CN106130937B - 基于中位数准则的主***收发信机间信道增益估计方法 - Google Patents
基于中位数准则的主***收发信机间信道增益估计方法 Download PDFInfo
- Publication number
- CN106130937B CN106130937B CN201610538731.0A CN201610538731A CN106130937B CN 106130937 B CN106130937 B CN 106130937B CN 201610538731 A CN201610538731 A CN 201610538731A CN 106130937 B CN106130937 B CN 106130937B
- Authority
- CN
- China
- Prior art keywords
- median
- signal
- follows
- transmitter
- base station
- 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
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000005540 biological transmission Effects 0.000 claims description 19
- 230000019771 cognition Effects 0.000 claims description 19
- 238000005070 sampling Methods 0.000 claims description 9
- 238000005562 fading Methods 0.000 claims description 8
- 238000005315 distribution function Methods 0.000 claims description 6
- 239000000654 additive Substances 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000001149 cognitive effect Effects 0.000 description 15
- 238000004891 communication Methods 0.000 description 7
- 238000001228 spectrum Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000003920 cognitive function Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/06—TPC algorithms
- H04W52/08—Closed loop power control
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/06—TPC algorithms
- H04W52/14—Separate analysis of uplink or downlink
- H04W52/143—Downlink power control
-
- 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
- H04W72/0473—Wireless resource allocation based on the type of the allocated resource the resource being transmission power
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开一种基于中位数准则的主***收发机间信道增益估计方法，CT能在不存在主***到自身之间反馈链路的条件下估计出信道增益，本发明的方法主要通过监听多个独立SNR，得到多个独立SNR的中位数，并且利用该中位数与CG之间的数学关系估计CG；本发明的方法具有较低的估计误差，因此与传统的CG估计方法相比，本发明具有更低的复杂度和更好的估计性能。
Description
技术领域
本发明属于移动通信领域的认知无线电网络。本发明旨在解决该网络中认知用户对主***收发机之间信道增益估计的问题。
背景技术
在移动通信领域中，频谱资源非常有限，而当前的频谱利用率却很低。因此，如何提高无线通信***的频谱利用率的问题亟需解决。一种有效地解决方法是采用频谱共享(SS) 技术。在SS中，只要认知用户的信号传输不超过主***能接受的最大干扰功率限制(干扰温度pI)要求，认知用户就可以接入主***的频谱中。那么，为了在认知用户与主***之间实现SS，认知用户需要获得主***的干扰温度来控制自身的发射功率，从而满足认知信号对主用户信号的干扰限制。
事实上，干扰温度是通过计算主***收发信机之间的信道增益来得到。在一个实际的无线通信***中，主***发射机通过调整发射信号功率来满足接收机处的目标信噪比γT。如果主用户收发机之间的信道增益很小，同时主用户之间的通信被认知用户的信号干扰时，即使主用户发射机以最大功率pmax发射信号，主用户接收机端的信噪比还是低于目标信噪比。这时，主用户之间的通信中断。在实际***中，γT与主用户收发机之间的通信质量联系紧密，每个γT对应一个预先设定的主***中断概率Θ，因此，主用户***通过计算干扰温度来限制认知用户对自身的干扰，从而满足预先设定的中断概率要求。主***的干扰温度pI与信道增益g0之间存在以下关系：
其中，g0为主***收发信机之间的大尺度信道增益系数，h0为小尺度衰落系数，其服从均值为1的瑞利分布，σ2为加性高斯白噪声功率。因此，干扰温度pI可以通过如下公式求出：
综上所述，如果认知用户能够得到主***收发机之间的信道增益，就能获得相应的干扰温度pI。这样，认知用户就可以通过调整自身的发射传输功率来保护主***的通信质量，同时提高认知吞吐量的目标。在传统的方法中，认知用户需要一条连接主***的链路来获得该信道增益。通过这条链路，主***可以将该信道增益信息发送给认知用户。但在实际的***中，主***与认知用户之间的反馈链路不一定存在。因此，认知用户如何估计出主***之间的信道增益以计算相应的干扰温度成为一大亟待解决的难题。
为了便于理解对下述术语和模型进行介绍：
定义1主基站(PT，Primary Transmitter)：主***中的信号发射端。
定义2主用户(PR，Primary User)：主***中的信号接收端。
定义3认知发射机(CT，Cognitive Transmitter)：次级***中具有认知功能的信号发射端。
定义4信噪比(SNR，Signal Noise Ratio)：信号功率与噪声功率的比值。
定义5闭环功率控制(CLPC,Closed Loop Power Control)：发射端根据接收端信噪比的变化来调整自身的发射功率，从而保证接收端的接收质量。
定义6累积分布函数(CDF，Cumulative Distribution Function)：表示某一随机变量落在任一区间上的概率。
定义7概率分布函数(PDF，Probability Distribution Function)：表示瞬时幅值落在某指定范围内的概率。
定义8信道增益(CG，Channel Gain)：PT与PR之间的路径损耗因子。
定义9基于中位数的(MB，Median Based)：本发明采用的CG估计方法。
发明内容
本发明为解决上述技术问题，提出了一种基于中位数准则的主***收发机间信道增益估计方法，通过监听多个独立SNR，根据所得到SNR的中位数，并且利用该中位数与CG之间的数学关系估计CG。
本发明采用的技术方案是：基于中位数准则的主***收发信机间信道增益估计方法，包括：
S1、下行链路传输中，主基站与主用户之间采用闭环功率控制，主基站向主用户发射信号的同时，认知发射机监听来自主基站信号的信噪比；
S2、认知发射机根据接收到的信噪比，通过基于中位数的估计算法得到信道增益值。
进一步地，所述步骤S1具体包括以下分步骤：
S11、主基站采用自适应调制方式，设主基站发射单位功率的信号xp(k)，发射功率为p0(k)，则主用户端接收到的信号表示为：
其中，np(k)为CT处接收到的均值为0，方差为σ2的加性高斯白噪声；h0(k)表示主基站与主用户之间的小尺度衰落系数，且h0(k)服从均值为1的瑞利分布；g0表示主基站与主用户之间的信道增益值，
主用户端接收到的信噪比为：
主基站的发射功率满足以下条件：
其中，γT表示目标信噪比；
S12、在下行链路传输中，认知发射机接收到主基站的信号为：
其中，nc(k)为认知发射机处的噪声，nc(k)的均值为0，nc(k)的方差为σ2；g1表示主基站与认知发射机之间的小尺度衰落系数，h1(k)表示主基站与认知发射机之间的信道增益值；
认知发射机处的信噪比为：
将带入中，则认知发射机处的信噪比为可以表示为：
进一步地，所述步骤S2具体包括：
S21、对认知发射机处的信噪比：进行去指数，并采用dB形式表示为：
γc,dB＝γT,dB+10log10(g1)-10log10(g0)+10log10φ；
其中，φ为随机变量，且γc,dB表示认知发射机处接收到的信噪比的dB形式；γT,dB表示主用户处目标信噪比的dB形式；
S22、步骤S21中γc,dB的累积分布函数为：
S23、根据中位数的定义，令获得γc,dB的中位数
S24、通过求解得到信道增益值g0。
进一步地，所述步骤S24具体包括以下分步骤：
S241、对于K个采样数据块，认知发射机测量得到K个采样信噪比：对K个采样信噪比进行升序排列：
S242、当K为奇数时，采样中位数为：通过采样中位数近似得到中位数为：通过中位数估计值近似得到信道增益值g0；
S243、当K为偶数时，采样中位数处于和之间，则通过采样中位数近似得到中位数为：通过中位数估计值近似得到信道增益值g0。
更进一步地，步骤S242中所述中位数估计值表达式为：
更进一步地，步骤S243中所述中位数估计值表达式为：
本发明的有益效果：本发明的基于中位数准则的主***收发机间信道增益估计方法， CT能在不存在主***到自身之间反馈链路的条件下估计出信道增益，本发明的方法主要通过监听多个独立SNR，得到多个独立SNR的中位数，并且利用该中位数与 CG之间的数学关系估计CG；本发明的方法具有较低的估计误差，因此与传统的CG 估计方法相比，本发明具有更低的复杂度和更好的估计性能。
附图说明
图1为本发明所采用的***示意图。
图2为本发明提供的估计误差与传输块个数K的关系图。
图3为本发明提供的估计误差与主基站与主用户之间距离d0的关系图。
图4为本发明提供的估计误差与主基站与认知发射机之间距离d1的关系图。
具体实施方式
为便于本领域技术人员理解本发明的技术内容，下面结合附图对本发明内容进一步阐释。
如图1所示为本发明所采用的***示意图，***由PT、PR和CT组成，PT 与PR在某个频段内通信，PT位置固定，其覆盖范围为半径为R的圆，CT位于圆内，通过估计PT与PR之间的信道增益来实现频谱共享。***考虑的信道为块衰落信道。
其中，PT和PR(CT)之间的信道系数为hk(k＝0,1)为小尺度衰落系数，服从瑞利衰落，且在每个数据块中保持不变；gk(k＝0,1)为大尺度衰落系数，其由如下公式决定：
Pl(dk)＝128+37.6log10(dk),for dk≥0.035km (1)
其中，dk为两点之间的距离，当k＝0时，d0表示主基站与主用户之间的距离；当k＝1时，d1表示主基站与认知发射机之间的距离。
本发明考虑PT和PR之间在下行链路传输中采用CLPC。在PT向PR发射信号的同时，CT端监听来自PT端信号的SNR。通过监听多个独立SNR，根据所得到SNR的中位数，并且利用该中位数与CG之间的数学关系估计CG。
由于PT和PR之间采用CLPC，PT的发射功率包含了PT与PR之间CG的信息。同时，PT的发射功率信息包含在CT接收到的SNR数据中。因此，CT可以通过测量SNR来估计PT和PR之间CG。与此同时，中位数能够反应多个数据的平均值。利用SNR平均值与CG的关系可以计算CG。
CT通过中位数准则进行CG估计的方法，包括如下步骤：
S1、下行链路传输中，PT和PR之间采用CLPC，PT向PR发射信号的同时， CT端监听来自PT端信号的SNR；PT根据PR处的目标信噪比进行功率调整。具体步骤如下：
S11、PT采用自适应调制方式，PT发射单位功率的信号xp，发射功率为p0，则PR端接收到的信号可以表示为：
其中，np(k)为认知发射机CT处接收到的均值为0，且方差为σ2的加性高斯白噪声，于是，PR处接收到的SNR为：
由于主基站PT与主用户PR之间采用CLPC，PT自适应地调整自身的发射功率以达到PR处的目标信噪比γT，因此，PT处的发射功率应该满足以下条件：
S12、在下行链路传输中，CT接收到PT的信号为：
其中，nc(k)为CT处的噪声，均值为0，方差为σ2。于是CT处的SNR为：
将(4)带入(6)中，上述SNR可以表示为：
S2、由上述公式可知：g0的估计与CT处接收的所有块的SNR有关，于是CT 根据接收的所有块的SNR来估计CG值g0。
首先，本发明给出中位数和采样中位数的定义：
定义10、对于一个CDF函数为FX(x),x∈R的随机变量X，如果有如下关系存在：
那么就为X的中位数。
定义11、对于一个有M个采样值xm(1≤m≤M)的随机变量X，如果：
则为X采样值的中位数。
为了公式的简洁，将(7)中的指数k去掉，并用dB形式表示：
γc,dB＝γT,dB+10log10(g1)-10log10(g0)+10log10φ (8)
其中，随机变量因为φ为随机变量，所以γc,dB也为相应的一个随机变量，它的CDF形式为：
其中，FΦ(·)为φ的CDF。由于hk(k＝0,1)服从均值为1的瑞利分布，其CDF形式可以表示为：
将(10)带入(9)可得γc,dB的CDF为：
基于定义10，可以令来获得γc,dB的中位数
求解(12)可得：
由(13)可知，为g0的函数，可以通过求解来获得CG的估计值g0，由于CT并不知晓的值，因此要先估计值。
对于K个独立的采样数据块，CT能够测量K个独立的SNR，即：γc,dB(k)(1≤k≤K)，接下来，本申请将用采样中位数来近似最后求得MB 估计器g0。
首先，将采样SNR表示为并对其进行升序排列，即：
由于当采样个数K为奇数和偶数时，采样中值不一样，所以，本申请将分别对K为奇数和偶数进行讨论。
1)当K为奇数时，采样中值因此，γc,dB可以近似为：
把(14)带入(13)，可以得出MB估计器：
2)当K为偶数时，采样中值处于和之间，于是，γc,dB可以近似为：
把(16)带入(13)，MB估计器可以表示为：
综合可得，MB估计器小结为：
其中，odd表示奇数，even表示偶数；从(18)可以看出，MB估计器的值取决于PR处的目标SNRγT,dB，PT与PR之间的信道增益g1，CT本身接收的SNR γc,dB，由于CT可以通过研究主***的调制编码方案来获得γT,dB，通过测量自身与 PT的距离来获得g1，测量接收到的SNR来获得γc,dB，因此，CT能够通过求解(18) 来获得MB估计器
仿真结果：在仿真中，设定发射机的坐标位置为(0,0)，PR和CT均处在x轴上，接收机处的目标信噪比为γT＝10dB，噪声的功率为-114dBm，数据块的个数为N＝100，蒙特卡洛撒点数为10000。
如图2所示为g0的绝对估计误差ε与数据块数目K的关系图，ε定义为：
其中，PT与CT之间的距离d1＝0.1km，PT与PR之间的距离d0＝0.25km。由图可以看出，随着数据块数目K的增大，估计误差ε的值越来越小。这是因为当K变大时，对SNR 中位数的估计会越来越准确，因此，估计性能会变好。本申请中数据块数目K取值下限为 1，上限为正无穷。
如图3所示为g0的绝对估计误差ε与d0变化的关系图。
其中，d1＝0.1km，d0的变化范围是(0.1km,0.5km)，由图可以看出，随着d0的变化估计误差ε基本上维持在0.68dB左右，这表明MB估计器的估计的性能较好，而且PR的位置变化对估计性能没有太大的影响。
如图4所示为g0的绝对估计误差ε与d1变化的关系图。其中d0＝0.25km，d1的变化范围是(0.1km,0.5km)，此图展示了当d1发生变化时，虽然CT处接收到的SNR会相应变小，但是g0的估计误差却一直处在0.68dB左右。因此MB估计器不仅具有较优的估计性能，且抗噪干扰能力强。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。
Claims (6)
1.基于中位数准则的主***收发机间信道增益估计方法，其特征在于，包括：
S1、下行链路传输中，主基站与主用户之间采用闭环功率控制，主基站向主用户发射信号的同时，认知发射机监听来自主基站信号的信噪比；
S2、认知发射机根据接收到的信噪比，通过基于中位数的估计算法得到信道增益值。
2.根据权利要求1所述的基于中位数准则的主***收发信机间信道增益估计方法，其特征在于，所述步骤S1具体包括以下分步骤：
S11、主基站采用自适应调制方式，设主基站发射单位功率的信号xp(k)，发射功率为p0(k)，则主用户端接收到的信号表示为：
其中，np(k)为CT处接收到的均值为0，方差为σ2的加性高斯白噪声；h0(k)表示主基站与主用户之间的小尺度衰落系数，且h0(k)服从均值为1的瑞利分布；g0表示主基站与主用户之间的信道增益值；
主用户端接收到的信噪比为：
主基站的发射功率满足以下条件：
其中，γT表示目标信噪比；
S12、在下行链路传输中，认知发射机接收到主基站的信号为：
其中，nc(k)为认知发射机处的噪声，nc(k)的均值为0，nc(k)的方差为σ2，g1表示主基 站与认知发射机之间的信道增益；h1(k)表示主基站与认知发射机之间的小尺度衰落系数；
认知发射机处的信噪比为：
将带入中，则认知发射机处的信噪比为可以表示为：
3.根据权利要求1所述的基于中位数准则的主***收发机间信道增益估计方法，其特征在于，所述步骤S2具体包括：
S21、对认知发射机处的信噪比：进行去指数，并采用dB形式表示为：
γc,dB＝γT,dB+10log10(g1)-10log10(g0)+10log10φ；
其中，φ为随机变量，且γc,dB表示认知发射机处接收到的信噪比的dB形式；γT,dB表示主用户处目标信噪比的dB形式；
S22、步骤S21中γc,dB的累积分布函数为：
S23、根据中位数的定义，令获得γc,dB的中位数
S24、通过求解得到信道增益值g0。
4.根据权利要求3所述的基于中位数准则的主***收发信机间信道增益估计方法，其特征在于，所述步骤S24具体包括以下分步骤：
S241、对于K个采样数据块，认知发射机测量得到K个采样信噪比：对K个采样信噪比进行升序排列：
S242、当K为奇数时，采样中位数为：通过采样中位数近似得到中位数为：通过中位数估计值近似得到信道增益值g0；
S243、当K为偶数时，采样中位数处于和之间，则通过采样中位数近似得到中位数为：通过中位数估计值近似得到信道增益值g0。
5.根据权利要求4所述的基于中位数准则的主***收发机间信道增益估计方法，其特征在于，步骤S242中所述中位数估计值表达式为：
6.根据权利要求4所述的基于中位数准则的主***收发机间信道增益估计方法，其特征在于，步骤S243中所述中位数估计值表达式为：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610538731.0A CN106130937B (zh) | 2016-07-08 | 2016-07-08 | 基于中位数准则的主***收发信机间信道增益估计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610538731.0A CN106130937B (zh) | 2016-07-08 | 2016-07-08 | 基于中位数准则的主***收发信机间信道增益估计方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106130937A CN106130937A (zh) | 2016-11-16 |
| CN106130937B true CN106130937B (zh) | 2019-03-15 |
Family
ID=57283774
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610538731.0A Active CN106130937B (zh) | 2016-07-08 | 2016-07-08 | 基于中位数准则的主***收发信机间信道增益估计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106130937B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101868018A (zh) * | 2010-07-15 | 2010-10-20 | 华中科技大学 | 一种用于mimo的低比特反馈用户功率分配方法 |
| CN102790995A (zh) * | 2012-08-16 | 2012-11-21 | 电子科技大学 | 基于认知无线电的信道增益估计方法 |
| CN103888203A (zh) * | 2014-03-05 | 2014-06-25 | 南京邮电大学 | 一种基于信噪比筛选的协作频谱感知优化方法 |
| CN105682210A (zh) * | 2016-03-08 | 2016-06-15 | 电子科技大学 | 针对认知无线电***中主用户接收机的信噪比估计方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080153419A1 (en) * | 2006-12-21 | 2008-06-26 | Motorola, Inc. | Method and apparatus for error recovery in coginitive radio systems |
| US8326336B2 (en) * | 2009-08-18 | 2012-12-04 | Electronics And Telecommunications Research Institute | Apparatus and method for communication in cognitive radio network |
-
2016
- 2016-07-08 CN CN201610538731.0A patent/CN106130937B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101868018A (zh) * | 2010-07-15 | 2010-10-20 | 华中科技大学 | 一种用于mimo的低比特反馈用户功率分配方法 |
| CN102790995A (zh) * | 2012-08-16 | 2012-11-21 | 电子科技大学 | 基于认知无线电的信道增益估计方法 |
| CN103888203A (zh) * | 2014-03-05 | 2014-06-25 | 南京邮电大学 | 一种基于信噪比筛选的协作频谱感知优化方法 |
| CN105682210A (zh) * | 2016-03-08 | 2016-06-15 | 电子科技大学 | 针对认知无线电***中主用户接收机的信噪比估计方法 |
Non-Patent Citations (2)
| Title |
|---|
| Cognitive Radio NetworkingCommunications: An Overview and;Ying-Chang Liang，et al.;《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》;20110930;第60卷(第7期);全文 * |
| 认知无线电中的频谱感知技术;董洁等;《电波科学学报》;20101031;第25卷;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106130937A (zh) | 2016-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110476302B (zh) | 发射功率控制方法和装置 | |
| CN102484860B (zh) | 认知无线通信中的功率控制方法、认知无线通信***以及认知无线通信装置 | |
| JP2020514750A (ja) | モーション検出の無線状態の制御 | |
| Zhang et al. | Primary channel gain estimation for spectrum sharing in cognitive radio networks | |
| CN106465191A (zh) | 无线通信控制***中的无线通信控制方法和设备以及无线通信设备 | |
| CN106130937B (zh) | 基于中位数准则的主***收发信机间信道增益估计方法 | |
| CN103780316B (zh) | 一种用于认知无线电频谱共享的被动式接收机检测方法 | |
| CN114745079B (zh) | 一种自适应调制编码方法、接入网设备及存储介质 | |
| KR101401111B1 (ko) | 인지 라디오 시스템에서 간섭온도 인지 기반의 적응전송장치 및 방법 | |
| TWI638538B (zh) | 無線訊號穩定度的判斷方法及其系統 | |
| Zonoozi et al. | Shadow fading in mobile radio channel | |
| Aejaz et al. | RSSI-based parameter estimation for Rician fading environments on wireless sensor nodes | |
| CN106211320B (zh) | 一种用于异构网中宏基站与用户间距离的被动式估计方法 | |
| CN106209702A (zh) | 基于最大似然准则的主***收发信机间信道增益估计方法 | |
| KR102310972B1 (ko) | 무선 통신 시스템에서 간섭 채널 고려한 빔포밍 장치 및 방법 | |
| CN103685123B (zh) | 基于能效最优的自适应比特功率加载方法及设备 | |
| Chai | On power and rate adaptation for cognitive radios in an interference channel | |
| Bhaskar et al. | Performance modeling of finite state Markov chains for Nakagami-q and α–μ distributions over adaptive modulation and coding schemes | |
| Dey et al. | The cumulative distribution function for the joint fading and two path shadowing channel: Expression and application | |
| CN108494510A (zh) | 基于最优加权系数的非理想汇报信道下的决策融合方法 | |
| Sharma et al. | Evaluating the BER Performance for M-ary QAM in AWGN, Rayleigh, Rician, and Nakagami-m Fading Channels | |
| Yoon et al. | Performance analysis of distributed cooperative spectrum sensing for underlay cognitive radio | |
| Riahi et al. | Power Control in Wireless Systems: Algorithmic Approaches and Dynamic Modeling | |
| Chen | Sensor-Centric Link Adaptation and Transmit Power Control for Energy-Efficient and Quality-of-Service WBANs | |
| KR20240099214A (ko) | 향상된 채널 추정을 위한 전자 환경의 격리 |
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 |