本发明公开了一种基于频谱特征的宽带频谱感知方法，属于认知无线电的频谱感知领域。该方法利用信号频谱特征检测来检测主用户占用频段并估计功率水平的一种方法。根据实际中频谱资源利用率较低的特点，对可能存在的频率位置和相应的功率值水平进行估计，该方法在原先无衰落信道模型基础上加入瑞利衰落信道的信道模型，以求出本方法在瑞利衰落信道，利用基于频谱特征的技术，以加权正交匹配追踪(Weighted Orthogonal Matching Pursuit，WOMP)算法为信号重建算法估计信号功率值水平和频谱占用情况。
📄 2017107954762
📂 H04B17_382
👤 南京邮电大学
📅 2017-09-06
本发明公开了一种存在智能干扰的频谱感知时间优化方法，该方法适用于认知自组织网络。为了保障主用户通信，认知自组织用户只利用空闲频谱进行数据传输，然而智能干扰只有在检测到频谱被占用时才发送干扰以提高干扰效率。其中，利用频谱感知时间对数据传输性能的影响，考虑以整体中断概率最小为优化目标，采用迭代优化算法得到认知自组织用户的最佳频谱感知时间。本发明通过对认知自组织用户的频谱感知时间进行优化，最大程度地减小整体中断概率，可以有效抑制智能干扰对认知自组织用户性能造成的不利影响。
📄 2019111396397
📂 H04B17_309
👤 南京邮电大学
📅 2019-11-20
本发明涉及一种基于频谱感知的负载均衡方法及系统，属于无线通信技术领域。该方法和系统通过过载小区利用频谱感知技术感知相邻基站中的频谱空洞，生成可借用的频谱集合，而后计算可借用频谱的空闲率，根据自身的负载情况从可借用频谱中借用空闲率高的频谱，从而均衡网络的负载。本发明提供的方法和系统利用频谱感知技术，很好地实现了负载均衡，具有广阔的应用空间。
📄 2016100398060
📂 H04W28_08
👤 重庆邮电大学
📅 2016-01-21
本发明公开信息素驱动的分布式协同宽带频谱感知方法。该方法是利用滤波器组将每个节点的宽带信号分割为多个窄带信号的信道，其中宽带信号中含有PU信息，PU信息被随机分割到窄带信号的信道；用一个CU感知一个节点，对某一节点的每个信道的窄带信号采用能量检测，得到该节点每个信道的判决统计量和判决结果；利用CU感知不同节点对应序号的信道两两交互感知信息，根据融合规则调整信息素，直至得到最终融合判决结果。本发明采用多节点协同频谱感知，克服了单个节点由于受到信道衰落等各种因素的影响而得到的感知结果不一定准确的缺陷。
📄 2017112829635
📂 H04W16_14
👤 杭州电子科技大学
📅 2017-12-07
本发明公开一种信息素驱动的分布式协同宽带频谱感知方法。该方法是利用滤波器组将每个节点的宽带信号分割为多个窄带信号的信道，其中宽带信号中含有PU信息，PU信息被随机分割到窄带信号的信道；用一个CU感知一个节点，对某一节点的每个信道的窄带信号采用能量检测，得到该节点每个信道的判决统计量和判决结果；利用CU感知所有节点对应序号的子信道两两交互感知信息，最终得到不同节点对应序号子信道的最终融合判决结果。本发明采用多节点协同频谱感知，克服了单个节点由于受到信道衰落等各种因素的影响而得到的感知结果不一定准确的缺陷。
📄 2018100768264
📂 H04B17_382
👤 杭州电子科技大学
📅 2018-01-26
本发明公开了一种基于Cholesky分解采样协方差矩阵的SVM高效频谱感知方法，采用以下步骤完成：S1，采用Cholesky分解感知信号的协方差矩阵，构造统计量；S2，对所述统计量进行标记标签；S3，将所述统计量和对应的标签作为训练样本集，采用SVM算法训练所述样本，得到凸二次规划问题；S4，采用序列最优化算法求解所述凸二次规划问题，得到SVM分类器；S5，采用SVM分类器对主用户状态进行分类。本发明所述方法通过Cholesky分解感知信号采样协方差矩阵的预处理，可降低PU信号和噪声的相关性，减少样本集的数量，使PU信号与噪声间的距离增加，提高了检测概率，且降低了频谱感知复杂度。
📄 2018114861273
📂 H04B17_382
👤 杭州电子科技大学
📅 2018-12-06
本发明公开了一种基于支持向量机的高效频谱感知方法，包括步骤：S1.输入待感知的接收信号；S2.对待感知接收信号通过主成分分析法PCA进行预处理，并采用杜尔里特分解待感知接收信号的协方差矩阵得到特征统计量；S3.通过能量检测算法获取待感知接收信号的标签，并将获取到的标签和得到的特征统计量组成样本训练集；S4.将组成的样本训练集输入到支持向量机SVM分类器中进行训练，得到频谱分类器；S5.将收集的数据输入至频谱分类器中进行处理，得到分类结果。本发明在低信噪比的条件下依然能有较高的频谱识别率，同时，非渐进门限的引入使得渐进门限随着环境而变化，使得频谱感知更加准确。
