CN115021845A - 一种频谱感知方法、系统、介质、设备及终端 - Google Patents
一种频谱感知方法、系统、介质、设备及终端 Download PDFInfo
- Publication number
- CN115021845A CN115021845A CN202210695131.0A CN202210695131A CN115021845A CN 115021845 A CN115021845 A CN 115021845A CN 202210695131 A CN202210695131 A CN 202210695131A CN 115021845 A CN115021845 A CN 115021845A
- Authority
- CN
- China
- Prior art keywords
- spectrum sensing
- signal
- detection
- sensing method
- obtaining
- 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
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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- 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)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
- Noise Elimination (AREA)
Abstract
本发明属于无线通信技术领域,公开了一种频谱感知方法、系统、介质、设备及终端,认知用户将接收到的数据表示为观测向量;根据相似度测度函数,构造抑制脉冲噪声影响的频谱感知方法的检测统计量;采用统计分析的方法,得到检测统计量在H0和H1假设下的均值和方差;根据Neyman‑Pearson准则,得到判决门限;根据判决门限判断主用户信号是否存在。本发明通过统计理论,推导了基于相似度测量的频谱感知方法的虚警概率以及对应的检测门限,可以很好地压制脉冲噪声影响,有效提高脉冲噪声环境下频谱感知性能。本发明采用基于相似度测量的频谱感知方法,具有较低的计算复杂度,在相对较低信噪比和相对较少的样本条件下具有较好的检测性能。
Description
技术领域
本发明属于无线通信技术领域,尤其涉及一种频谱感知方法、系统、介质、设备及终端。
背景技术
目前,无线多媒体技术的广泛应用,导致无线通信系统中对更高数据速率的需求的日益增加。然而,静态分配频谱资源的方式,使得当前的频谱利用效率极低。因此,为了应对无线电频谱需求的巨大增长,并能有效的提高频谱利用率,提出了采用认知无线电方式,使得次用户(未授权)有机会访问主要用户(授权)的未使用的频段。频谱感知技术可以检测空闲频段,是次用户“机会式”使用空闲频段的基础。
目前,已有大量学者在频谱感知方面做了研究。能量检测不需要任何主用户的先验信息,只需次用户对感兴趣的授权频段进行功率估计。该算法原理简单,计算复杂度低特点。循环平稳特征检测算法利用了主用户发射信号循环频率的先验统计特性进行信号的检测。但是在非高斯下,性能很差。同时,由于验证信号的循环平稳性需要的复数乘法运算量较多,计算复杂度较高。相类似,匹配滤波算法在非高斯环境下,由于噪声具备长拖尾特性,信噪比下降很多,导致检测虚警概率增加,检测性能严重下降。基于接收信号统计特性的协方差矩阵特征值检测方法和基于采样协方差矩阵的最大-最小特征值检测方法等,都以精确的协方差矩阵为基础,缺点是需要的样本量较大,感知周期较长。
接收器经常遇到的背景噪声都呈现脉冲性,使得接收机接收到的信号中包含非高斯脉冲噪声,与高斯噪声相比较,非高斯脉冲噪声具有脉冲性和长拖尾特性,该性质严重影响了频谱感知的性能。现有技术计算复杂度远大于能量检测器,且算法的性能与参数的选择相关性较大,严重影响了非高斯脉冲噪声环境下的频谱感知性能。
通过上述分析,现有技术存在的问题及缺陷为:
(1)现有的循环平稳特征检测算法在非高斯下性能很差;同时,由于验证信号的循环平稳性需要的复数乘法运算量较多,计算复杂度较高。
(2)现有的匹配滤波算法在非高斯环境下,由于噪声具备长拖尾特性,信噪比下降很多,导致检测虚警概率增加,检测性能严重下降。
(3)现有的基于接收信号统计特性的协方差矩阵特征值检测方法和基于采样协方差矩阵的最大-最小特征值检测方法等需要的样本量较大,感知周期较长。
(4)现有技术计算复杂度远大于能量检测器,且算法的性能与参数的选择相关性较大,严重影响了非高斯脉冲噪声环境下的频谱感知性能。
发明内容
针对现有技术存在的问题,本发明提供了一种频谱感知方法、系统、介质、设备及终端,尤其涉及一种基于相似度测量的频谱感知方法、系统、介质、设备及终端。
本发明是这样实现的,一种频谱感知方法,所述频谱感知方法包括:
认知用户将接收到的数据表示为观测向量;根据相似度测度函数,构造抑制脉冲噪声影响的频谱感知方法的检测统计量;采用统计分析的方法,得到检测统计量在主用户信号存在和主用户信号不存在两种假设下的均值和方差;根据Neyman-Pearson准则,得到判决门限,并根据判决门限判断主用户信号是否存在。
进一步,所述频谱感知方法包括以下步骤:
步骤一,获取接收信号,并表示为观测向量X=[x(1),x(2),…,x(N)]T的形式;
步骤二,计算检测统计量TSM;
步骤四,计算判决门限ξ;
步骤五,根据判决门限判断主用户信号是否存在。
进一步,所述步骤一中的获取接收信号并表示为观测向量的形式包括:
认知用户通过接收机接收到N个观测数据,或者通过信号发生器生成包含脉冲噪声的无线电接收信号数据;将接收数据表示为观测向量:
X=[x(1),x(2),…,x(N)]T;
其中,X为观测向量,x(n)为认知用户在第n个时刻接收到的数据。
进一步,所述步骤二中的计算检测统计量TSM包括:
定义相似度测度函数K(x(n),x(m))为:
其中,p是任意正常数,取值为p∈[1,3];C为较小的常数,取值为1;x(m)为认知用户在第n个时刻接收到的数据。
根据相似度测度函数,构造抑制脉冲噪声影响的频谱感知方法的检测统计量TSM为:
根据检测统计量TSM,当x(n)或者x(m)中含有大的脉冲噪声时,x(n)与x(m)的差值非常大,从而导致x(n)与x(m)同时受脉冲噪声影响并且差值很小的概率几乎为0;当x(n)与x(m)不受大脉冲噪声影响时,如果有信号,x(n)与x(m)的差值相对较大,从而TSM相对较小;如果没有信号,x(n)与x(m)的差值相对较小,从而TSM相对较大,故根据统计量TSM在抑制脉冲噪声影响基础上判断接收信号中是否含有主用户信号。
采用统计分析的方法,得到检测统计量在H0和H1假设下的均值ak和方差其中k=0,1,H0表示主用户信号未占用信道时,认知用户接收到的数据;H1表示主用户信号占用信道时,认知用户接收到的数据;E[·]表示均值,则:
进一步,所述步骤四中的计算判决门限ξ包括:
根据检测统计量TSM的渐近分布及分布参数,得到基于相似度测度的频谱感知方法的虚警概率Pf和检测概率Pd分别为:
根据Neyman-Pearson准则,得到对应的判决门限ξ为:
ξ=Q-1(1-Pf)σ0+α0;
其中,Q-1(·)表示Q函数的逆运算。
所述步骤五中,根据以下判决门限判断主用户信号是否存在:
当TSM≥ξ时,判定为主用户信号不存在,未占用信道;当TSM<ξ时,判定为主用户信号存在,占用信道。
本发明的另一目的在于提供一种应用所述的频谱感知方法的频谱感知系统,所述频谱感知系统包括:
数据接收及表示模块,用于认知用户将接收到的数据表示为观测向量;
检测统计量计算模块,用于根据相似度测度函数,构造抑制脉冲噪声影响的频谱感知方法的检测统计量;
均值和方差计算模块,用于采用统计分析的方法,得到检测统计量在H0和H1假设下的均值和方差;
主用户信号判断模块,用于根据Neyman-Pearson准则,得到判决门限;并根据判决门限判断主用户信号是否存在。
本发明的另一目的在于提供一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行所述的频谱感知方法。
本发明的另一目的在于提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行所述的频谱感知方法。
本发明的另一目的在于提供一种信息数据处理终端,所述信息数据处理终端用于实现所述的频谱感知系统。
结合上述的技术方案和解决的技术问题,请从以下几方面分析本发明所要保护的技术方案所具备的优点及积极效果为:
第一、针对上述现有技术存在的技术问题以及解决该问题的难度,紧密结合本发明的所要保护的技术方案以及研发过程中结果和数据等,详细、深刻地分析本发明技术方案如何解决的技术问题,解决问题之后带来的一些具备创造性的技术效果。具体描述如下:
本发明基于相似度测量,先确定检测统计量,以及检测统计量在H0和H1假设下的均值和方差,再根据Neyman-Pearson准则,得到判决门限,最后提出了一种基于相似度测量的频谱感知方法。
本发明根据相似度测度函数,构造了抑制脉冲噪声影响的频谱感知方法的检测统计量,采用统计分析的方法,推导了检测统计量在H0和H1假设下的均值和方差,根据Neyman-Pearson准则,得到了本方法的虚警概率以及对应的检测门限,有效地压制了脉冲噪声对频谱感知性能的影响。
本发明通过统计理论,推导了基于相似度测量的频谱感知方法的虚警概率以及对应的检测门限,理论分析表明该方法可以很好地压制脉冲噪声影响,有效地提高了脉冲噪声环境下频谱感知性能。
第二,把技术方案看做一个整体或者从产品的角度,本发明所要保护的技术方案具备的技术效果和优点,具体描述如下:
本发明采用基于相似度测量的频谱感知方法,能够很好地压制脉冲噪声的影响,且具有较低的计算复杂度,在相对较低信噪比和相对较少的样本条件下具有较好的检测性能。
第三,作为本发明的权利要求的创造性辅助证据,还体现在以下几个重要方面:
本发明的技术方案解决了人们一直渴望解决、但始终未能获得成功的技术难题:
本发明解决了两个技术难题:一是脉冲噪声环境下频谱感知过程中,计算量大,计算复杂度高问题,为移动感知节点节省了大量的能量消耗;二是本发明中的方法,需要相对较少的样本数,就可以实现低信噪比条件下的频谱感知,且性能较好。由于需要的样本数较少,因此缩短了感知节点的感知过程,有效地减小了频谱共享时延。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图做简单的介绍,显而易见地,下面所描述的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,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是本发明实施例提供的频谱感知方法流程图;
图2是本发明实施例提供的GSNR环境下,不同频谱感知方法的检测性能对比示意图。
图3是本发明实施例提供的不同虚警概率条件下,不同频谱感知方法的检测性能对比示意图。
图4是本发明实施例提供的不同样本数条件下,不同频谱感知方法的检测性能对比示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种频谱感知方法、系统、介质、设备及终端,下面结合附图对本发明作详细的描述。
一、解释说明实施例。为了使本领域技术人员充分了解本发明如何具体实现,该部分是对权利要求技术方案进行展开说明的解释说明实施例。
如图1所示,本发明实施例提供的频谱感知方法包括以下步骤:
S101,认知用户将接收到的数据表示为观测向量;
S102,根据相似度测度函数,构造抑制脉冲噪声影响的检测统计量;
S103,采用统计分析方法得到检测统计量在H0和H1假设下的均值和方差;
S104,根据Neyman-Pearson准则,得到判决门限;
S105,根据判决门限判断主用户信号是否存在。
作为优选实施例,本发明实施例提供的频谱感知方法具体包括以下步骤:
步骤一,获取接收信号,并表示为观测向量X=[x(1),x(2),…,x(N)]T的形式。
认知用户通过接收机接收到N个观测数据,或者通过信号发生器生成包含脉冲噪声的无线电接收信号数据。将接收数据表示为观测向量:
X=[x(1),x(2),…,x(N)]T (1)
其中,X为观测向量,x(n)(n=1,…,N)为认知用户在第n个时刻接收到的数据。
步骤二,计算检测统计量TSM。
定义相似度测度函数K(x(n),x(m))为:
其中,p是任意正常数,一般取值为p∈[1,3];C为较小的常数,一般取1;x(m)(m=1,…,N)为认知用户在第n个时刻接收到的数据。
根据相似度测度函数,构造抑制脉冲噪声影响的频谱感知方法的检测统计量TSM为:
由检测统计量TSM可知,当x(n)或者x(m)中含有大的脉冲噪声时,x(n)与x(m)的差值非常大,从而导致(x(n)与x(m)同时受脉冲噪声影响并且差值很小的概率几乎为0)。当x(n)与x(m)不受大脉冲噪声影响时,如果有信号,x(n)与x(m)的差值相对较大,从而TSM相对较小;如果没有信号,x(n)与x(m)的差值相对较小,从而TSM相对较大,因此可以根据统计量TSM可以在抑制脉冲噪声影响基础上判断接收信号中是否含有主用户信号。
采用统计分析的方法,可以得到检测统计量在H0和H1假设下的均值ak和方差其中k=0,1,H0表示主用户信号未占用信道时,认知用户接收到的信号;H1表示主用户信号占用信道时,认知用户接收到的信号;E[·]表示均值,则:
步骤四,计算判决门限ξ。
根据检测统计量TSM的渐近分布及其分布参数,可以得到基于相似度测度的频谱感知方法的虚警概率Pf和检测概率Pd分别为:
和
根据Neyman-Pearson准则,可以得到对应的判决门限ξ为:
ξ=Q-1(1-Pf)σ0+α0 (8)
其中Q-1(·)表示Q函数的逆运算。
步骤五,根据判决门限ξ判断主用户信号是否存在。根据公式(9),当TSM≥ξ时,判定为主用户信号不存在,未占用信道;当TSM<ξ时,判定为主用户信号存在,占用信道。
本发明实施例提供的频谱感知系统包括:
数据接收及表示模块,用于认知用户将接收到的数据表示为观测向量;
检测统计量计算模块,用于根据相似度测度函数,构造抑制脉冲噪声影响的频谱感知方法的检测统计量;
均值和方差计算模块,用于采用统计分析的方法,得到检测统计量在H0和H1假设下的均值和方差;
主用户信号判断模块,用于根据Neyman-Pearson准则,得到判决门限;并根据判决门限判断主用户信号是否存在。
图2为相同广义信噪比(Generalized signal-to-noise ratio,GSNR)环境下,本发明提出的基于相似性测量的频谱感知方法与其它现有的3种频谱感知方法的性能比较,其中FLOM(Fractional low-order moment,FLOM))表示分数低阶矩频谱感知方法;LMD(Logarithmic moment detection,LMD)表示对数矩检测频谱感知方法;KED(KernelizedEnergy Detector,KED)表示核能量检测频谱感知方法;SM(Similarity Measurement,SM)表示本文提出的基于相似性测量的频谱感知方法。由图2可以看出,本发明提出的方法在低的广义信噪比情况下具有明显的优势。该结果说明本发明提出的方法与其它3种方法相比较,可以应用于更低的广义信噪比场景。
二、应用实施例。为了证明本发明的技术方案的创造性和技术价值,该部分是对权利要求技术方案进行具体产品上或相关技术上的应用实施例。
对本发明中的技术方案进行了蒙特卡洛实验仿真验证,仿真过程中,信道多径阶数为5,传输信号为4QAM信号,采用广义信噪比GSNR来衡量接收数据中信号与噪声的比值。采用检测概率Pd和虚警概率Pf用来衡量算法性能。为了验证本发明方法的有效性,将本发明方法与其它三种方法进行了对比分析。仿真验证结果表明,①在相同的GSNR和样本数为200的条件下,本发明的方法效果最好;②当虚警概率为0.1和样本数为200时,不同GSNR条件下,本发明的方法效果最好;③在较少样本数情况下,本本发明的方法效果较好,当增加样本数时,本发明的方法的效果与KED方法的效果相当。
三、实施例相关效果的证据。本发明实施例在研发或者使用过程中取得了一些积极效果,和现有技术相比的确具备很大的优势,下面内容结合试验过程的数据、图表等进行描述。
图2为相同广义信噪比(Generalized signal-to-noise ratio,GSNR)环境下,本发明提出的基于相似性测量的频谱感知方法与其它现有的3种频谱感知方法的性能比较,其中FLOM(Fractional low-order moment,FLOM))表示分数低阶矩频谱感知方法;LMD(Logarithmic moment detection,LMD)表示对数矩检测频谱感知方法;KED(KernelizedEnergy Detector,KED)表示核能量检测频谱感知方法;SM(Similarity Measurement,SM)表示本文提出的基于相似性测量的频谱感知方法。由图2可以看出,本发明提出的方法在低广义信噪比情况下具有明显的优势。该结果说明本发明提出的方法与其它3种方法相比较,可以应用于更低的广义信噪比场景。
图3给出了FLOM、LMD、KED和SM在样本数为200,信噪比-10dB时的接收机工作特性。由图可知,KED和SM方法明显优于其它两种方法。这主要由于FLOM和LMD只是能处理脉冲噪声,但是受大噪声影响的样本对其检测统计量贡献较大,因此这两种算法受到脉冲噪声的影响较大从而导致其性能不好。相反,SM方法和KED方法的检测统计量中,受脉冲噪声影响的样本几乎被完全压制,因此其性能较好。
图4给出了FLOM、LMD、KED和SM在不同样本数下的检测概率。由图可知,提出的SM算法和KED算法在相同样本数下明显优于其他两种算法,SM方法在低样本条件下优于KED方法,LMD算法性能优于FLOM算法。该结果表明提出的SM方法可以在较少的样本下达到较高的检测性能,因此可以提高检测效率,从而实时发现主用户占用频谱情况,提高系统的可靠性。
应当注意,本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现;软件部分可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用由各种类型的处理器执行的软件实现,也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种频谱感知方法,其特征在于,所述频谱感知方法包括:
认知用户将接收到的数据表示为观测向量;根据相似度测度函数,构造抑制脉冲噪声影响的频谱感知方法的检测统计量;采用统计分析的方法,得到检测统计量在主用户信号存在和主用户信号不存在两种假设下的均值和方差;根据Neyman-Pearson准则,得到判决门限,并根据判决门限判断主用户信号是否存在。
3.如权利要求2所述的频谱感知方法,其特征在于,所述步骤一中的获取接收信号并表示为观测向量的形式包括:
认知用户通过接收机接收到N个观测数据,或者通过信号发生器生成包含脉冲噪声的无线电接收信号数据;将接收数据表示为观测向量:
X=[x(1),x(2),…,x(N)]T;
其中,X为观测向量,x(n)(n=1,…,N)为认知用户在第n个时刻接收到的数据。
4.如权利要求2所述的频谱感知方法,其特征在于,所述步骤二中的计算检测统计量TSM包括:
定义相似度测度函数K(x(n),x(m))为:
其中,p是任意正常数,取值为p∈[1,3];C为较小的常数,取值为1;x(m)(m=1,…,N)为认知用户在第n个时刻接收到的数据;
根据相似度测度函数,构造抑制脉冲噪声影响的频谱感知方法的检测统计量TSM为:
7.一种应用如权利要求1~6任意一项所述的频谱感知方法的频谱感知系统,其特征在于,所述频谱感知系统包括:
数据接收及表示模块,用于认知用户将接收到的数据表示为观测向量;
检测统计量计算模块,用于根据相似度测度函数,构造抑制脉冲噪声影响的频谱感知方法的检测统计量;
均值和方差计算模块,用于采用统计分析的方法,得到检测统计量在H0和H1假设下的均值和方差;
主用户信号判断模块,用于根据Neyman-Pearson准则,得到判决门限;并根据判决门限判断主用户信号是否存在。
8.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1~6任意一项所述的频谱感知方法。
9.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如权利要求1~6任意一项所述的频谱感知方法。
10.一种信息数据处理终端,其特征在于,所述信息数据处理终端用于实现如权利要求7所述的频谱感知系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210695131.0A CN115021845B (zh) | 2022-06-20 | 2022-06-20 | 一种频谱感知方法、系统、介质、设备及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210695131.0A CN115021845B (zh) | 2022-06-20 | 2022-06-20 | 一种频谱感知方法、系统、介质、设备及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115021845A true CN115021845A (zh) | 2022-09-06 |
CN115021845B CN115021845B (zh) | 2023-04-18 |
Family
ID=83074630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210695131.0A Active CN115021845B (zh) | 2022-06-20 | 2022-06-20 | 一种频谱感知方法、系统、介质、设备及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115021845B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115549827A (zh) * | 2022-10-26 | 2022-12-30 | 西安航空学院 | 一种盲频谱感知方法、系统、计算机设备及终端 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010108440A1 (en) * | 2009-03-25 | 2010-09-30 | Huawei Technologies Co., Ltd. | Device and method for cooperative spectrum sensing in cognitive radio systems |
CN102082617A (zh) * | 2010-12-16 | 2011-06-01 | 上海师范大学 | 基于mtm-svd自适应传感器个数的频谱检测方法 |
KR101467342B1 (ko) * | 2013-10-18 | 2014-12-23 | 성균관대학교산학협력단 | 비정규 잡음 환경에서 협력 무선 인지 네트워크를 위한 스펙트럼 센싱 장치 및 방법, 이를 이용한 결합 센터 장치 및 협력 무선 인지 통신 시스템 |
CN104734793A (zh) * | 2015-03-20 | 2015-06-24 | 河海大学 | 基于p次方的无线协作频谱感知的能量检测方法 |
CN105375996A (zh) * | 2015-10-12 | 2016-03-02 | 桂林电子科技大学 | 在脉冲噪声环境下基于顺序统计的频谱感知方法 |
CN107947881A (zh) * | 2018-01-10 | 2018-04-20 | 西安交通大学 | 一种混合高斯噪声稀疏贝叶斯频谱感知方法 |
CN110098882A (zh) * | 2019-05-14 | 2019-08-06 | 大连大学 | 基于压缩感知与熵的多天线宽带频谱检测方法 |
CN111065070A (zh) * | 2019-12-27 | 2020-04-24 | 北京邮电大学 | 一种认知车联网中的合作毫米波频谱感知方法 |
CN111726182A (zh) * | 2020-05-30 | 2020-09-29 | 西安电子科技大学 | 一种非高斯噪声衰落信道下多主用户动态频谱感知方法 |
CN111817803A (zh) * | 2020-06-17 | 2020-10-23 | 广东工业大学 | 一种基于相关系数和k-均值聚类算法的频谱感知方法、系统及计算机可读存储介质 |
CN113315593A (zh) * | 2021-05-20 | 2021-08-27 | 南京工业大学 | 一种基于flom协方差矩阵和lstm神经网络的频谱感知算法 |
CN114268393A (zh) * | 2021-11-24 | 2022-04-01 | 金陵科技学院 | 一种基于连通分量个数特征的认知无线电频谱感知方法 |
-
2022
- 2022-06-20 CN CN202210695131.0A patent/CN115021845B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010108440A1 (en) * | 2009-03-25 | 2010-09-30 | Huawei Technologies Co., Ltd. | Device and method for cooperative spectrum sensing in cognitive radio systems |
CN102082617A (zh) * | 2010-12-16 | 2011-06-01 | 上海师范大学 | 基于mtm-svd自适应传感器个数的频谱检测方法 |
KR101467342B1 (ko) * | 2013-10-18 | 2014-12-23 | 성균관대학교산학협력단 | 비정규 잡음 환경에서 협력 무선 인지 네트워크를 위한 스펙트럼 센싱 장치 및 방법, 이를 이용한 결합 센터 장치 및 협력 무선 인지 통신 시스템 |
CN104734793A (zh) * | 2015-03-20 | 2015-06-24 | 河海大学 | 基于p次方的无线协作频谱感知的能量检测方法 |
CN105375996A (zh) * | 2015-10-12 | 2016-03-02 | 桂林电子科技大学 | 在脉冲噪声环境下基于顺序统计的频谱感知方法 |
CN107947881A (zh) * | 2018-01-10 | 2018-04-20 | 西安交通大学 | 一种混合高斯噪声稀疏贝叶斯频谱感知方法 |
CN110098882A (zh) * | 2019-05-14 | 2019-08-06 | 大连大学 | 基于压缩感知与熵的多天线宽带频谱检测方法 |
CN111065070A (zh) * | 2019-12-27 | 2020-04-24 | 北京邮电大学 | 一种认知车联网中的合作毫米波频谱感知方法 |
CN111726182A (zh) * | 2020-05-30 | 2020-09-29 | 西安电子科技大学 | 一种非高斯噪声衰落信道下多主用户动态频谱感知方法 |
CN111817803A (zh) * | 2020-06-17 | 2020-10-23 | 广东工业大学 | 一种基于相关系数和k-均值聚类算法的频谱感知方法、系统及计算机可读存储介质 |
CN113315593A (zh) * | 2021-05-20 | 2021-08-27 | 南京工业大学 | 一种基于flom协方差矩阵和lstm神经网络的频谱感知算法 |
CN114268393A (zh) * | 2021-11-24 | 2022-04-01 | 金陵科技学院 | 一种基于连通分量个数特征的认知无线电频谱感知方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115549827A (zh) * | 2022-10-26 | 2022-12-30 | 西安航空学院 | 一种盲频谱感知方法、系统、计算机设备及终端 |
CN115549827B (zh) * | 2022-10-26 | 2023-09-22 | 西安航空学院 | 一种盲频谱感知方法、系统、计算机设备及终端 |
Also Published As
Publication number | Publication date |
---|---|
CN115021845B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111800795B (zh) | 一种认知无人机网络中非高斯噪声下频谱感知方法 | |
CN111726182B (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 | |
CN115021845B (zh) | 一种频谱感知方法、系统、介质、设备及终端 | |
CN114089325B (zh) | 一种干扰信息不确定时的扩展目标检测方法与系统 | |
CN103297160A (zh) | 基于归一化特征值的拟合优度检验的频谱感知方法及装置 | |
CN110932807B (zh) | 一种非高斯噪声下mimo系统的频谱感知方法及系统 | |
CN107426736B (zh) | 一种认知无线电的频谱感知方法及系统 | |
CN113067653A (zh) | 一种频谱感知方法、装置、电子设备及介质 | |
CN110098882A (zh) | 基于压缩感知与熵的多天线宽带频谱检测方法 | |
CN113253235A (zh) | 一种严重非均匀环境中的自适应信号检测方法与系统 | |
CN113267758B (zh) | 一种复合高斯环境下存在干扰时的目标检测方法与系统 | |
CN113507334B (zh) | 基于信道嗅探的参量测试方法、装置、设备及存储介质 | |
CN109525339A (zh) | 认知无线电的频谱感知方法、装置、设备以及存储介质 | |
CN107171752B (zh) | 一种认知无线电的频谱感知方法及系统 | |
CN106972900B (zh) | 基于广义t2统计量的盲频谱感知方法 | |
CN114254265A (zh) | 基于统计流形距离的卫星通信干扰几何分析方法 | |
CN106093925A (zh) | 一种多雷达联合检测方法 | |
CN109600181B (zh) | 一种用于多天线的频谱感知方法 | |
CN110190917B (zh) | 一种LTE230MHz电力无线专网的频谱空洞感知方法、装置及设备 | |
CN113014361B (zh) | 一种基于图的bpsk信号置信度检验方法 | |
Liu et al. | Probability‐based fusion rule in cooperative spectrum sensing with impact of geographic location | |
CN115032663A (zh) | 对高动态弹丸载体卫星导航信号的干扰检测方法及装置 | |
CN115549827B (zh) | 一种盲频谱感知方法、系统、计算机设备及终端 | |
CN114021118A (zh) | 基于超融合服务器系统的多元行为检测方法、系统及介质 | |
Pavithra et al. | Competent realisation of cooperative spectrum sensing in cognitive radio systems |
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 |