CN114465681B - 一种用于电力物联网的多节点协作频谱感知方法及装置 - Google Patents

一种用于电力物联网的多节点协作频谱感知方法及装置 Download PDF

Info

Publication number
CN114465681B
CN114465681B CN202210010953.0A CN202210010953A CN114465681B CN 114465681 B CN114465681 B CN 114465681B CN 202210010953 A CN202210010953 A CN 202210010953A CN 114465681 B CN114465681 B CN 114465681B
Authority
CN
China
Prior art keywords
secondary node
node
threshold value
preset threshold
ratio
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
CN202210010953.0A
Other languages
English (en)
Other versions
CN114465681A (zh
Inventor
朱雪琼
路永玲
胡成博
杨景刚
张国江
王真
贾骏
秦剑华
刘子全
姚楠
薛海
孙蓉
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.)
State Grid Corp of China SGCC
State Grid Jiangsu Electric Power Co Ltd
Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Jiangsu Electric Power Co Ltd
Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd
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 State Grid Corp of China SGCC, State Grid Jiangsu Electric Power Co Ltd, Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202210010953.0A priority Critical patent/CN114465681B/zh
Publication of CN114465681A publication Critical patent/CN114465681A/zh
Application granted granted Critical
Publication of CN114465681B publication Critical patent/CN114465681B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • H04B17/318—Received signal strength
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel
    • H04B17/3912—Simulation models, e.g. distribution of spectral power density or received signal strength indicator [RSSI] for a given geographic region

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本申请公开了一种用于电力物联网的多节点协作频谱感知方法及装置，所述方法包括：根据任意次节点的采样信号，获取任意次节点的能量统计量；将所述任意次节点的能量统计量与第一预设门限值进行比较；若大于所述第一预设门限值，判决主节点占用此次节点的频段；若小于或等于所述第一预设门限值，根据任意次节点的采样信号，获取任意次节点的协方差矩阵；根据所述任意次节点的协方差矩阵，获取任意次节点的比值；将任意次节点的比值与第二预设门限值进行比较；若大于或等于第二预设门限值，判决主节点未占用此次节点的频段；若小于第二预设门限值，判决主节点占用此次节点的频段；本申请能够提高电力物联网中频谱感知的效率。

Description

一种用于电力物联网的多节点协作频谱感知方法及装置
技术领域
本申请主要涉及频谱感知技术领域，尤其是一种用于电力物联网的多节点协作频谱感知方法及装置。
背景技术
随着电力业务智能化发展趋势，以及电力物联网的规模部署，电力物联网中有限的频谱资源变得越来越稀缺和宝贵。大量调查发现无线频谱资源的利用率往往不高，且大量频谱资源空闲与频谱资源紧张的情况同时存在。因此，需要对电力物联网中的频谱进行频谱感知，判断频谱是繁忙还是空闲。
现有技术中，通常通过频谱感知模型进行频谱感知，频谱感知模型中包括主节点和次节点，利用传统频谱感知技术，达到频谱感知的目的。传统频谱感知技术主要以能量检测为主，其中能量检测技术不需要知道信号的先验信息，复杂度较低，但受噪声影响较大。基于最大最小特征值之比算法(MME)和最大最小特征值之差算法(DMM)的频谱感知算法，在低信噪比有较高检测概率，但检测速率较慢，同时门限的阈值服从 Tracy-Wisdom分布，没有固定的分布函数，需要查表取值，不够灵活。
发明内容
为了解决现有技术中，在进行电力物联网的频谱感知时，检测效率低的问题，本申请公开了一种用于电力物联网的多节点协作频谱感知方法及装置。
本申请第一方面公开了一种用于电力物联网的多节点协作频谱感知方法，包括：
根据任意次节点的采样信号，获取任意次节点的能量统计量；
将所述任意次节点的能量统计量与第一预设门限值进行比较；若大于所述第一预设门限值，判决主节点占用此次节点的频段；若小于或等于所述第一预设门限值，根据任意次节点的采样信号，获取任意次节点的协方差矩阵；
根据所述任意次节点的协方差矩阵，获取任意次节点的比值；
将任意次节点的比值与第二预设门限值进行比较；若大于或等于第二预设门限值，判决主节点未占用此次节点的频段；若小于第二预设门限值，判决主节点占用此次节点的频段。
可选的，所述根据所述任意次节点的协方差矩阵，获取任意次节点的比值，包括：
获取任意次节点的协方差矩阵的平均特征值和最大特征值；
将所述平均特征值和最大特征值的比值作为任意次节点的比值。
可选的，所述任意次节点的采样信号，包括：
对任意次节点所接收到的信号进行随机采样。
可选的，所述根据任意次节点的采样信号，获取任意次节点的能量统计量，包括：
根据如下公式，获取所述任意次节点的能量统计量：
其中，E为任意次节点的能量统计量，N为采样数，yi(k)为任意次节点所接收到的信号，i表示任意次节点。
可选的，所述第一预设门限值根据如下公式获取：
其中，γ1为第一预设门限值，σ2为加性高斯白噪声的方差，Pf为虚警概率，N为采样数。
可选的，所述第二预设门限值根据如下公式获取：
其中，γ2为第二预设门限值，L为任意次节点采样信号的矩阵的维度。
本申请第二方面公开了一种用于电力物联网的多节点协作频谱感知装置，所述装置应用于所述的一种用于电力物联网的多节点协作频谱感知方法，包括：
能量统计模块，用于根据任意次节点的采样信号，获取任意次节点的能量统计量；
第一判决模块，用于将所述任意次节点的能量统计量与第一预设门限值进行比较；若大于所述第一预设门限值，判决主节点占用此次节点的频段；若小于或等于所述第一预设门限值，根据任意次节点的采样信号，获取任意次节点的协方差矩阵；
比值获取模块，用于根据所述任意次节点的协方差矩阵，获取任意次节点的比值；
第二判决模块，用于将任意次节点的比值与第二预设门限值进行比较；若大于或等于第二预设门限值，判决主节点未占用此次节点的频段；若小于第二预设门限值，判决主节点占用此次节点的频段。
可选的，所述比值获取模块包括：
数据获取单元，用于获取任意次节点的协方差矩阵的平均特征值和最大特征值；
比值获取单元，用于将所述平均特征值和最大特征值的比值作为任意次节点的比值。
可选的，所述能量统计模块包括：
信号采集单元，用于对任意次节点所接收到的信号进行随机采样。
可选的，所述能量统计模块包括：
根据如下公式，获取所述任意次节点的能量统计量：
其中，E为任意次节点的能量统计量，N为采样数，yi(k)为任意次节点所接收到的信号，i表示任意次节点。
本申请公开了一种用于电力物联网的多节点协作频谱感知方法及装置，所述方法包括：根据任意次节点的采样信号，获取任意次节点的能量统计量；将所述任意次节点的能量统计量与第一预设门限值进行比较；若大于所述第一预设门限值，判决主节点占用此次节点的频段；若小于或等于所述第一预设门限值，根据任意次节点的采样信号，获取任意次节点的协方差矩阵；根据所述任意次节点的协方差矩阵，获取任意次节点的比值；将任意次节点的比值与第二预设门限值进行比较；若大于或等于第二预设门限值，判决主节点未占用此次节点的频段；若小于第二预设门限值，判决主节点占用此次节点的频段。
本申请不需要知道主节点的先验信息，不受噪声干扰；本申请在低信噪比、采样点数较少情况下，有更好的感知性能；本申请能够提高电力物联网中频谱感知的效率；本申请适用于电力物联网频谱环境复杂情况下的无线通信。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，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为本申请实施例公开的一种用于电力物联网的多节点协作频谱感知方法的流程示意图；
图2为本申请实施例公开的一种用于电力物联网的多节点协作频谱感知装置的结构示意图。
具体实施方式
为了解决现有技术中，在进行电力物联网的频谱感知时，检测效率低的问题，本申请公开了一种用于电力物联网的多节点协作频谱感知方法及装置。
本申请第一实施例公开了一种用于电力物联网的多节点协作频谱感知方法，参见图 1所示的流程示意图，包括：
构建多节点频谱感知模型，模型中包括主节点、次节点和中心节点。假设系统信道为瑞利衰落信道，在不干扰主节点正常通信的前提下，次节点SU1和SU2进行协作感知，借助频谱空穴进行通信。将判决结果发送给中心节点,中心节点进行最终判决：判决为H1，表示频谱繁忙，主节点使用该频谱；判决为H0，表示频谱空闲，主节点未使用该频谱。
次节点根据统计学中二元假设模型对主节点所使用频谱进行检测可以表示为：
其中yi(k)表示SUi接收到信号，xi(k)表示待测的主节点信号,hi(k)表示SUi接收信号的路径损耗因子，wi(k)表示为一个加性高斯白噪声，其均值为0，方差为σ2。
步骤101，根据任意次节点的采样信号，获取任意次节点的能量统计量。具体的，对任意次节点所接收到的信号进行随机采样。根据如下公式，获取所述任意节点的能量统计量：
其中，E为任意次节点的能量统计量，N为采样数，yi(k)为任意次节点所接收到的信号，i表示任意次节点。
步骤102，将所述任意次节点的能量统计量与第一预设门限值进行比较。若大于所述第一预设门限值，判决主节点占用此次节点的频段。若小于或等于所述第一预设门限值，根据任意次节点的采样信号，获取任意次节点的协方差矩阵。所述第一预设门限值根据如下公式获取：
其中，γ1为第一预设门限值，σ2为加性高斯白噪声的方差，Pf为虚警概率，N为采样数。
次节点将统计量E与门限值γ1进行初始判决，若统计量E比门限值γ1大，则判决结果为H1，表示主节点繁忙，不存在频谱空穴。
若统计量E比门限值γ1小，则计算接收信号协方差矩阵，求出特征值并加以分析。L个连续接收信号的信号向量表示为：
Yk＝[yk，yk-1，yk-2…，yk-L，yk-L+1]T；
Xk＝[hkxk，hk-1xk-1，hk-2xk-2…，hk-Lxk-L，hk-L+1xk-L+1]T；
其中，L为平滑指数,yk为SU接收的样本信号，xk为PU发送的样本信号。对SUi按照采样数N进行采样，则得到矩阵Yk的维度为L×N：
接收信号的采样协方差矩阵RY(N)的维度为L×L：
其中RX＝E[XkXk T],σ2为加性高斯白噪声的方差，IL是维度L×L的单位矩阵。
步骤103，根据所述任意次节点的协方差矩阵，获取任意次节点的比值，包括：
获取任意次节点的协方差矩阵的平均特征值和最大特征值。
将所述平均特征值和最大特征值的比值作为任意次节点的比值。
步骤104，将任意次节点的比值与第二预设门限值进行比较。若大于或等于第二预设门限值，判决主节点未占用此次节点的频段。若小于第二预设门限值，判决主节点占用此次节点的频段。
利用采样协方差矩阵，分别计算出各自协方差矩阵的平均特征值和最大特征值λimax。判决规则为：
SUi将各自的判决结果发送给中心节点，中心节点根据与准则，进行最终的判决。
当主节点处于H0状态时，只有加性高斯白噪声，则RX＝0。SUi接收到的信号平均能量可以表示为：
当主节点处于H0状态时，yi(k)服从正态分布，服从自由度1的χ2分布，其均值为1，方差为2。根据中心极限定理，当信号的采样点N足够大时：
虚警概率Pf2：
门限值γ2可以表示为：
经过仿真验证，所提多节点协作频谱感知方法相对于传统能量检测算法、MME算法、特征值算法在检测概率上有明显提升，在保证较高检测概率的前提下，提高了检测效率。具有不需要知道主节点的先验信息，不受噪声干扰的优点，在低信噪比、采样点数较少情况下，有更好的感知性能，适合电力物联网频谱环境复杂情况下的无线通信。
本申请公开了一种用于电力物联网的多节点协作频谱感知方法及装置，所述方法包括：根据任意次节点的采样信号，获取任意次节点的能量统计量；将所述任意次节点的能量统计量与第一预设门限值进行比较；若大于所述第一预设门限值，判决主节点占用此次节点的频段；若小于或等于所述第一预设门限值，根据任意次节点的采样信号，获取任意次节点的协方差矩阵；根据所述任意次节点的协方差矩阵，获取任意次节点的比值；将任意次节点的比值与第二预设门限值进行比较；若大于或等于第二预设门限值，判决主节点未占用此次节点的频段；若小于第二预设门限值，判决主节点占用此次节点的频段。
本申请针对频谱感知技术的不足，对MME算法进行改进与优化，使门限阈值服从正态分布，能准确计算出门限值，并提出随机矩阵和能量双联合的协作频谱感知方法，保留能量检测算法和MME算法的优势。
本申请不需要知道主节点的先验信息，不受噪声干扰；本申请在低信噪比、采样点数较少情况下，有更好的感知性能；本申请能够提高电力物联网中频谱感知的效率；本申请适用于电力物联网频谱环境复杂情况下的无线通信。
本申请第二实施例公开了一种用于电力物联网的多节点协作频谱感知装置，所述装置应用于所述的一种用于电力物联网的多节点协作频谱感知方法，包括：
能量统计模块10，用于根据任意次节点的采样信号，获取任意次节点的能量统计量。
第一判决模块20，用于将所述任意次节点的能量统计量与第一预设门限值进行比较。若大于所述第一预设门限值，判决主节点占用此次节点的频段。若小于或等于所述第一预设门限值，根据任意次节点的采样信号，获取任意次节点的协方差矩阵。
比值获取模块30，用于根据所述任意次节点的协方差矩阵，获取任意次节点的比值。
第二判决模块40，用于将任意次节点的比值与第二预设门限值进行比较。若大于或等于第二预设门限值，判决主节点未占用此次节点的频段。若小于第二预设门限值，判决主节点占用此次节点的频段。
进一步的，所述比值获取模块30包括：
数据获取单元，用于获取任意次节点的协方差矩阵的平均特征值和最大特征值。
比值获取单元，用于将所述平均特征值和最大特征值的比值作为任意次节点的比值。
进一步的，所述能量统计模块10包括：
信号采集单元，用于对任意次节点所接收到的信号进行随机采样。
进一步的，所述能量统计模块10包括：
根据如下公式，获取所述任意次节点的能量统计量：
其中，E为任意次节点的能量统计量，N为采样数，yi(k)为任意次节点所接收到的信号，i表示任意次节点。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用于说明本发明的技术方案而非对其保护范围的限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解:本领域技术人员阅读本发明后依然可对发明的具体实施方式进行种种变更、修改或者等同替换，但这些变更、修改或者等同替换，均在发明待批的权利要求保护范围之内。

Claims (6)

1.一种用于电力物联网的多节点协作频谱感知方法，其特征在于，包括：
根据任意次节点的采样信号，获取任意次节点的能量统计量；
将所述任意次节点的能量统计量与第一预设门限值进行比较；若大于所述第一预设门限值，判决主节点占用此次节点的频段；若小于或等于所述第一预设门限值，根据任意次节点的采样信号，获取任意次节点的协方差矩阵；
根据所述任意次节点的协方差矩阵，获取任意次节点的比值；
将任意次节点的比值与第二预设门限值进行比较；若大于或等于第二预设门限值，判决主节点未占用此次节点的频段；若小于第二预设门限值，判决主节点占用此次节点的频段；
所述任意次节点的采样信号，包括：
对任意次节点所接收到的信号进行随机采样；
所述根据任意次节点的采样信号，获取任意次节点的能量统计量，包括：
根据如下公式，获取所述任意次节点的能量统计量：
其中，E为任意次节点的能量统计量，N为采样数，yi(k)为任意次节点所接收到的信号，i表示任意次节点；
所述第一预设门限值根据如下公式获取：
其中，γ1为第一预设门限值，σ2为加性高斯白噪声的方差， Pf为虚警概率，N为采样数；
所述第二预设门限值根据如下公式获取：
其中，γ2为第二预设门限值，L为任意次节点采样信号的矩阵的维度。
2.根据权利要求1所述的一种用于电力物联网的多节点协作频谱感知方法，其特征在于，所述根据所述任意次节点的协方差矩阵，获取任意次节点的比值，包括：
获取任意次节点的协方差矩阵的平均特征值和最大特征值；
将所述平均特征值和最大特征值的比值作为任意次节点的比值。
3.一种用于电力物联网的多节点协作频谱感知装置，所述装置应用于权利要求1或2所述的一种用于电力物联网的多节点协作频谱感知方法，其特征在于，包括：
能量统计模块，用于根据任意次节点的采样信号，获取任意次节点的能量统计量；
第一判决模块，用于将所述任意次节点的能量统计量与第一预设门限值进行比较；若大于所述第一预设门限值，判决主节点占用此次节点的频段；若小于或等于所述第一预设门限值，根据任意次节点的采样信号，获取任意次节点的协方差矩阵；
比值获取模块，用于根据所述任意次节点的协方差矩阵，获取任意次节点的比值；
第二判决模块，用于将任意次节点的比值与第二预设门限值进行比较；若大于或等于第二预设门限值，判决主节点未占用此次节点的频段；若小于第二预设门限值，判决主节点占用此次节点的频段。
4.根据权利要求3所述的一种用于电力物联网的多节点协作频谱感知装置，其特征在于，所述比值获取模块包括：
数据获取单元，用于获取任意次节点的协方差矩阵的平均特征值和最大特征值；
比值获取单元，用于将所述平均特征值和最大特征值的比值作为任意次节点的比值。
5.根据权利要求3所述的一种用于电力物联网的多节点协作频谱感知装置，其特征在于，所述能量统计模块包括：
信号采集单元，用于对任意次节点所接收到的信号进行随机采样。
6.根据权利要求3所述的一种用于电力物联网的多节点协作频谱感知装置，其特征在于，所述能量统计模块包括：
根据如下公式，获取所述任意次节点的能量统计量：
其中，E为任意次节点的能量统计量，N为采样数，yi(k)为任意次节点所接收到的信号，i表示任意次节点。
CN202210010953.0A 2022-01-05 2022-01-05 一种用于电力物联网的多节点协作频谱感知方法及装置 Active CN114465681B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210010953.0A CN114465681B (zh) 2022-01-05 2022-01-05 一种用于电力物联网的多节点协作频谱感知方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210010953.0A CN114465681B (zh) 2022-01-05 2022-01-05 一种用于电力物联网的多节点协作频谱感知方法及装置

Publications (2)

Publication Number Publication Date
CN114465681A CN114465681A (zh) 2022-05-10
CN114465681B true CN114465681B (zh) 2024-03-22

Family

ID=81410368

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210010953.0A Active CN114465681B (zh) 2022-01-05 2022-01-05 一种用于电力物联网的多节点协作频谱感知方法及装置

Country Status (1)

Country Link
CN (1) CN114465681B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115085833A (zh) * 2022-06-14 2022-09-20 重庆大学 一种面向多天线的两步协作窄带频谱检测方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103684626A (zh) * 2012-09-20 2014-03-26 中兴通讯股份有限公司 多用户协同频谱感知的数据融合方法及装置
CN107426736A (zh) * 2017-06-07 2017-12-01 广东工业大学 一种认知无线电的频谱感知方法及系统
CN109525339A (zh) * 2018-08-21 2019-03-26 广东工业大学 认知无线电的频谱感知方法、装置、设备以及存储介质
CN110337106A (zh) * 2019-07-10 2019-10-15 广东工业大学 一种抗ssdf攻击的协作频谱感知方法、装置及系统
CN111465023A (zh) * 2020-03-25 2020-07-28 山东大学 一种基于历史能量信息的自适应双门限频谱感知方法
CN111934797A (zh) * 2020-07-09 2020-11-13 广东工业大学 基于协方差特征值和均值漂移聚类的协作频谱感知方法
CN112165364A (zh) * 2020-08-11 2021-01-01 常州工学院 窄带频谱感知系统的增强频谱感知方法
CN113098604A (zh) * 2021-03-31 2021-07-09 苏州大学 可见光通信频谱感知系统及方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9277413B2 (en) * 2013-12-20 2016-03-01 King Fahd University Of Petroleum And Minerals Cooperative cognitive radio spectrum sensing using a hybrid data-decision method

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103684626A (zh) * 2012-09-20 2014-03-26 中兴通讯股份有限公司 多用户协同频谱感知的数据融合方法及装置
CN107426736A (zh) * 2017-06-07 2017-12-01 广东工业大学 一种认知无线电的频谱感知方法及系统
CN109525339A (zh) * 2018-08-21 2019-03-26 广东工业大学 认知无线电的频谱感知方法、装置、设备以及存储介质
CN110337106A (zh) * 2019-07-10 2019-10-15 广东工业大学 一种抗ssdf攻击的协作频谱感知方法、装置及系统
CN111465023A (zh) * 2020-03-25 2020-07-28 山东大学 一种基于历史能量信息的自适应双门限频谱感知方法
CN111934797A (zh) * 2020-07-09 2020-11-13 广东工业大学 基于协方差特征值和均值漂移聚类的协作频谱感知方法
CN112165364A (zh) * 2020-08-11 2021-01-01 常州工学院 窄带频谱感知系统的增强频谱感知方法
CN113098604A (zh) * 2021-03-31 2021-07-09 苏州大学 可见光通信频谱感知系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于相关系数的多天线协作频谱盲检测;叶迎晖;卢光跃;;电视技术;20160417(04);全文 *

Also Published As

Publication number Publication date
CN114465681A (zh) 2022-05-10

Similar Documents

Publication Publication Date Title
CN106911410B (zh) 一种通信主用户感知方法及系统
CN101951274A (zh) 低复杂度的合作频谱感知方法
CN110649982B (zh) 基于次用户节点选择的双阈值能量检测方法
CN114465681B (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
WO2019174050A1 (en) Cell search in a wireless network
CN109889288B (zh) 一种基于集合平均值迭代检测的连续频谱感知方法
CN107276696A (zh) 一种低信噪比条件下信号检测算法
CN112099057B (zh) 一种基于模糊逻辑的双门限协作gnss干扰检测算法
CN111465023B (zh) 一种基于历史能量信息的自适应双门限频谱感知方法
CN107770778B (zh) 一种基于软融合策略的盲协作频谱感知方法
Seo et al. Deep rp-cnn for burst signal detection in cognitive radios
CN105429913B (zh) 基于特征值的多电平检测与识别方法
CN111726182A (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
Liu et al. A novel wireless interference identification and scheduling method based on convolutional neural network
CN109600181B (zh) 一种用于多天线的频谱感知方法
CN108900268B (zh) 利用小特征值估计噪声功率的最大特征值频谱感知方法
CN116248208A (zh) 一种基于协同感知动态频谱切换的干扰规避方法及系统
JP5252430B2 (ja) 信号検出方法，プログラム，情報記憶媒体，及びセンサー
CN109286937B (zh) 利用小特征值估计噪声功率的协方差矩阵频谱感知方法
CN113179143A (zh) 一种基于最大最小值的融合频谱感知方法及系统
CN103947148B (zh) 一种非连续传输检测装置及方法
US8892052B2 (en) Methods for determining whether a signal includes a wanted signal and apparatuses configured to determine whether a signal includes a wanted signal
Tekbıyık et al. Real-world considerations for deep learning in wireless signal identification based on spectral correlation function
WO2022188467A1 (zh) 干扰检测方法、装置、设备和存储介质
CN111884706B (zh) 一种卫星频谱检测方法、装置、设备和存储介质

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