📄 2020112525627
📂 H04B17_382
👤 杭州电子科技大学
📅 2020-11-11
本发明涉及一种信号时频特性提取及压缩感知融合的高效协作频谱感知方法，通过以下步骤完成：步骤一，接收信号x(t)，利用短时傅里叶变换(STFT)提取信号时频特性，得到x(t)的时频特性矩阵，分别对矩阵每个元素求模及平方，得到时频图矩阵：步骤二，构造检测统计量，并检测主用户(PU)信号；步骤三，利用压缩感知(CS)压缩SU中的θ(w)，并传输到融合中心，因现实通信中PU信号具有稀疏性；步骤四，融合中心利用正交匹配追踪(OMP)方法，重构和量化θ(w)，再用K秩序准则，实现协作感知；本发明能同时检测多个频段内的PU信号，从而减少了所需滤波器的数量，且利用CS减少数据传输量，及协作感知技术提高频谱感知的检测概率。
📄 202011600975X
📂 H04B17_382
👤 杭州电子科技大学
📅 2020-12-29
本发明涉及一种基于协方差矩阵的长短期记忆协作频谱感知方法，包括以：系统包含1个主用户，L个次用户；当主用户PU通信未被干扰时，第i个次用户SUi对PU信号检测，得到连续时间序列；对连续时间序列执行次用户感知信号检测，得到主信号协方差矩阵；将主信号协方差矩阵作为输入，执行信号样本标注，标记为0或1的标签集，分别代表PU存在或不存在频谱空穴；将第i个次用户SUi的样本标签集作为输入，执行LSTM网络训练，得到样本的特征序列；将样本的特征序列作为输入，执行全连接层与Softmax层联合处理，得到每个次用户的PiH0。本发明充分利用接收信号样本，无需构造不稳定参数，提高认知无线电中PU信号检测性能。
📄 2020116212814
📂 H04B17_382
👤 杭州电子科技大学
📅 2020-12-30
本发明提供了一种基于半监督深度学习的频谱感知方法，该方法包括以下步骤：S1、通过有标签样本训练半监督集成决策树模型以获得用于区分PU信号和噪声的分类器；S2、将无标签样本输入分类器，并将置信度高于预设值的无标签样本样本标记为伪标签；S3、通过所述的伪标签训练CNN网络以获得频谱感知预测模型。本方法的训练阶段基于半监督分类，只需要少量有标签样本，相比于传统基于完全监督学习的频谱感知算法，本方案能够大大降低对有标签样本的依赖。
📄 2021103119898
📂 G06F18_2415
👤 杭州电子科技大学
📅 2021-03-24
本发明涉及一种基于逆时域Talbot效应的高精度实时频谱感知方法及系统，方法包括步骤：S1、产生周期性光脉冲序列；S2、对周期性光脉冲序列进行时域二次相位调制，以得到第一调制光脉冲序列；S3、将待测射频信号调制到第一调制光脉冲序列上，以得到第二调制光脉冲序列；S4、第二调制光脉冲序列经过满足逆时域Talbot效应的色散介质后，以得到第三调制光脉冲序列；S5、根据第三调制光脉冲序列的位置获取待测射频信号的频率信息。本发明能完成带宽GHz以上的实时频谱分析，利用频时映射关系通过简单的计算就能得到射频频谱信息。通过调节相位调制信号和色散介质的色散量，能将输出脉冲的周期放大很多倍，在同样的系统带宽下，提升系统的频谱分辨率。
📄 2022106974933
📂 H04B17_382
👤 杭州电子科技大学
📅 2022-06-20
本发明公开了一种基于粘性隐马尔可夫模型的协同频谱感知方法，其在频谱感知模型的基础上，获取多个感知时隙内多个次级用户接收的信号的测量功率构成的功率矩阵；初始化粘性隐马尔可夫模型的状态转移概率矩阵、初始概率分布、状态参数集合，并将功率矩阵视为观测序列；在三个模型参数和观测序列已知的情况下求取各个感知时隙的隐藏状态；在观测序列和所有隐藏状态构成的隐藏状态向量已知的情况下，更新状态转移概率矩阵和状态参数集合；在迭代多次后得到最终的隐藏状态向量；根据最终的隐藏状态向量计算每个次级用户的检验统计量，比较每个次级用户的检验统计量与门限值来判断该次级用户能否接入主用户的授权频段；优点是具有较高的检测性能。
📄 2021116012051
📂 H04W16_14
👤 深圳万知达科技有限公司
📅 2021-12-24
柿子坊 · 知识产权运营
柿子坊知识产权运营平台