CN105491573B - 一种认知无线电干扰预测方法及*** - Google Patents
一种认知无线电干扰预测方法及*** Download PDFInfo
- Publication number
- CN105491573B CN105491573B CN201511027132.4A CN201511027132A CN105491573B CN 105491573 B CN105491573 B CN 105491573B CN 201511027132 A CN201511027132 A CN 201511027132A CN 105491573 B CN105491573 B CN 105491573B
- Authority
- CN
- China
- Prior art keywords
- interference
- communication
- frequency band
- management center
- frequency
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/14—Spectrum sharing arrangements between different networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0453—Resources in frequency domain, e.g. a carrier in FDMA
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
- H04W72/541—Allocation or scheduling criteria for wireless resources based on quality criteria using the level of interference
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B2201/00—Indexing scheme relating to details of transmission systems not covered by a single group of H04B3/00 - H04B13/00
- H04B2201/69—Orthogonal indexing scheme relating to spread spectrum techniques in general
- H04B2201/692—Cognitive radio
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种认知无线电干扰预测方法及***,方法包括:分析历史频谱信息,并寻找干扰规律;分析所述干扰规律,寻找最佳接入频段;根据得到的最佳接入频段,实现通信频段动态接入。***包括感知节点、通信节点与管理中心,各节点根据上述的认知无线电干扰预测方法进行联合工作。本发明可以保证在认知用户通信时实现前瞻式频谱搬移,避免与干扰发生冲突。
Description
技术领域
本发明涉及认知无线电技术领域,特别是涉及一种认知无线电干扰预测方法及***。
背景技术
随着移动通信技术的迅速发展,新的无线通信业务层出不穷,用户数量不断增加,频谱资源变得日益紧缺。为提高无线频谱的利用效率,认知无线电(CR,Cognitive Radio)技术被提出。认知无线电技术通过频谱检测和***的智能学习能力,可以实现动态频谱分配和频谱共享。
抗干扰能力是现代战争条件下衡量通信设备的一项重要指标,也是取得战争胜利的重要保障。认知无线电具有先进的机器学习能力,能够对干扰进行学习和分析,使其能够选择合适的抗干扰策略对干扰进行主动规避。对干扰的预测实现通常利用频谱预测技术,通过频谱占用状态在时间维度上的相关性,实现由历史频谱数据推演未来频谱状态的技术。现有的频谱预测技术对训练时间和训练样本的数量有很高的要求,在训练样本数据较少时,预测效果往往不够理想。同时对信道中有人为干扰信号的基于小样本的可靠频谱预测技术的研究,国内外研究较少。
发明内容
本发明所要解决的技术问题是提供一种认知无线电干扰预测方法及***,可以保证在认知用户通信时实现前瞻式频谱搬移,避免与干扰发生冲突。
本发明解决其技术问题所采用的技术方案是:提供一种认知无线电干扰预测方法,包括以下步骤:
(1)分析历史频谱信息,并寻找干扰规律;
(2)分析所述干扰规律,寻找最佳接入频段;
(3)根据得到的最佳接入频段,实现通信频段动态接入。
所述步骤(1)包括以下子步骤:
(11)将历史频谱信息进行整合处理,形成时间序列S;
(12)对时间序列S进行分析,利用基于后缀数组的频谱预测技术,找出连续重复出现的子序列,即干扰规律。
所述步骤(12)包括以下子步骤:
(a)得到时间序列S的所有后缀,所述后缀是指从某个元素开始到整个序列尾结束的一个特殊子序列,序列S的从第i个元素开始的后缀表示为Suffix(i);
(b)采用“字典顺序”比较,将后缀进行排序;
(c)把排好序的后缀的开头位置顺次放入后缀数组Sa中;
(d)根据后缀数组Sa,得到height数组;height数组的元素是排名相邻的两个后缀的最长公共前缀长度;
(e)利用height数组,把后缀数组Sa分为若干组,每组后缀之间的height值不小于k,其中,k=len(S)/2,len(S)为时间序列S的元素个数,即序列长度;
(f)在每组的后缀中,判断每个后缀的Sa[i]值与相邻后缀的Sa[j]值之差是否等于k;若满足条件,则这两个相邻后缀之间的公共前缀为长为k的重复子序列;若存在重复子序列,选取重复次数最多的子序列作为时间序列,并重复上述步骤,直至找不到重复子序列;否则令k=len(S)/2-1,len(S)/2-2,…,2,1,并重复上述步骤,直到找到重复次数最多的子序列作为时间序列。
所述步骤(2)包括以下子步骤:
(21)对干扰规律进行分析,找出干扰规律中每个元素对应的最佳接入频段,即每个频谱状态下,选择的通信频段可用时间最长;
(22)将干扰规律中每个元素与其对应的最佳接入信道一同进行存储。
所述步骤(21)具体为:寻找当前元素中频谱状态为空闲的位;根据后续的元素中频谱状态为空闲的位,寻找空闲时间最长的信道。
所述步骤(3)包括以下步骤:
(31)采用周期静默期的方式,当通信端处于静默期时,依次点名各感知节点,使各感知节点上传感知的频谱状态信息至管理中心;
(32)管理中心接收到感知检测点上报的频谱状态,进行协作合并;
(33)工作频段平均分成n个信道,探测出信道的“忙、闲”状态,将频谱状态信息转换成二进制数;
(34)根据干扰规律数组预测出下一时刻的频谱状态,并给通信节点分配最佳接入频点进行通信;
(35)管理中心对感知节点周期上报的频谱信息进行监控,当发现工作频段内干扰规律发生变化时,重新对干扰规律进行学习分析,使***适应新的干扰环境;若规律未改变则通信一定时间后,返回步骤(31)。
所述步骤(34)具体为:若发现通信频率与干扰发生冲突时,切换到当前频谱状态对应的最佳通信信道;若预测到下一时刻,通信频率将干扰发生冲突,提前切换通信信道,选择当前频谱状态对应的最佳信道频率;若通信频率未与干扰发生冲突且下一时刻也不会与干扰发生冲突,则保持当前通信频率不变。
所述历史频谱信息采用以下方法获得:采用周期静默期的方式使通信端处于静默期,依次点名各感知节点,使各感知节点上传感知的频谱状态信息至管理中心;管理中心接收到感知检测点上报的频谱状态,进行协作合并;将频谱状态信息转换成二进制数:将工作频段平均分成n个信道,探测出信道的“忙、闲”状态,信道被占用时用数字“1”表示,信道未被占用时用“0”表示,则工作频段内每一时刻的频谱状态表示为n位二进制数,将历史频谱数据存储到数组中;重复上述步骤直至达到预设的感知次数。
本发明解决其技术问题所采用的技术方案是:提供一种认知无线电干扰预测***,包括感知节点、通信节点与管理中心;所述感知节点负责对设定工作频段进行频谱感知,并向管理中心提供频谱检测结果;所述通信节点能够在节点间实现通信业务的实时传输,并按照管理中心分配的频率进行通信频率的修改;所述管理中心能够根据感知节点提供的频谱状态信息,分析、学习干扰规律,实现对干扰的预测并为通信业务选取合适的频段以供其进行通信;所述管理中心与各节点通过固定的控制信道进行通信,所述通信节点之间的通信信道则通过管理中心根据干扰频谱状态进行动态分配;各节点上述的认知无线电干扰预测方法进行联合工作。
有益效果
由于采用了上述的技术方案,本发明与现有技术相比,具有以下的优点和积极效果:本发明对训练样本的数量没有较高要求,学习分析时间短,算法的复杂度相对不高,且便于软件、硬件、固件的实现。对有规律的人为干扰,可以快速分析、学习干扰规律,在认知用户通信时实现前瞻式频谱搬移,避免与干扰发生冲突;并在感知到的频谱空洞中选择可用时间最长的频段进行接入,减少用户通信频点切换的次数,从而保证通信业务的高质量完成。
附图说明
图1是***示意图;
图2是工作流程图;
图3是频谱信息处理示意图;
图4是基于后缀数组预测技术示意图;
图5是最佳接入频段示意图。
具体实施方式
下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
本***中包含感知节点、通信节点与管理中心。如图1所示,感知节点负责对设定频段进行频谱感知,并向频率管理中心提供频谱检测结果。通信节点能够在节点间实现通信业务的实时传输,并按照管理中心分配的频率进行通信频率的修改。感知节点可以与通信节点合并成一个实体,也可以分开独立工作。管理中心能够根据感知节点提供的频谱状态信息,分析、学习干扰规律,实现对干扰的预测并为通信业务选取合适的频点以供进行通信。管理中心与各节点通过固定的控制信道进行通信,通信节之间的通信信道则通过管理中心根据频谱状态进行动态分配。
本发明的一种认知无线电干扰预测方法,流程图如图2所示,具体实施包括以下内容:
(一)连续感知,收集历史频谱信息:
1.为避免通信节点通信频率对感知造成影响,先使通信端处于静默期,依次点名各感知节点使其上传感知的频谱状态信息到管理中心。
2.管理中心接收到各感知检测点上报的频谱状态,进行协作合并。
3.将工作频段平均分成n个信道。假设频谱被占用时用数字“1”表示,频谱未被占用时用“0”表示。信道的“忙、闲”状态可通过一定方式探测出来,则频段内每一时刻的频谱状态为n位二进制数。将历史频谱数据存储到数组中。假设工作频段内有4个信道,示意图如图3所示。
4.重复1、2、3过程,直到达到预设的感知次数。
(二)分析历史频谱信息,寻找干扰规律:
1.将存储的历史频谱信息进行整合处理,按检测的时间顺序进行排列,对连续重复的多个频谱状态,只保留一个,最终形成时间序列S,序列中每个元素为由1和0组成的n位二进制数。具体步骤如下:以图1中的数据为例,则时间序列S为:S={[1000],…,[0100],[0010],[0001]}。
2.对时间序列S进行分析,利用基于后缀数组的频谱预测技术,找出连续重复出现的子序列,且子序列之间互不重叠,相互连续。其中重复次数最多的子序列,即为干扰规律序列I。干扰规律序列I反应的是历史频谱出现的顺序规律,每一个元素代表某一时刻工作频段的频谱状态。具体步骤如下:
a)得到时间序列S的所有后缀,这里的后缀是指从某个元素开始到整个序列尾结束的一个特殊子序列。序列S的从第i个元素开始的后缀表示为Suffix(i),即Suffix(i)=S[i…len(S)],其中,len(S)为时间序列S的元素个数,即序列长度。
b)采用“字典顺序”比较,将后缀进行排序。
c)把排好序的后缀的开头位置顺次放入Sa中。即后缀数组Sa是一个一维数组,它保存的某个排列Sa[1],Sa[2],......Sa[n],保证如下规则:Suffix(Sa[i])<Suffix(Sa[i]+1)。
d)根据后缀数组Sa,得到height数组。定义height[i]=suffix(sa[i-1])和suffix(sa[i])的最长公共前缀的长度,也就是排名相邻的两个后缀的最长公共前缀长度。
e)令k=len(S)/2,利用height数组,把后缀数组Sa分为若干组,每组后缀之间的height值不小于k(即相邻后缀之间的公共前缀长度不小于k)。由height数组的性质,公共前缀等于k的两个后缀一定在同一组里。
f)在每组的后缀中,判断每个后缀Sa[i]的值与相邻后缀Sa[j]的值之差是否等于k。若满足条件,则这两个相邻后缀之间的公共前缀为长为k的重复子序列。
g)若存在重复子序列,选取重复次数最多的k长子序列S1,执行h);否则长度分别取值k=len(S)/2-1,len(S)/2-2,…,2,1,按a)、b)、c)、d)、e)、f)、g)操作,直到找到重复次数最多的子序列S1。
h)令S=S1,继续重复a)、b)、c)、d)、e)、f)、h)操作,直到找不到重复子序列,则干扰规律序列I=S。
若序列S={[1000],[0100],[0010],[0001],[1000],[0100],[0010],[0001],[1000],[0100],[0010],[0001]},寻找长度为4的重复次数最多的子序列S1。示意图如图4所示,重复次数最多的子序列为S1={[1000],[0100],[0010],[0001]}且重复次数为3。
(三)分析干扰规律,寻找最佳接入频点
1.对干扰规律进序列I行分析,找出干扰规律序列I中每个元素对应的最佳接入频段(即每个频谱状态下,选择的通信频段可用时间最长)。具体步骤如下:
a)寻找当前元素中值为“0”的位。即当前元素所表示的频谱状态下,对应的空闲信道。
b)根据后续的元素中值为“0”的位,寻找空闲时间保持最长的信道,即为当前元素所代表的频谱状态下的最佳接入频段。
2.将I中每个元素与其对应最佳接入频段一同进行存储。
若规律序列I={[1000],[0100],[0010],[0001]},其各频谱状态对应的最佳通信信道如图5所示。
(四)根据分析结果,实现通信频段动态接入:
1.采用周期静默期的方式,首先使通信端处于静默期,依次点名各感知节点使其上传感知的频谱状态信息至管理中心。
2.管理中心接收到感知检测点上报的频谱状态,进行协作合并。
3.同样,将频谱状态信息转换成由“0”和“1”组成的二进制数:将工作频段平均分成n个信道。假设频谱被占用时用数字“1”表示,频谱未被占用时用“0”表示。信道的“忙、闲”状态可通过一定方式探测出来。
4.根据干扰规律数组预测出下一时刻的频谱状态,并给通信节点分配最佳接入频段进行通信。具体情况如下:
a)若发现通信频率与干扰发生冲突时,切换到当前频谱状态对应的最佳通信信道。
b)若预测到下一时刻,通信频率将干扰发生冲突,提前切换通信信道。选择当前频谱状态对应的最佳信道频率。
c)若通信频率未与干扰发生冲突且下一时刻也不会与干扰发生冲突,则保持当前通信频率不变。
5.管理中心对感知节点周期上报的频谱信息进行监控,当发现工作频段内干扰规律发生变化时,重新对干扰规律进行学习分析,使***适应新的干扰环境。若规律未改变则通信一定时间后,返回步骤1。
综上所述,本发明提供的一种认知无线电干扰预测方法及***,可以实现在认知用户通信时进行前瞻式频谱搬移,避免与干扰发生冲突;并在感知到的频谱空洞中选择可用时间最长的频段进行接入,减少用户通信频点切换的次数,从而保证通信业务的高质量完成。此方法对训练样本的数量没有较高要求,学习分析时间短。算法的复杂度相对不高,且便于软件、硬件、固件的实现。对有规律的人为干扰,可以快速可靠的分析、学习干扰规律。
Claims (4)
1.一种认知无线电干扰预测方法,其特征在于,包括以下步骤:
(1)分析历史频谱信息,并寻找干扰规律;具体包括以下子步骤:
(11)将历史频谱信息进行整合处理,形成时间序列S;
(12)对时间序列S进行分析,利用基于后缀数组的频谱预测技术,找出连续重复出现的子序列,即干扰规律;具体为:
(a)得到时间序列S的所有后缀,所述后缀是指从某个元素开始到整个序列尾结束的一个特殊子序列,序列S的从第i个元素开始的后缀表示为Suffix(i);
(b)采用“字典顺序”比较,将后缀进行排序;
(c)把排好序的后缀的开头位置顺次放入后缀数组Sa中;
(d)根据后缀数组Sa,得到height数组;height数组的元素是排名相邻的两个后缀的最长公共前缀长度;
(e)利用height数组,把后缀数组Sa分为若干组,每组后缀之间的height值不小于k,其中,k=len(S)/2,len(S)为时间序列S的元素个数,即序列长度;
(f)在每组的后缀中,判断每个后缀的Sa[i]值与相邻后缀的Sa[j]值之差是否等于k;若满足条件,则这两个相邻后缀之间的公共前缀为长为k的重复子序列;若存在重复子序列,选取重复次数最多的子序列作为时间序列,并重复上述步骤,直至找不到重复子序列;否则令k=len(S)/2-1,len(S)/2-2,…,2,1,并重复上述步骤,直到找到重复次数最多的子序列作为时间序列;
(2)分析所述干扰规律,寻找最佳接入频段;具体包括以下子步骤:
(21)对干扰规律进行分析,找出干扰规律中每个元素对应的最佳接入频段,即每个频谱状态下,选择的通信频段可用时间最长;具体为:寻找当前元素中频谱状态为空闲的位;根据后续的元素中频谱状态为空闲的位,寻找空闲时间最长的信道,所述空闲时间最长的信道为当前元素所代表的频谱状态下的最佳接入频段;
(22)将干扰规律中每个元素与其对应的最佳接入信道一同进行存储;
(3)根据得到的最佳接入频段,实现通信频段动态接入;具体包括以下子步骤:
(31)采用周期静默期的方式,当通信端处于静默期时,依次点名各感知节点,使各感知节点上传感知的频谱状态信息至管理中心;
(32)管理中心接收到感知检测点上报的频谱状态,进行协作合并;
(33)工作频段平均分成n个信道,探测出信道的“忙、闲”状态,将频谱状态信息转换成二进制数;
(34)根据干扰规律数组预测出下一时刻的频谱状态,并给通信节点分配最佳接入频点进行通信;
(35)管理中心对感知节点周期上报的频谱信息进行监控,当发现工作频段内干扰规律发生变化时,重新对干扰规律进行学习分析,使***适应新的干扰环境;若规律未改变则通信一定时间后,返回步骤(31)。
2.根据权利要求1所述的认知无线电干扰预测方法,其特征在于,所述步骤(34)具体为:若发现通信频率与干扰发生冲突时,切换到当前频谱状态对应的最佳通信信道;若预测到下一时刻,通信频率将干扰发生冲突,提前切换通信信道,选择当前频谱状态对应的最佳信道频率;若通信频率未与干扰发生冲突且下一时刻也不会与干扰发生冲突,则保持当前通信频率不变。
3.根据权利要求1所述的认知无线电干扰预测方法,其特征在于,所述历史频谱信息采用以下方法获得:采用周期静默期的方式使通信端处于静默期,依次点名各感知节点,使各感知节点上传感知的频谱状态信息至管理中心;管理中心接收到感知检测点上报的频谱状态,进行协作合并;将频谱状态信息转换成二进制数:将工作频段平均分成n个信道,探测出信道的“忙、闲”状态,信道被占用时用数字“1”表示,信道未被占用时用“0”表示,则工作频段内每一时刻的频谱状态表示为n位二进制数,将历史频谱数据存储到数组中;重复上述步骤直至达到预设的感知次数。
4.一种认知无线电干扰预测***,其特征在于,包括感知节点、通信节点与管理中心;
所述感知节点负责对设定工作频段进行频谱感知,并向管理中心提供频谱检测结果;所述通信节点能够在节点间实现通信业务的实时传输,并按照管理中心分配的频率进行通信频率的修改;所述管理中心能够根据感知节点提供的频谱状态信息,分析、学习干扰规律,实现对干扰的预测并为通信业务选取合适的频段以供其进行通信;所述管理中心与各节点通过固定的控制信道进行通信,所述通信节点之间的通信信道则通过管理中心根据干扰频谱状态进行动态分配;各节点根据权利要求1-3中任一权利要求所述的认知无线电干扰预测方法进行联合工作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511027132.4A CN105491573B (zh) | 2015-12-31 | 2015-12-31 | 一种认知无线电干扰预测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511027132.4A CN105491573B (zh) | 2015-12-31 | 2015-12-31 | 一种认知无线电干扰预测方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105491573A CN105491573A (zh) | 2016-04-13 |
CN105491573B true CN105491573B (zh) | 2021-06-22 |
Family
ID=55678209
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201511027132.4A Active CN105491573B (zh) | 2015-12-31 | 2015-12-31 | 一种认知无线电干扰预测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105491573B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109752600B (zh) * | 2019-01-14 | 2021-06-08 | 电子科技大学 | 基于软件定义无线电技术的异常电磁信号分析***及方法 |
CN113556769B (zh) * | 2021-07-21 | 2022-04-22 | 湖南人文科技学院 | 一种基于干扰控制的计算机数据传输通信方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103139874A (zh) * | 2012-12-17 | 2013-06-05 | 中国人民解放军理工大学 | 认知无线电中基于时间序列预测的信道选择方法 |
CN103249050A (zh) * | 2013-04-17 | 2013-08-14 | 南京邮电大学 | 基于业务需求的多尺度频谱接入方法 |
CN104519496A (zh) * | 2014-12-15 | 2015-04-15 | 河海大学常州校区 | 一种认知无线电网络中频谱按需分配方法 |
WO2015143708A1 (zh) * | 2014-03-28 | 2015-10-01 | 华为技术有限公司 | 后缀数组的构造方法及装置 |
-
2015
- 2015-12-31 CN CN201511027132.4A patent/CN105491573B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103139874A (zh) * | 2012-12-17 | 2013-06-05 | 中国人民解放军理工大学 | 认知无线电中基于时间序列预测的信道选择方法 |
CN103249050A (zh) * | 2013-04-17 | 2013-08-14 | 南京邮电大学 | 基于业务需求的多尺度频谱接入方法 |
WO2015143708A1 (zh) * | 2014-03-28 | 2015-10-01 | 华为技术有限公司 | 后缀数组的构造方法及装置 |
CN104519496A (zh) * | 2014-12-15 | 2015-04-15 | 河海大学常州校区 | 一种认知无线电网络中频谱按需分配方法 |
Non-Patent Citations (2)
Title |
---|
Predictive Channel Access in Cognitive Radio Networks based on Variable order Markov Models;Chamara Devanarayana等;《 GLOBECOM 2011》;20111209;全文 * |
认知无线电的频谱感知算法研究;陈雷等;《通信技术》;20131231;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN105491573A (zh) | 2016-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tumuluru et al. | A neural network based spectrum prediction scheme for cognitive radio | |
JP7166584B2 (ja) | チャネル状態予測装置、無線通信装置、チャネル状態予測方法、および、プログラム | |
Taj et al. | Cognitive radio spectrum e volution prediction using a rtificial neural networks based multivariate t ime series modelling | |
Pham et al. | Spectrum handoff model based on hidden markov model in cognitive radio networks | |
JP2007318576A5 (zh) | ||
CN108076467B (zh) | 频谱资源受限下的广义感知模型及分布式q学习接入方法 | |
Lai et al. | Opportunistic spectrum access with two channel sensing in cognitive radio networks | |
CN105491573B (zh) | 一种认知无线电干扰预测方法及*** | |
Ye et al. | Multi-channel opportunistic access for heterogeneous networks based on deep reinforcement learning | |
Uyanik et al. | Predictive spectrum decision mechanisms in cognitive radio networks | |
Giral-Ramírez et al. | Spectral decision analysis and evaluation in an experimental environment for cognitive wireless networks | |
Toma et al. | Cooperative spectrum sensing: A new approach for minimum interference and maximum utilisation | |
WO2021043680A1 (en) | Predicting a radio spectrum usage | |
CN114126021A (zh) | 一种基于深度强化学习的绿色认知无线电的功率分配方法 | |
Ahmadi et al. | Predictive opportunistic spectrum access using learning based hidden markov models | |
CN117715205A (zh) | 基于认知无线电的频谱共享方法、装置和计算机设备 | |
CN109698726B (zh) | 一种基于机器学习的无线频谱资源分配方法 | |
Hanif et al. | Traffic pattern based adaptive spectrum handoff strategy for cognitive radio networks | |
Almasri et al. | All-powerful learning algorithm for the priority access in cognitive network | |
Roy et al. | Hidden Markov Model based channel state prediction in cognitive radio networks | |
Syed et al. | On the usage of history for energy efficient spectrum sensing | |
Zhang et al. | Prediction of spectrum based on improved RBF neural network in cognitive radio | |
Christian et al. | A low-interference channel status prediction algorithm for instantaneous spectrum access in cognitive radio networks | |
Arshid et al. | Energy detection based spectrum sensing strategy for CRN | |
Parera et al. | Anticipating mobile radio networks key performance indicators with transfer learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | 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 |