CN101944961A - 一种认知无线网络中的双门限合作感知方法 - Google Patents
一种认知无线网络中的双门限合作感知方法 Download PDFInfo
- Publication number
- CN101944961A CN101944961A CN2010102723755A CN201010272375A CN101944961A CN 101944961 A CN101944961 A CN 101944961A CN 2010102723755 A CN2010102723755 A CN 2010102723755A CN 201010272375 A CN201010272375 A CN 201010272375A CN 101944961 A CN101944961 A CN 101944961A
- Authority
- CN
- China
- Prior art keywords
- frequency
- signal
- band
- energy
- cognitive user
- 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
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种认知无线网络中的双门限合作感知方法,通过以下步骤:1、本地压缩感知恢复信号,在本发明中,通过压缩感知将整个宽带频谱恢复出来,这样可以使用低速率A/D转换器,从而降低了硬件要求。2、确定子频带,将压缩感知恢复出来的宽带频谱信号,通过小波边缘检测能够得到该信号的频谱边缘点,之后能够在频谱上分段为若干个子频带。3、合作感知,每一个认知用户都对所有子频带进行双门限能量检测,并将检测结果发送至融合中心进行判断,得到整个频谱主用户的存在情况,自适应地确定频谱空穴在频带中的位置。通过以上步骤,认知网络能够在低于奈奎斯特频率对主用户信号进行采样感知,并能自适应地确定频谱空穴在频带中的位置。
Description
技术领域
本发明属于认知无线电技术领域,更为具体地讲,涉及一种认知无线网络中的双门限合作感知方法。
背景技术
随着近年来动态频谱分配(Dynamic Spectrum Access)的发展,认知无线电致力于从频谱分配的角度来解决频谱资源短缺的问题。认知无线电应该能够自适应的识别周围环境中存在或者潜在的频谱空穴,并在不对主要用户造成干扰的情况下,对已知的频谱空穴加以利用,认知无线电被认为是能够满足人们对宽带频谱需求的技术。
理论上,认知无线电能够自觉感知周围环境,并利用处于闲置状态的频谱资源进行通信。因此,认知无线电对频谱感知能力具有很高的需求。但是目前基于香农定理的频谱感知技术并不能在宽带频谱的环境中满足应用的需求:一方面,采样率保持或超过奈奎斯特采样率变得越来越困难;另一方面,基于香农定理的采样仅仅是还原了信号,而频谱空穴信息的相关信息并未得到处理。
发明内容
本发明目的在于克服现有认知无线电技术的不足,提出一种认知无线网络中的双门限合作感知方法,能够在低于奈奎斯特频率对主用户信号进行采样感知,并能自适应地确定频谱空穴在频带中的位置。
为实现上述发明目的,本发明认知无线网络中的双门限合作感知方法,其特征在于,包括以下步骤:
(1)、主信号的本地压缩感知及恢复
在宽带认知网络中存在1,2,...,I个主用户和1,2,...,J个认知用户,认知用户j,j=1,2,...,J采用低速率A/D转换器对接收到的主用户信号rj(t)进行压缩采样,其采样频率低于奈奎斯特频率,得到压缩采样信号xj(t);
(2)、小波边缘检测
然后,求恢复信号均值X的功率密度:
其中,SX(f)代表恢复信号均值X的功率谱密度,RX(τ)代表恢复信号均值X的自相关函数;
a2、对功率谱密度SX(f)进行多尺度小波变换:
WsSX(f)代表多尺度小波变换结果,2s是尺度因子,*代表卷积运算,S的取值范围是整数;
然后,对小波变换结果WsSX(f)求一阶倒数:
表示求极值运算,n是频谱边缘点的个数;
(3)、双门限能量合作检测
认知用户j首先根据恢复信号计算处于各个子频段中的接收信号能量:
b2、认知用户j对各个子频段中的接收信号能量Ek,j进行判断,并向融合中心发送判断结果:
倘若接收信号能量Ek,j处于两个门限之间,那么发送Ek,j的能量值;若低于低门限,则确定第k子频段中主要用户不存在,发送0;若高于高门限,则确定第k子频段中存在主要用户,发送1,即:
Rk,j表示第j个认知用户发送的第k个子频段接收信号能量判断结果,η0代表低门限,η1代表高门限;
融合中心对接收到的能量信号Ek,j进行第二次判定,在融合中心,在J个认知用户中,有P个发送了确定的判定结果,那么总共有J-P个认知用户发送了能量值,融合中心将接收到的信号能量Ek,j进行判定处理:
Dk表示对第k子频段能量信息的判定结果,λ表示第二次判定使用的门限;
融合中心对该子频段k判定的最后结果为:
d[k]代表融合中心的判定结果,d[k]=0代表第k子频段不存在主用户信号,d[k]=1代表第k子频段存在主用户信号;
对其他子频段进行相同的能量检测和判断,知道整个宽带频谱内全部主用户信号的存在情况,自适应地确定频谱空穴在频带中的位置。
在本发明中,通过以下步骤:
1、本地压缩感知恢复信号
由于宽带频谱的低利用率,主要用户信号在频域必然会表现为稀疏信号,即在整个宽带上有大量的位置能量为零,这一点符合压缩感知的应用场景。在本发明中,通过压缩感知将整个宽带频谱恢复出来,这样降低了对于采样A/D转换器的要求,可以使用低速率A/D转换器,从而降低了硬件要求。
2、确定子频带
将压缩感知恢复出来的宽带频谱信号,通过小波边缘检测能够得到该信号的频谱边缘点,之后能够在频谱上分段为若干个子频带。
3、合作感知
每一个认知用户都对所有子频带进行双门限能量检测,并将检测结果发送至融合中心进行判断,得到整个频谱主用户的存在情况,自适应地确定频谱空穴在频带中的位置。
通过以上步骤,认知网络能够在低于奈奎斯特频率对主用户信号进行采样感知,并能自适应地确定频谱空穴在频带中的位置。
附图说明
图1是本发明认知无线网络中的双门限合作感知方法的一种具体实施方式原理框图;
图3是不同的压缩采样比下,融合中心小波边缘检测出的频谱边缘点位置图;
图4是不同压缩采样比、不同认知用户数量下,认知网络对正在使用的子频段的主信号进行合作双门限能量感知的结果图。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述,以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是,在以下的描述中,当已知功能和设计的详细描述也许会淡化本发明的主要内容时,这些描述在这里将被忽略。
图1是本发明认知无线网络中的双门限合作感知方法的一种具体实施方式原理框图。
在宽带认知网络中存在1,2,...,I个主用户和1,2,...,J个认知用户。
在本实施中,如图1所示,一主用户的基带信号带宽B=20MHz,经过调制,搬移到载频fc=2GHz上,然后通过信道发送出去。在图1中,只画出了一个主用户信号的发送过程,其他的主用户发送过程相同,所以未画出。
同样,在图1中,一认知用户接收到各主用户发送的主用户信号rj(t),然后用低速率A/D转换器进行采样,得到压缩采样信号xj(t),根据压缩采样xj(t)进行恢复,得到恢复信号然后用小波边缘检测进行频谱分段,得到若干极值点即频谱边缘点的估计值,将宽带频谱划分成n个子频段。最后,根据获得n个子频段,对每个子频段内的信号进行积分,得到其能量,根据能量判断该子频段是否存在主信号的判断d[n],从自适应地确定频谱空穴在频带中的位置。
在认知网络中,每一个认知用户j接收到的信号为:
其中,si(t)表示来自于第i个主要用户的信号。rj(t)表示第j个认知用户接收到的信号。hij(t)表示信道的频率响应。wj(t)表示在该信道上高斯白噪声信号,均值为零。*代表卷积运算。
将上式进行M点离散傅里叶变换后,可以得到:
由于认知用户j接收到的信号是稀疏信号,根据压缩感知理论,对于稀疏度为Kb的接收信号rj(t),只要满足1≤Kb<<M,需要K个测量数就能完全恢复,恢复信号为其中,K=CKb logM,C为过采样系数。
图2是不同压缩采样比K/M下,融合中心恢复信号的均值的频谱图,其中,图中(a)为主用户信号rj(t)的频谱图,其余(b)~(e)分别为不同压缩采样比K/M=8%、10%、14%、20%下,融合中心恢复信号的均值的频谱图。在本实施例中,频谱范围0Hz~9GHz内进行仿真。稀疏度Kb=50,频域点数M=2000,采样点数K=800。从图2可以看出,只要满足K=CKb logM<<M均可很好地恢复出主用户信号rj(t)。
图3是不同的压缩采样比K/M下,融合中心小波边缘检测出的频谱边缘点位置图。如图3所示,在本实施例中,检测出的频谱边缘点有四个,分别是 只有对进行积分运算,才得到具有一定接收信号能量,从而判断出主信号有两个,分别为中心在1.023GHz、带宽为0.1078G的信号以及中心在3.022、带宽为0.108GHz的信号,而其他未使用频点为频谱空穴。
图4是不同压缩采样比K/M下,不同认知用户数量下,认知网络对正在使用的子频段[0.9692GHz 1.077GHz]的主信号进行合作双门限能量感知的结果图。如图2所示,认知用户数量J数量越多,感知结果就越可靠,压缩采样比K/M低于0.1时,感知结果的可靠性大幅度下降,压缩采样比K/M在0.16以上时,感知结果,即检测准确率Qd趋于1。
尽管上面对本发明说明性的具体实施方式进行了描述,以便于本技术领的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
Claims (2)
1.一种认知无线网络中的双门限合作感知方法,其特征在于,包括以下步骤:
(1)、主信号的本地压缩感知及恢复
在宽带认知网络中存在1,2,...,I个主用户和1,2,...,J个认知用户,认知用户j,j=1,2,...,J采用低速率A/D转换器对接收到的主用户信号rj(t)进行压缩采样,其采样频率低于奈奎斯特频率,得到压缩采样信号xj(t);根据压缩采样xj(t)进行恢复,得到恢复信号
(2)、小波边缘检测
然后,求恢复信号均值X的功率密度:
其中,SX(f)代表恢复信号均值X的功率谱密度,RX(τ)代表恢复信号均值X的自相关函数;
a2、对功率谱密度SX(f)进行多尺度小波变换:
WsSX(f)代表多尺度小波变换结果,2s是尺度因子,*代表卷积运算,S的取值范围是整数;
然后,对小波变换结果WsSX(f)求一阶倒数:
(3)、双门限能量合作检测
b2、认知用户j对各个子频段中的接收信号能量Ek,j进行判断,并向融合中心发送判断结果:
倘若接收信号能量Ek,j处于两个门限之间,那么发送Ek,j的能量值;若低于低门限,则确定第k子频段中主要用户不存在,发送0;若高于高门限,则确定第k子频段中存在主要用户,发送1,即:
Rk,j表示第j个认知用户发送的第k个子频段接收信号能量判断结果,η0代表低门限,η1代表高门限;
融合中心对接收到的能量信号Ek,j进行第二次判定,在融合中心,在J个认知用户中,有P个发送了确定的判定结果,那么总共有J-P个认知用户发送了能量值,融合中心将接收到的信号能量Ek,j进行判定处理:
Dk表示对第k子频段能量信息的判定结果,λ表示第二次判定使用的门限;
融合中心对该子频段k判定的最后结果为:
d[k]代表融合中心的判定结果,d[k]=0代表第k子频段不存在主用户信号,d[k]=1代表第k子频段存在主用户信号;
对其他子频段进行相同的能量检测和判断,知道整个宽带频谱内全部主用户信号的存在情况,自适应地确定频谱空穴在频带中的位置。
2.根据权利要求1所述的认知无线网络中的双门限合作感知方法,其特征在于,步骤(1)中所述的压缩采样,其压缩采样比K/M大于0.16,其中,M是进行离散傅里叶变换的点数,K为测量数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102723755A CN101944961B (zh) | 2010-09-03 | 2010-09-03 | 一种认知无线网络中的双门限合作感知方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102723755A CN101944961B (zh) | 2010-09-03 | 2010-09-03 | 一种认知无线网络中的双门限合作感知方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101944961A true CN101944961A (zh) | 2011-01-12 |
CN101944961B CN101944961B (zh) | 2013-03-27 |
Family
ID=43436755
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010102723755A Expired - Fee Related CN101944961B (zh) | 2010-09-03 | 2010-09-03 | 一种认知无线网络中的双门限合作感知方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101944961B (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102291188A (zh) * | 2011-08-04 | 2011-12-21 | 电子科技大学 | 一种认知无线电***中的合作频谱感知方法 |
CN102413474A (zh) * | 2012-01-04 | 2012-04-11 | 西安电子科技大学 | 认知无线网络自适应信任管理***及其方法 |
CN102571241A (zh) * | 2012-02-20 | 2012-07-11 | 江苏新大诚信息技术有限公司 | 一种改进的双门限协作频谱感知方法 |
CN102710349A (zh) * | 2012-05-31 | 2012-10-03 | 宁波大学 | 一种脉冲干扰环境下基于数据挑选的频谱感知方法 |
CN103036622A (zh) * | 2011-09-29 | 2013-04-10 | 北京邮电大学 | 基于自适应双门限的认知无线电频谱检测方法与装置 |
CN103051403A (zh) * | 2013-01-29 | 2013-04-17 | 哈尔滨工业大学 | 基于多个mwc分布式亚奈奎斯特采样联合重构的频谱感知方法 |
CN103117818A (zh) * | 2013-01-16 | 2013-05-22 | 南京邮电大学 | 基于空频联合压缩感知的宽带频谱检测方法 |
CN104079359A (zh) * | 2014-06-10 | 2014-10-01 | 南京邮电大学 | 一种认知无线网络中协作频谱感知门限优化方法 |
CN104270210A (zh) * | 2014-10-14 | 2015-01-07 | 中国人民解放军总参谋部第六十三研究所 | 基于压缩非重构的软判决频谱感知方法 |
CN104767578A (zh) * | 2015-03-23 | 2015-07-08 | 南京邮电大学 | 基于自适应检测长度的双门限能量感知方法和*** |
WO2015139260A1 (zh) * | 2014-03-20 | 2015-09-24 | 华为技术有限公司 | 基于压缩感知的信号处理方法及装置 |
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 |
CN106254007A (zh) * | 2016-09-14 | 2016-12-21 | 国家电网公司信息通信分公司 | 一种应用于lte230***的频谱感知方法和装置 |
CN109981186A (zh) * | 2019-04-10 | 2019-07-05 | 成都华日通讯技术有限公司 | 超短波全频段信号分选方法 |
CN110601779A (zh) * | 2019-08-30 | 2019-12-20 | 长春理工大学 | 基于双门限功率谱双平均比值的能量检测方法 |
CN111327395A (zh) * | 2019-11-21 | 2020-06-23 | 沈连腾 | 一种宽带信号的盲检测方法、装置、设备及存储介质 |
CN111342922A (zh) * | 2020-03-12 | 2020-06-26 | 中国科学院上海微***与信息技术研究所 | 一种宽频带频谱感知中的快速边界识别方法 |
CN111416671A (zh) * | 2019-01-06 | 2020-07-14 | 海南大学 | 一种面向电磁频谱检测的信号标记方法 |
CN111740795A (zh) * | 2020-06-24 | 2020-10-02 | 南京邮电大学 | 一种基于次用户历史判决的双阈值协作感知方法 |
CN116056091A (zh) * | 2023-03-30 | 2023-05-02 | 西南科技大学 | 一种海上多移动平台通信组网方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101359930A (zh) * | 2008-09-12 | 2009-02-04 | 南京邮电大学 | 认知无线电***中基于最大特征值的频谱感知方法 |
CN101615926A (zh) * | 2009-07-31 | 2009-12-30 | 东南大学 | 认知无线电中的异步协同频谱感知方法 |
-
2010
- 2010-09-03 CN CN2010102723755A patent/CN101944961B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101359930A (zh) * | 2008-09-12 | 2009-02-04 | 南京邮电大学 | 认知无线电***中基于最大特征值的频谱感知方法 |
CN101615926A (zh) * | 2009-07-31 | 2009-12-30 | 东南大学 | 认知无线电中的异步协同频谱感知方法 |
Cited By (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102291188B (zh) * | 2011-08-04 | 2013-09-25 | 电子科技大学 | 一种认知无线电***中的合作频谱感知方法 |
CN102291188A (zh) * | 2011-08-04 | 2011-12-21 | 电子科技大学 | 一种认知无线电***中的合作频谱感知方法 |
CN103036622B (zh) * | 2011-09-29 | 2016-01-13 | 北京邮电大学 | 基于自适应双门限的认知无线电频谱检测方法与装置 |
CN103036622A (zh) * | 2011-09-29 | 2013-04-10 | 北京邮电大学 | 基于自适应双门限的认知无线电频谱检测方法与装置 |
CN102413474A (zh) * | 2012-01-04 | 2012-04-11 | 西安电子科技大学 | 认知无线网络自适应信任管理***及其方法 |
CN102413474B (zh) * | 2012-01-04 | 2014-01-15 | 西安电子科技大学 | 认知无线网络自适应信任管理***及其方法 |
CN102571241A (zh) * | 2012-02-20 | 2012-07-11 | 江苏新大诚信息技术有限公司 | 一种改进的双门限协作频谱感知方法 |
CN102571241B (zh) * | 2012-02-20 | 2014-03-12 | 江苏新大诚信息技术有限公司 | 一种改进的双门限协作频谱感知方法 |
CN102710349A (zh) * | 2012-05-31 | 2012-10-03 | 宁波大学 | 一种脉冲干扰环境下基于数据挑选的频谱感知方法 |
CN102710349B (zh) * | 2012-05-31 | 2014-09-10 | 宁波大学 | 一种脉冲干扰环境下基于数据挑选的频谱感知方法 |
CN103117818A (zh) * | 2013-01-16 | 2013-05-22 | 南京邮电大学 | 基于空频联合压缩感知的宽带频谱检测方法 |
CN103051403A (zh) * | 2013-01-29 | 2013-04-17 | 哈尔滨工业大学 | 基于多个mwc分布式亚奈奎斯特采样联合重构的频谱感知方法 |
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 |
WO2015139260A1 (zh) * | 2014-03-20 | 2015-09-24 | 华为技术有限公司 | 基于压缩感知的信号处理方法及装置 |
US9882581B2 (en) | 2014-03-20 | 2018-01-30 | Huawei Technologies Co., Ltd. | Compressive sensing-based signal processing method and apparatus |
RU2655659C2 (ru) * | 2014-03-20 | 2018-05-29 | Хуавэй Текнолоджиз Ко., Лтд. | Способ и устройство обработки сигналов на основе сжимающего считывания |
CN104079359A (zh) * | 2014-06-10 | 2014-10-01 | 南京邮电大学 | 一种认知无线网络中协作频谱感知门限优化方法 |
CN104079359B (zh) * | 2014-06-10 | 2016-03-02 | 南京邮电大学 | 一种认知无线网络中协作频谱感知门限优化方法 |
CN104270210A (zh) * | 2014-10-14 | 2015-01-07 | 中国人民解放军总参谋部第六十三研究所 | 基于压缩非重构的软判决频谱感知方法 |
CN104270210B (zh) * | 2014-10-14 | 2019-06-18 | ***装备发展部第六十三研究所 | 基于压缩非重构的软判决频谱感知方法 |
CN104767578A (zh) * | 2015-03-23 | 2015-07-08 | 南京邮电大学 | 基于自适应检测长度的双门限能量感知方法和*** |
CN106254007A (zh) * | 2016-09-14 | 2016-12-21 | 国家电网公司信息通信分公司 | 一种应用于lte230***的频谱感知方法和装置 |
CN111416671A (zh) * | 2019-01-06 | 2020-07-14 | 海南大学 | 一种面向电磁频谱检测的信号标记方法 |
CN109981186B (zh) * | 2019-04-10 | 2021-07-27 | 成都华日通讯技术股份有限公司 | 超短波全频段信号分选方法 |
CN109981186A (zh) * | 2019-04-10 | 2019-07-05 | 成都华日通讯技术有限公司 | 超短波全频段信号分选方法 |
CN110601779A (zh) * | 2019-08-30 | 2019-12-20 | 长春理工大学 | 基于双门限功率谱双平均比值的能量检测方法 |
CN111327395A (zh) * | 2019-11-21 | 2020-06-23 | 沈连腾 | 一种宽带信号的盲检测方法、装置、设备及存储介质 |
CN111342922A (zh) * | 2020-03-12 | 2020-06-26 | 中国科学院上海微***与信息技术研究所 | 一种宽频带频谱感知中的快速边界识别方法 |
CN111342922B (zh) * | 2020-03-12 | 2021-08-20 | 中国科学院上海微***与信息技术研究所 | 一种宽频带频谱感知中的快速边界识别方法 |
CN111740795A (zh) * | 2020-06-24 | 2020-10-02 | 南京邮电大学 | 一种基于次用户历史判决的双阈值协作感知方法 |
CN111740795B (zh) * | 2020-06-24 | 2022-05-27 | 南京邮电大学 | 一种基于次用户历史判决的双阈值协作感知方法 |
CN116056091A (zh) * | 2023-03-30 | 2023-05-02 | 西南科技大学 | 一种海上多移动平台通信组网方法 |
CN116056091B (zh) * | 2023-03-30 | 2023-05-30 | 西南科技大学 | 一种海上多移动平台通信组网方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101944961B (zh) | 2013-03-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101944961B (zh) | 一种认知无线网络中的双门限合作感知方法 | |
US20170093603A1 (en) | Systems and methods for detecting unused communication spectrum | |
JP5932728B2 (ja) | 無線マイクロフォン信号を検出するための無線センサ及びその方法 | |
CN102546061B (zh) | 基于小波变换的自适应时频空穴检测方法 | |
CN108322277B (zh) | 一种基于协方差矩阵反特征值的频谱感知方法 | |
US20110281602A1 (en) | Feature Extraction & Data Compression System & Method For Distributed Sensor Networks | |
CN103532645B (zh) | 一种观测矩阵优化的压缩频谱感知方法 | |
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 | |
CN103118394A (zh) | 一种适用于宽带***的多天线频谱感知方法及装置 | |
CN106301631B (zh) | 一种基于子空间分解的互素欠采样频谱感知方法及其装置 | |
CN104780008A (zh) | 一种基于自适应压缩感知的宽带频谱感知方法 | |
CN105721083B (zh) | 一种基于自相关能量的频谱检测方法 | |
CN102271022B (zh) | 一种基于最大广义特征值的频谱感知方法 | |
Kumar et al. | Improved wavelet transform based edge detection for wide band spectrum sensing in Cognitive Radio | |
Yuan et al. | Specific emitter identification based on transient energy trajectory | |
CN102438334A (zh) | 一种多传感器节点分布式协作进行调制识别的方法 | |
CN103905129B (zh) | 基于谱型分析的信号检测及信号信息判读方法 | |
CN105743756B (zh) | WiFi***中基于adaboost算法的帧检测方法 | |
CN101588191A (zh) | 无线电信号认知方法及设备 | |
EP2086255B1 (en) | Process for sensing vacant sub-space over the spectrum bandwidth and apparatus for performing the same | |
CN102111228B (zh) | 一种基于循环对称性的认知无线电频谱感知方法 | |
US20090248336A1 (en) | Analyzer for signal anomalies | |
CN102882617A (zh) | 一种基于谱相关特征的频谱检测方法 | |
CN103532648B (zh) | 一种无线通信网络中的子载波感知方法 | |
CN102832967A (zh) | 一种超宽带脉冲信号检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130327 Termination date: 20150903 |
|
EXPY | Termination of patent right or utility model |