述的方法明显抑制了信号扰动。
以上所述仅为本发明的优选方案，并非作为对本发明的进一步限定，凡是利用本发明说明书及附图内容所作的各种等效变化均在本发明的保护范围之内。

Claims (3)

1.一种面向智慧园区电力无线异构网络的干扰抑制方法，其特征在于，所述方法的步骤为：
步骤1、根据智慧园区内电力通信终端与相邻基站节点间的发送功率，求解单个终端节点与基站间的信号干扰强度，根据预先采集的智慧园区内通信基站网络拓扑信息，构建智慧园区电力无线异构网络干扰邻接矩阵；
步骤2、根据短时傅立叶变换将园区内电力终端节点采集的无线网络信号分解为多个小波段，统计小波段内无线信号的时域矩峰度和频率峰值特征，实现对园区基站电力无线干扰信号特征的提取；
步骤3、根据智慧园区内无线网络干扰信号特征，构建智慧园区无线异构网络信号的干扰判别器，更新无线网络信号干扰分离函数，实现智慧园区内小波段信号的分离；
所述步骤3中，面向智慧园区电力无线异构网络信号的干扰判别器由提取的智慧园区内电力无线干扰信号特征训练而成，面向智慧园区电力无线异构网络信号的干扰判别器设计如下：
Figure FDA0004233195940000011
其中，x表示园区内小波段信号，GH表示特征提取器，θb表示小波段信号的时域矩峰度用于反向传播的模型梯度，θg表示小波段信号的频率峰值用于反向传播的模型梯度，
Figure FDA0004233195940000012
表示小波段的干扰强度矩阵；
步骤4、根据干扰判别器分离出的无线网络干扰信号，采用无线频谱对等补偿方式，对电力终端无线网络的干扰底噪进行信号修正，扩大电力无线终端有效信号接收强度，实现智慧园区电力无线网络干扰信号的抑制；
所述步骤4中，对智慧园区内小波段干扰信号，采用对等频谱补偿方式对干扰信号进行抑制，补偿方法如下：
Figure FDA0004233195940000013
其中，f表示对等频谱频率，t表示小波段的周期，ψ(t)表示园区内小波段干扰抑制后有效信号强度，p(t)表示分离得出单个小波段信号中的有效信号，q(t)表示分离得出单个小波段信号中的干扰信号。
2.根据权利要求1所述的一种面向智慧园区电力无线异构网络的干扰抑制方法，其特征在于，所述步骤1中，构建的智慧园区无线异构网络干扰邻接矩阵，由智慧园区内通信基站网络拓扑信息与终端节点间信号干扰强度耦合而成，所述智慧园区无线异构网络干扰邻接矩阵为：
Figure FDA0004233195940000021
其中，
Figure FDA0004233195940000022
为智慧园区无线网络基站对应的邻接矩阵，/>
Figure FDA0004233195940000023
表示第l个电力通信终端第i个基站节点对应的干扰强度矩阵，γbi,kl表示智慧园区内电力通信终端与相邻基站间的干扰信号强度。
3.根据权利要求1所述的一种面向智慧园区电力无线异构网络的干扰抑制方法，其特征在于，所述步骤2中提取的智慧园区内电力无线干扰信号特征，包括小波段内的频率峰值g和时域矩峰度b特征两类，分别为：
Figure FDA0004233195940000024
Figure FDA0004233195940000025
其中，τ表示小波段信号长度的大小，κ表示小波段信号在f观测周期内波形峰值的均值，σ表示小波段信号在f观测周期内波形峰值的标准差，E表示小波段信号的均值。
CN202111519521.4A 2021-12-13 2021-12-13 一种面向智慧园区电力无线异构网络的干扰抑制方法 Active CN114205016B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111519521.4A CN114205016B (zh) 2021-12-13 2021-12-13 一种面向智慧园区电力无线异构网络的干扰抑制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111519521.4A CN114205016B (zh) 2021-12-13 2021-12-13 一种面向智慧园区电力无线异构网络的干扰抑制方法

Publications (2)

Publication Number Publication Date
CN114205016A CN114205016A (zh) 2022-03-18
CN114205016B true CN114205016B (zh) 2023-06-23

Family

ID=80653065

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111519521.4A Active CN114205016B (zh) 2021-12-13 2021-12-13 一种面向智慧园区电力无线异构网络的干扰抑制方法

Country Status (1)

Country Link
CN (1) CN114205016B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102820954A (zh) * 2012-08-15 2012-12-12 北京工业大学 一种降低异构网络小区间干扰的方法
CN113435247A (zh) * 2021-05-18 2021-09-24 西安电子科技大学 一种通信干扰智能识别方法、系统及终端

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9007972B2 (en) * 2011-07-01 2015-04-14 Intel Corporation Communication state transitioning control
US8891604B2 (en) * 2011-09-28 2014-11-18 Nec Laboratories America, Inc. Coordinated multi-point transmission
WO2015020594A1 (en) * 2013-08-08 2015-02-12 Telefonaktiebolaget L M Ericsson (Publ) Channel quality indicator adjustment to account for network-assisted interference cancellation

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102820954A (zh) * 2012-08-15 2012-12-12 北京工业大学 一种降低异构网络小区间干扰的方法
CN113435247A (zh) * 2021-05-18 2021-09-24 西安电子科技大学 一种通信干扰智能识别方法、系统及终端

Also Published As

Publication number Publication date
CN114205016A (zh) 2022-03-18

Similar Documents

Publication Publication Date Title
CN107124381B (zh) 一种数字通信信号调制方式自动识别方法
CN109639377B (zh) 基于深度强化学习的频谱资源管理方法
CN110167176B (zh) 一种基于分布式机器学习的无线网络资源分配方法
CN111726156A (zh) 一种基于noma的资源分配方法与装置
CN110113179A (zh) 一种基于深度学习的携能noma系统的资源分配方法
CN108494511B (zh) 一种基于绝对值累积的动态到达频谱感知方法
CN105450274A (zh) 基于能效最优的大规模多天线中继系统用户数优化方法
CN105636188A (zh) 认知解码转发中继系统的功率分配方法
CN113242066B (zh) 一种多小区大规模mimo通信智能功率分配方法
Hajiabadi et al. Cooperative spectrum estimation over large‐scale cognitive radio networks
CN114205016B (zh) 一种面向智慧园区电力无线异构网络的干扰抑制方法
CN112822130B (zh) 一种5g高速移动系统中基于深度学习的多普勒频偏估计方法
CN104954055A (zh) 一种低复杂度的多用户信能同传系统能效优化方法
CN111740766A (zh) 一种基于码本的波束设计方法与装置
CN115334524B (zh) 一种基于全向智能超表面的通信和雷达目标检测方法
CN115086965B (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
CN114501503B (zh) 一种通感一体化系统的能效最大化发射波束优化方法
Yun et al. An orthogonal cognitive radio for a satellite communication link
CN113612571B (zh) 一种基于广义多分数傅里叶变换的多分量安全传输方法
CN102355282A (zh) 一种数字用户线系统中用户下线时的串音抑制方法
Yadav et al. Application of Machine Learning Framework for Next‐Generation Wireless Networks: Challenges and Case Studies
CN113747467A (zh) 一种非线性波形的同步和异步noma系统设计方法
CN113705646A (zh) 基于半监督元学习的射频细微特征信息提取方法及系统
Kumar et al. Comprehensive analysis of cyclo-stationary feature detection technique for efficient spectrum usage: Future research and recent advantages
An et al. Multimodality-aided multicarrier waveform recognition in low SNR regimes based on denoised cyclic autocorrelation transformation

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
CB03 Change of inventor or designer information

Inventor after: Dai Jianfeng

Inventor after: Bu Chengjie

Inventor after: Zhou Xia

Inventor after: Xie Xiangpeng

Inventor after: Lu Jianqiang

Inventor after: Wan Lei

Inventor before: Bu Chengjie

Inventor before: Zhou Xia

Inventor before: Xie Xiangpeng

Inventor before: Dai Jianfeng

Inventor before: Lu Jianqiang

Inventor before: Wan Lei

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant