CN105703856A - 一种自适应干扰检测方法 - Google Patents
一种自适应干扰检测方法 Download PDFInfo
- Publication number
- CN105703856A CN105703856A CN201610145002.9A CN201610145002A CN105703856A CN 105703856 A CN105703856 A CN 105703856A CN 201610145002 A CN201610145002 A CN 201610145002A CN 105703856 A CN105703856 A CN 105703856A
- Authority
- CN
- China
- Prior art keywords
- interference
- data
- jnr
- jam
- interference detection
- 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
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
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明为通信技术领域,尤其涉及在电磁干扰环境的无线通信***对时域干扰和频域干扰的自适应干扰检测。本发明提供一种自适应干扰检测方法,该方法结合了CFAR和MEP干扰检测方法的优点,优化干扰检测门限设置,使干扰检测门限能够随JNR的变化而动态变化,从而在不同的JNR环境中,能够自适应地选择更优的干扰检测方法,使***能获得更优的传输性能。
Description
技术领域
本发明为通信技术领域,尤其涉及在电磁干扰环境的无线通信***对时域干扰和频域干扰的自适应干扰检测。
背景技术
随着干扰技术的发展,无线通信***所处的电磁环境变得日益复杂,电磁环境中的时域或频域干扰对无线通信***的性能影响越来越大,如果能检测出干扰信号,然后采用相应的干扰抑制手段,可以大大提高无线通信***的抗干扰传输性能,因此干扰检测技术是抗干扰通信***的一项关键技术。干扰检测不仅能够检测干扰信号的有无,还可检测出干扰功率、干扰在时频域的分布等参数,为干扰抑制提供基础。
对于干扰信号,通常可采用以下检测方法:1)恒虚警(ConstantFalseAlarmRate,CFAR)检测方法;2)最小错误概率(MinimumErrorProbability,MEP)检测方法,二者可适用于不同的应用需求。在CFAR干扰检测方法中,根据***的虚警概率要求,得到一个门限因子,干扰信号的检测门限等于该门限因子乘以噪声功率,在***一定的虚警概率要求下,门限因子不变,因此干扰检测门限只与噪声功率有关,和干扰功率无关,也和干噪比(JammingtoNoiseRatio,JNR)无关,即干扰检测的虚警概率恒定,不随JNR的改变而改变,干扰的漏检概率随着干噪比的增加而减小。在MEP干扰检测方法中,干扰检测的门限因子随着JNR的改变而改变,干扰的虚警和联合概率最小,虚警概率和漏检概率都随着JNR的增加而减小,在低JNR时,虚警概率较高。
在无线通信***中,接收端接收到有用信号、干扰和噪声。在一定信噪比(SignaltoNoiseRatio,SNR)下,当干扰功率较小,例如低于有用信号功率时,此时MEP干扰检测方法比CFAR方法的虚警概率高、漏检概率低,而这种情况下干扰的虚警比漏检对***性能损害更大,因为小功率的干扰对信号的影响几乎可以忽略不计,即使干扰被漏检对有用信号的传输性能影响也不大,而虚警会使有用信号被误判成干扰,从而被抑制,这损害有用信号的传输性能,因此在低JNR环境中更适合采用CFAR干扰检测方法;当干扰功率较大,例如大于有用信号功率时,干扰的漏检和虚警都会损害有用信号的传输性能,虚警会将有用信号误判成干扰被抑制,漏检会使干扰没有被抑制而增加***传输误码率,若干扰的漏检和虚警的联合概率最小,可以得到更好的***传输性能,在此环境下若采用CFAR方法,虽然漏检概率很低,但虚警概率较高,而MEP方法虚警和漏检概率都较低,二者的联合概率最小,因此,此时采用MEP干扰检测方法更为合适。
所以,CFAR和MEP干扰检测方法适用于不同的JNR环境,但在传统的无线通信***中,通常采用二者中其中一种干扰检测方法,在不同的JNR环境中无法获得最优的***传输性能。
发明内容
为避免现有技术的不足,本发明提供一种自适应干扰检测方法,该方法结合了CFAR和MEP干扰检测方法的优点,优化干扰检测门限设置,使干扰检测门限能够随JNR的变化而动态变化,从而在不同的JNR环境中,能够自适应地选择更优的干扰检测方法,使***能获得更优的传输性能。
为了方便地描述本发明的内容,首先对接收信号进行说明:每次处理的接收到的干扰信号为L=Nk个采样数据,针对的干扰信号是广义平稳的时域干扰或频域干扰,例如脉冲噪声干扰、瞄准式干扰、多音干扰和部分频带噪声干扰等,其中,k为不为零的自然数,N为不为零的自然数。
一种自适应干扰检测方法,具体步骤如下:
S1、参数设置:设定***的目标最大虚警概率Pfa_max;
S2、初始化干扰检测方式,计算初始干扰检测门限因子αJam:针对接收到的干扰信号,设置初始干扰检测方式为CFAR方式,根据关系式Pfa_max=1-F(αJam)计算干扰检测门限因子αJam,其中,F(αJam)是门限因子的分布函数;
S3、计算接收数据功率,即,对接收数据进行分组,分为N组数据,计算出各个分组的平均功率E=[E0,E1,…,EN-1]T;
S4、进行干扰检测处理,计算干噪比切换门限TJNR;
S5.判断干噪比是否小于切换门限:根据S49所得的切换门限TJNR,判断S48所得的JNR是否小于TJNR,若是,转到S8,若否,转到S6;
S6、更新干扰检测方式:更新为MEP方式,根据S48所得的JNR和ρ,再依据最小错误概率准则,计算得到新的干扰检测门限因子为αJam'=(1+ρ/JNR)ln(1+JNR/ρ);
S7、干扰检测处理:根据S6所述αJam',对S3得到的N个数据功率E0,E1,…,EN-1,进行干扰检测处理;
S8、输出结果:干扰数据集合SJ、无干扰数据集合SN、干噪比,其中,所述干燥比包括瞬时干噪比JNR′和平均干噪比JNR。
进一步地,S3所述计算接收数据功率具体步骤如下:
S31、进行时域干扰检测,对接收数据进行分组,连续k个采样点为一组,分为N组数据,即r=[r0,r1,…,rN-1],其中,第n组数据为rn=[rn0,rn1,…,rn(k-1)]T,对各分组时域数据进行模方求均值运算,得到各个分组的平均功率E=[E0,E1,…,EN-1]T,其中,第n个分组数据rn的平均功率为N表示数据分组总数,上标“[]T”表示矩阵的转置,k表示每个分组的采样点数;
S32、进行频域干扰检测,则将接收数据分段,连续N个采样点为一段,共分为k段r=[r0,r1,…,rk-1],其中,第m段时域数据为rm=[rm0,rm1,…,rm(N-1)]T,对各段时域数据分别进行FFT变换,得到k段频域数据R=[R0,R1,…,Rk-1],其中,第m段频域数据为Rm=[Rm0,Rm1,…,Rm(N-1)]T,然后对各段的相同频点数据进行模方求均值运算,得到各个频点的平均功率E=[E0,E1,…,EN-1]T,其中,第n个频点的平均功率为
进一步地,S4所述干扰检测处理具体步骤如下:
S41、初始化无干扰数据集合:对S3所得的数据功率E,选择功率最小的一部分数据构成无干扰数据集合SN;
S42、计算S41所述无干扰数据集合SN的平均功率
S43、计算干扰检测门限TJam:S2所述αJam乘以S42所述作为干扰检测门限TJam;
S44、更新无干扰数据集合:根据S43所述TJam,对S3所述E=[E0,E1,…,EN-1]T依次进行判断,若各数据功率E0,E1,…,EN-1<TJam,则将该数据放入S41所述SN中,构成新的无干扰数据集合SN';
S45、判断无干扰数据集合是否有变化:判断S44所述SN'中的元素与S41所述SN中元素是否有增减,若是,转到S42,若否,转到S46;
S46、得到干扰数据集合:将S3所得的{E0,E1,…,EN-1}中不含S44所述SN'元素的其他数据构成干扰数据集合SJ;
S47、计算S46所述干扰数据集合SJ的平均功率
S48、计算干噪比:根据S42所得的和S47所得的计算干扰功率干扰比例因子ρ、瞬时干噪比JNR′和平均干噪比JNR。
进一步地,S7所述干扰检测处理具体步骤如下:
S71、初始化无干扰数据集合:对S3所得的数据功率E,选择功率最小的一部分数据构成无干扰数据集合SN;
S72、计算S71所述无干扰数据集合SN的平均功率
S73、计算干扰检测门限TJam *:S6所述αJam'乘以S72所述作为干扰检测门限TJam *;
S74、更新无干扰数据集合:根据S73所述TJam *,对S3所述E=[E0,E1,…,EN-1]T依次进行判断,若各数据功率E0,E1,…,EN-1<TJam *,则将该数据放入S71所述SN中,构成新的无干扰数据集合SN'*;
S75、判断无干扰数据集合是否有变化:判断S74所述SN'*中的元素与S71所述SN中元素是否有增减,若是,转到S72,若否,转到S76;
S76、得到干扰数据集合:将S3所得的{E0,E1,…,EN-1}中不含S74所述SN'*元素的其他数据构成干扰数据集合SJ *;
S77、计算S76所述干扰数据集合SJ *的平均功率
S78、计算干噪比:根据S72所得的和S77所得的计算干扰功率干扰比例因子ρ*、瞬时干噪比JNR′*和平均干噪比JNR*。
进一步地,S4所述干噪比切换门限TJNR的具体步骤如下:
步骤1、根据S1设定的目标最大虚警概率Pfa_max,基于CFAR准则,计算干扰检测门限因子α1,它们满足如下关系式:Pfa_max=1-F(α1),其中,F(α1)是门限因子的分布函数;
步骤2、基于MEP准则,根据S48所得的干扰比例因子ρ和步骤1所得的干扰检测门限因子α1,计算对应的干噪比作为TJNR,它们满足如下关系式:α1=(1+ρ/TJNR)ln(1+TJNR/ρ)。
本发明的有益效果是:
本发明可自动检测时域或频域干扰,自动检测JNR,并根据实测JNR的大小自适应地选择更优的干扰检测方法,在JNR较小时,因干扰的虚警会使有用信号误判成干扰被抑制而大大损害***性能,此时自动选择虚警概率小的CFAR干扰检测方法;在JNR较大时,因干扰的虚警和漏检都会损害***性能,则自动选择虚警和漏检的联合概率最小的MEP干扰检测方法;因而本发明结合了CFAR和MEP方式的优点,在不同JNR环境下更好地平衡了干扰检测的虚警概率和漏检概率,从而使错误检测的风险降低,有效地提高了干扰检测性能,使***能获得更优的传输性能
附图说明
图1是本发明自适应干扰检测方法流程图。
图2是干扰检测处理流程图。
图3为本发明具体实施方式与传统CFAR干扰检测方法的虚警概率和漏检概率性能对比示意图。
图4分别是本发明具体实施方式与传统MEP干扰检测方法的虚警概率和漏检概率性能对比示意图。
图5是采用了本发明具体实施方式的无线通信***与采用了传统CFAR和MEP干扰检测方法的无线通信***的误码性能对比示意图。
具体实施方式
下面结合实施例和附图,详细说明本发明的技术方案。
以脉冲占空比ρ=1/16的脉冲噪声干扰和加性高斯白噪声(AdditiveWhiteGaussianNoise,AWGN)信道环境为例,进行自适应时域干扰检测,每次处理的采样数据块长度为L=Nk=640000,其中每个分组长度N=10000,每个分组的采样点数k=64。
S1.参数设置:设定***目标最大虚警概率Pfa_max为0.009;
S2.初始化干扰检测方式,计算初始干扰检测门限因子:针对接收到的干扰信号,设置初始干扰检测方式为CFAR方式,基于CFAR准则,根据Pfa_max要求,计算干扰检测门限因子αJam的过程如下:
干扰虚警指的是没有发送干扰,将噪声判为干扰的情况,设接收到的N个数据分组为r=[r0,r1,…,rn,…,rN-1],其中,N表示数据分组总数,第n个分组数据为rn=[rn0,rn1,…,rn(k-1)]T,上标“[]T”表示矩阵的转置,k表示每个分组的采样点数,每个分组的平均功率为在无信号、无干扰的AWGN信道下,只接收到噪声,噪声服从零均值复高斯分布,方差为PN,PN表示每个样点的平均噪声功率,En的归一化值X=En/PN满足自由度为2k的中心χ2分布,其概率密度函数为:分布函数为:目标最大虚警概率为:因此可计算干扰检测门限因子为αJam=F-1(1-Pfa_max),因为Pfa_max=0.009,计算可得:αJam≈1.32;
S3.计算接收数据功率,包括:
S31.进行时域干扰检测,则将接收数据分组,连续k个采样点为一组,分为N组r=[r0,r1,…,rN-1],其中,第n组数据为rn=[rn0,rn1,…,rn(k-1)]T,对各分组数据进行模方求均值运算,得到各个分组的平均功率E=[E0,E1,…,EN-1]T,其中,第n个分组rn的平均功率为
S32.进行频域干扰检测,则将接收数据分段,连续N个采样点为一段,共分为k段r=[r0,r1,…,rk-1],其中,第m段时域数据为rm=[rm0,rm1,…,rm(N-1)]T,对各段数据分别进行FFT变换,得到k段频域数据R=[R0,R1,…,Rk-1],第m段频域数据为Rm=[Rm0,Rm1,…,Rm(N-1)]T,其中,然后对各段的相同频点数据进行模方求均值运算,得到各个频点的平均功率E=[E0,E1,…,EN-1]T,其中,第n个频点的平均功率为
S4.针对由S3所得的数据功率E=[E0,E1,…,EN-1]T,进行干扰检测处理,包括:
S41.初始化无干扰数据集合:针对由S3所得的数据功率E=[E0,E1,…,EN-1]T,由小到大排序,得到矢量E′=[E′0,E′1,…,E′N-1]T,其中,E′0≤E′1≤…≤E′N-1,设表示向下取整,对E0,E1,…,EN-1依次做如下判断:若则将En放入无干扰数据集合SN;
S42.计算无干扰数据集合SN的平均功率其中,Nn为SN中的元素个数;
S43.计算干扰检测门限:干扰检测门限因子αJam乘以步骤S42所得的作为干扰检测门限
S44.更新无干扰数据集合:根据S43所得的干扰检测门限TJam,依次判断S3所得的每个符号的平均功率E0,E1,…,EN-1是否小于TJam,若En≤TJam,则将En放入无干扰数据集合SN;
S45.判断无干扰数据集合是否有变化:判断由S44所得的SN中的元素是否有增减,若是转到步骤S42,否则转到步骤S46;
S46.得到干扰数据集合:根据S44所得的SN,将S3所得的{E0,E1,…,EN-1}中不含SN元素的其他符号构成干扰数据集合SJ;
S47.计算干扰数据集合SJ的平均功率
S48.计算干噪比:根据S42所得的和S47所得的计算干扰功率干扰比例因子ρ、瞬时干噪比JNR′和平均干噪比JNR:
在本实施例中,可估计得ρ≈1/16。
S49.计算干噪比切换门限TJNR,包括:
S491.根据S1设定的目标最大虚警概率Pfa_max,基于CFAR准则,计算干扰检测门限因子为α1=F-1(1-Pfa_max),因为Pfa_max=0.009,计算可得:α1≈1.32,计算过程同S2;
S492.基于MEP准则,根据S48所得的干扰比例因子ρ和S491所得的干扰检测门限因子α1,计算对应的干噪比作为TJNR,它们满足如下关系式:α1=(1+ρ/TJNR)ln(1+TJNR/ρ),计算过程见S6,当ρ≈1/16,α1≈1.32,可计算得TJNR≈-13dB;
S5.判断干噪比是否小于切换门限:根据S48所得的JNR和S49所得的切换门限TJNR,判断JNR是否小于TJNR,若是,干扰检测方式不变,依然为CFAR方式,检测结果保留,转步骤S8;若不是,转步骤S6,重新进行干扰检测;
S6.更新干扰检测方式:更新为MEP方式,根据S48所得的JNR和ρ,再依据最小错误概率准则,计算得到新的干扰检测门限因子为αJam=(1+ρ/JNR)ln(1+JNR/ρ),αJam的计算过程如下:
对于接收到的数据符号,作出如下二元假设:
在未知干扰先验概率的情况下,假设H0和H1事件等可能发生,根据MEP准则,干扰检测门限因子αJam满足:p(αJam|H1)=p(αJam|H0)。
H1时,即当接收符号有干扰时,在AWGN信道下,接收到脉冲噪声干扰和信道噪声,接收信号服从零均值复高斯分布,方差为PN+PJ,PJ表示瞬时干扰功率,即为有效干扰脉宽内的平均干扰功率,每个符号的平均功率为En的归一化值Y=En/PN满足自由度为2k的中心x2分布,其概率密度函数为:
H0时,En的归一化值X=En/PN满足自由度为2k的中心χ2分布,其概率密度函数为:
根据MEP准则,fY(αJam)=fX(αJam),即
计算可得:αJam=(1+ρ/JNR)ln(1+JNR/ρ),其中JNR=ρPJ/PN,ρ=1/16;
S7.干扰检测处理:根据S6所得的新αJam,对S3得到的N个数据功率E0,E1,…,EN-1,进行干扰检测处理,包括的步骤S71-S78与步骤S41~S48完全相同;
S8.输出结果:干扰数据集合SJ、无干扰数据集合、干噪比(瞬时干噪比JNR′和平均干噪比JNR)。
图3和图4分别是本实施方式与传统CFAR和MEP干扰检测方法的虚警概率和漏检概率性能比较,其中,干扰为脉冲噪声干扰,信道为标准的AWGN信道,检测环境为信号静默期,即仅接收到脉冲干扰和噪声,每次处理的采样数据块长度为L=Nk=640000,其中每个分组长度N=10000,每个分组的采样点数k=64,脉冲干扰占空比为ρ=1/16,干扰脉冲周期为1024个采样点,脉冲宽度为64个采样点,设定的目标最大虚警概率为Pfa_max=0.009。仿真表明,计算可得模式切换门限TJNR=-13dB,当JNR≤-13dB时,自适应干扰检测将自动设置为CFAR方式,此时的自适应干扰检测的虚警、漏检概率和CFAR方式性能相同;当JNR>-13dB时,自适应干扰检测将自动设置为MEP方式,此时的自适应干扰检测性能和MEP方法性能相同。
图5为采用了本实施方式的无线通信***与采用了传统CFAR和MEP干扰检测方法的无线通信***的误码性能比较。其中,信道为标准的AWGN信道,***参数与干扰参数同图4的参数设置,无线通信***采用BPSK调制方式,信道编码方式为码率为1/2、约束长度为9的卷积码,接收到有用信号、脉冲干扰和噪声,几个***采用相同的脉冲干扰抑制方式,设置Eb/N0=3dB。仿真表明当JNR≤-13dB时,采用了自适应干扰检测的通信***误码性能优于采用了MEP干扰检测方法的***误码性能;当JNR>-13dB时,采用了自适应干扰检测的通信***误码性能优于采用了CFAR干扰检测方法的***误码性能。因此本发明的自适应干扰检测方法结合了CFAR和MEP干扰检测方法的优点,可以自动检测时域和频域干扰,而且可根据干噪比自适应地选择更优的干扰检测方式,使***具有更好的传输性能,具有更强的应用价值。
Claims (5)
1.一种自适应干扰检测方法,其特征在于,包括如下步骤:
S1、参数设置:设定***的目标最大虚警概率Pfa_max;
S2、初始化干扰检测方式,计算初始干扰检测门限因子αJam:针对接收到的干扰信号,设置初始干扰检测方式为CFAR方式,根据关系式Pfa_max=1-F(αJam)计算干扰检测门限因子αJam,其中,F(αJam)是门限因子的分布函数;
S3、计算接收数据功率,即,对接收数据进行分组,分为N组数据,计算出各个分组的平均功率E=[E0,E1,…,EN-1]T;
S4、进行干扰检测处理,计算干噪比切换门限TJNR;
S5.判断干噪比是否小于切换门限:根据S49所得的切换门限TJNR,判断S48所得的JNR是否小于TJNR,若是,转到S8,若否,转到S6;
S6、更新干扰检测方式:更新为MEP方式,根据S48所得的JNR和ρ,再依据最小错误概率准则,计算得到新的干扰检测门限因子为αJam'=(1+ρ/JNR)ln(1+JNR/ρ);
S7、干扰检测处理:根据S6所述αJam',对S3得到的N个数据功率E0,E1,…,EN-1,进行干扰检测处理;
S8、输出结果:干扰数据集合SJ、无干扰数据集合SN、干噪比,其中,所述干燥比包括瞬时干噪比JNR′和平均干噪比JNR。
2.根据权利要求1所述的一种自适应干扰检测方法,其特征在于:S3所述计算接收数据功率具体步骤如下:
S31、进行时域干扰检测,对接收数据进行分组,连续k个采样点为一组,分为N组数据,即r=[r0,r1,…,rN-1],其中,第n组数据为rn=[rn0,rn1,…,rn(k-1)]T,对各分组时域数据进行模方求均值运算,得到各个分组的平均功率E=[E0,E1,…,EN-1]T,其中,第n个分组数据rn的平均功率为N表示数据分组总数,上标“[]T”表示矩阵的转置,k表示每个分组的采样点数;
S32、进行频域干扰检测,则将接收数据分段,连续N个采样点为一段,共分为k段r=[r0,r1,…,rk-1],其中,第m段时域数据为rm=[rm0,rm1,…,rm(N-1)]T,对各段时域数据分别进行FFT变换,得到k段频域数据R=[R0,R1,…,Rk-1],其中,第m段频域数据为Rm=[Rm0,Rm1,…,Rm(N-1)]T,然后对各段的相同频点数据进行模方求均值运算,得到各个频点的平均功率E=[E0,E1,…,EN-1]T,其中,第n个频点的平均功率为
3.根据权利要求1所述一种自适应干扰检测方法,其特征在于:S4所述干扰检测处理具体步骤如下:
S41、初始化无干扰数据集合:对S3所得的数据功率E,选择功率最小的一部分数据构成无干扰数据集合SN;
S42、计算S41所述无干扰数据集合SN的平均功率
S43、计算干扰检测门限TJam:S2所述αJam乘以S42所述作为干扰检测门限TJam;
S44、更新无干扰数据集合:根据S43所述TJam,对S3所述E=[E0,E1,…,EN-1]T依次进行判断,若各数据功率E0,E1,…,EN-1<TJam,则将该数据放入S41所述SN中,构成新的无干扰数据集合SN';
S45、判断无干扰数据集合是否有变化:判断S44所述SN'中的元素与S41所述SN中元素是否有增减,若是,转到S42,若否,转到S46;
S46、得到干扰数据集合:将S3所得的{E0,E1,…,EN-1}中不含S44所述SN'元素的其他数据构成干扰数据集合SJ;
S47、计算S46所述干扰数据集合SJ的平均功率
S48、计算干噪比:根据S42所得的和S47所得的计算干扰功率干扰比例因子ρ、瞬时干噪比JNR′和平均干噪比JNR。
4.根据权利要求1所述一种自适应干扰检测方法,其特征在于:S7所述干扰检测处理具体步骤如下:
S71、初始化无干扰数据集合:对S3所得的数据功率E,选择功率最小的一部分数据构成无干扰数据集合SN;
S72、计算S71所述无干扰数据集合SN的平均功率
S73、计算干扰检测门限TJam *:S6所述αJam'乘以S72所述作为干扰检测门限TJam *;
S74、更新无干扰数据集合:根据S73所述TJam *,对S3所述E=[E0,E1,…,EN-1]T依次进行判断,若各数据功率E0,E1,…,EN-1<TJam *,则将该数据放入S71所述SN中,构成新的无干扰数据集合SN'*;
S75、判断无干扰数据集合是否有变化:判断S74所述SN'*中的元素与S71所述SN中元素是否有增减,若是,转到S72,若否,转到S76;
S76、得到干扰数据集合:将S3所得的{E0,E1,…,EN-1}中不含S74所述SN'*元素的其他数据构成干扰数据集合SJ *;
S77、计算S76所述干扰数据集合SJ *的平均功率
S78、计算干噪比:根据S72所得的和S77所得的计算干扰功率干扰比例因子ρ*、瞬时干噪比JNR′*和平均干噪比JNR*。
5.根据权利要求3所述一种自适应干扰检测方法,其特征在于:S4所述干噪比切换门限TJNR的具体步骤如下:
步骤1、根据S1设定的目标最大虚警概率Pfa_max,基于CFAR准则,计算干扰检测门限因子α1,它们满足如下关系式:Pfa_max=1-F(α1),其中,F(α1)是门限因子的分布函数;
步骤2、基于MEP准则,根据S48所得的干扰比例因子ρ和步骤1所得的干扰检测门限因子α1,计算对应的干噪比作为TJNR,它们满足如下关系式:α1=(1+ρ/TJNR)ln(1+TJNR/ρ)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610145002.9A CN105703856B (zh) | 2016-03-14 | 2016-03-14 | 一种自适应干扰检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610145002.9A CN105703856B (zh) | 2016-03-14 | 2016-03-14 | 一种自适应干扰检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105703856A true CN105703856A (zh) | 2016-06-22 |
CN105703856B CN105703856B (zh) | 2018-08-24 |
Family
ID=56220579
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610145002.9A Active CN105703856B (zh) | 2016-03-14 | 2016-03-14 | 一种自适应干扰检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105703856B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113452472A (zh) * | 2020-03-26 | 2021-09-28 | 瑞昱半导体股份有限公司 | 无线信号的分组检测方法及其*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101026605A (zh) * | 2006-02-20 | 2007-08-29 | 华为技术有限公司 | 一种干扰检测方法 |
CN103037429A (zh) * | 2012-12-07 | 2013-04-10 | 同济大学 | 一种td-lte***的干扰检测方法 |
CN103926595A (zh) * | 2014-04-22 | 2014-07-16 | 中国电子科技集团公司第二十研究所 | 基于小型化卫星导航终端的干扰信号检测方法 |
CN104133195A (zh) * | 2014-07-23 | 2014-11-05 | 成都天奥信息科技有限公司 | 一种海浪干扰抑制方法 |
US20140362892A1 (en) * | 2013-06-06 | 2014-12-11 | Zih Corp. | Multiple antenna interference rejection in ultra-wideband real time locating systems |
CN104253659A (zh) * | 2014-09-17 | 2014-12-31 | 北京邮电大学 | 一种频谱检测方法及其装置 |
RU2563889C1 (ru) * | 2014-07-22 | 2015-09-27 | Российская Федерация, от имени которой выступает Министерство обороны Российской Федерации | Цифровой обнаружитель радиосигналов в условиях шума неизвестной интенсивности |
CN105182312A (zh) * | 2015-09-29 | 2015-12-23 | 西安知几天线技术有限公司 | 自适应环境变化的恒虚警检测方法 |
-
2016
- 2016-03-14 CN CN201610145002.9A patent/CN105703856B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101026605A (zh) * | 2006-02-20 | 2007-08-29 | 华为技术有限公司 | 一种干扰检测方法 |
CN103037429A (zh) * | 2012-12-07 | 2013-04-10 | 同济大学 | 一种td-lte***的干扰检测方法 |
US20140362892A1 (en) * | 2013-06-06 | 2014-12-11 | Zih Corp. | Multiple antenna interference rejection in ultra-wideband real time locating systems |
CN103926595A (zh) * | 2014-04-22 | 2014-07-16 | 中国电子科技集团公司第二十研究所 | 基于小型化卫星导航终端的干扰信号检测方法 |
RU2563889C1 (ru) * | 2014-07-22 | 2015-09-27 | Российская Федерация, от имени которой выступает Министерство обороны Российской Федерации | Цифровой обнаружитель радиосигналов в условиях шума неизвестной интенсивности |
CN104133195A (zh) * | 2014-07-23 | 2014-11-05 | 成都天奥信息科技有限公司 | 一种海浪干扰抑制方法 |
CN104253659A (zh) * | 2014-09-17 | 2014-12-31 | 北京邮电大学 | 一种频谱检测方法及其装置 |
CN105182312A (zh) * | 2015-09-29 | 2015-12-23 | 西安知几天线技术有限公司 | 自适应环境变化的恒虚警检测方法 |
Non-Patent Citations (1)
Title |
---|
闫云斌: "瑞利衰落信道下噪声跟踪干扰检测性能分析", 《上海交通大学学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113452472A (zh) * | 2020-03-26 | 2021-09-28 | 瑞昱半导体股份有限公司 | 无线信号的分组检测方法及其*** |
US11350296B2 (en) | 2020-03-26 | 2022-05-31 | Realtek Semiconductor Corp. | Packet detecting method of a wireless signal and packet detecting system of the wireless signal capable of identifying adjacent channel interference |
CN113452472B (zh) * | 2020-03-26 | 2024-05-31 | 瑞昱半导体股份有限公司 | 无线信号的分组检测方法及其*** |
Also Published As
Publication number | Publication date |
---|---|
CN105703856B (zh) | 2018-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104821837B (zh) | 一种用于mf‑tdma体制的跳频抗干扰*** | |
CN105591990B (zh) | 一种脉冲干扰的抑制方法 | |
JP2021521716A (ja) | 非協調システムにおける干渉検出および抑制 | |
CN106713190B (zh) | 基于随机矩阵理论和特征阈值估计的mimo发射天线数目盲估计算法 | |
CN102438334B (zh) | 一种多传感器节点分布式协作进行调制识别的方法 | |
CN108736921B (zh) | 一种抵抗随机脉冲噪声的电力线载波通信前导检测方法 | |
CN109274438B (zh) | 一种自适应双门限协同干扰检测方法及装置 | |
Gahane et al. | Performance of improved energy detector with cognitive radio mobility and imperfect channel state information | |
Singh et al. | Trade-off between AND and OR detection method for cooperative sensing in cognitive radio | |
Singh et al. | Threshold optimization of a finite sample-based cognitive radio network using energy detector | |
CN107612864B (zh) | 突发模式简化符号同步方法的判决门限值设定方法 | |
CN105703856A (zh) | 一种自适应干扰检测方法 | |
Tang et al. | An augmented generalized likelihood ratio test detector for signal detection in clutter and noise | |
Gao et al. | A robust and efficient cooperative spectrum sensing scheme in cognitive radio networks | |
CN102869091B (zh) | 一种确定定位参考信号到达时间的方法及装置 | |
CN104980184A (zh) | 用于td-scdma***的小区搜索方法和设备 | |
CN101635583A (zh) | 一种窄带高速跳频***的抗相偏解调方法 | |
CN105703850B (zh) | 基于短时傅里叶变换数据链信号边沿检测方法 | |
JP5411659B2 (ja) | Ofdm信号受信におけるマルチパス歪み等化装置および受信装置 | |
Coulson | Blind spectrum sensing using Bayesian sequential testing with dynamic update | |
Olickal et al. | LSTM projected layer neural network-based signal estimation and channel state estimator for OFDM wireless communication systems. | |
Treeumnuk et al. | Energy detector with adaptive sensing window for improved spectrum utilization in dynamic cognitive radio systems | |
CN102611470B (zh) | 差分跳频通信***中的抗干扰接收机及其运行方法 | |
Kumar et al. | A machine learning approach to modulation detection in wireless communications | |
Lai et al. | Fast Two‐Step Energy Detection for Spectrum Sensing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |