一种基于USRP的频谱智能感知系统及其方法

    公开(公告)号:CN107294628B

    公开(公告)日:2021-06-01

    申请号:CN201710602195.0

    申请日:2017-07-21

    申请人: 常州工学院

    摘要: 一种基于USRP的频谱智能感知系统及其方法,USRP通过以太网与主机计算机PC相连接;所述主机计算机PC中包括LabVIEW软件平台和NI USRP软件套件,所述NI USRP软件套件在LabVIEW中增加了NI‑USRP驱动程序,所述LabVIEW软件平台中的程序通过NI‑USRP驱动程序与所述USRP进行交互;所述LabVIEW软件平台中的程序包括频谱感知程序,所述频谱感知程序包括USRP频谱感知模块。有效避免了现有技术中一台USRP无法通过检测程序实现认知用户SU在PU信号不存在的情况下可以占用授权用户PU的授权频段和在PU信号存在的情况下可以主动避让的缺陷。

    一种基于USRP的虚拟仿真系统及其方法

    公开(公告)号:CN107437970B

    公开(公告)日:2020-11-17

    申请号:CN201710603106.4

    申请日:2017-07-22

    申请人: 常州工学院

    摘要: 一种基于USRP的虚拟仿真系统及其方法,包括USRP,所述USRP通过以太网与主机计算机PC相连接;所述主机计算机PC中包括LabVIEW软件平台和NI USRP软件套件,所述NI USRP软件套件在LabVIEW中增加了NI‑USRP驱动程序,所述LabVIEW软件平台中的程序通过NI‑USRP驱动程序与所述USRP进行交互;所述LabVIEW软件平台中的程序包括虚拟仿真程序;所述虚拟仿真程序包括虚拟仿真认知网络模块。有效避免了现有技术中缺少虚拟仿真手段、尤其是发射虚拟信号的办法来实现SU信号对PU信号的避让效果的缺陷。

    一种基于USRP的频谱智能感知系统及其方法

    公开(公告)号:CN107294628A

    公开(公告)日:2017-10-24

    申请号:CN201710602195.0

    申请日:2017-07-21

    申请人: 常州工学院

    摘要: 一种基于USRP的频谱智能感知系统及其方法,USRP通过以太网与主机计算机PC相连接;所述主机计算机PC中包括LabVIEW软件平台和NI USRP软件套件,所述NI USRP软件套件在LabVIEW中增加了NI-USRP驱动程序,所述LabVIEW软件平台中的程序通过NI-USRP驱动程序与所述USRP进行交互;所述LabVIEW软件平台中的程序包括频谱感知程序,所述频谱感知程序包括USRP频谱感知模块。有效避免了现有技术中一台USRP无法通过检测程序实现认知用户SU在PU信号不存在的情况下可以占用授权用户PU的授权频段和在PU信号存在的情况下可以主动避让的缺陷。

    认知网络中的基于降维和聚类的协作频谱感知方法、装置

    公开(公告)号:CN112003662B

    公开(公告)日:2023-04-18

    申请号:CN202010594289.X

    申请日:2020-06-24

    申请人: 常州工学院

    摘要: 本发明提供一种认知网络中的基于降维和聚类的协作频谱感知方法、装置,认知网络包括:一个授权用户和至少一个认知用户,所述方法包括以下步骤:认知用户检测频谱的能量并组成能量向量,并根据能量向量获取多维特征矩阵,利用PCA算法将多维特征矩阵转换为低维特征矩阵,根据K‑means++算法,并将低维特征矩阵作为分类器的输入训练分类器,以对频谱进行感知。该方法采用将PCA算法与K‑Means++算法相融合,不仅可提高频谱感知的准确性和可靠性,还可减少感知时延,对动态频谱态势演变趋势进行预测,使之能够处理海量的频谱感知数据,且采用低维特征矩阵训练分类器,可以大大节省训练时间,降低计算复杂度。

    窄带频谱感知系统的增强频谱感知方法

    公开(公告)号:CN112165364A

    公开(公告)日:2021-01-01

    申请号:CN202010799418.9

    申请日:2020-08-11

    申请人: 常州工学院

    摘要: 本发明提供一种窄带频谱感知系统的增强频谱感知方法,所述方法包括以下步骤:授权用户在待测信道发送信号;认知用户感知接收信号,并进行FFT、平方器处理,以获取频谱的能量中心值Z,再利用CA‑CFAR算法对频谱进行处理,以获取信号的能量检测门限值T,最后,根据中心值Z与门限值T进行频谱感知判决。本发明将CA‑CFAR算法融入到频谱感知的能量检测方法中,一方面解决了能量检测过程中对噪声功率的先验估计这一难题,另一方面解决了噪声不确定性对多信道感知性能的影响,在动态时变的复杂异构网络环境中,认知用户可以自适应调节各待测信道的能量检测门限值,以提高频谱感知准确度,减少感知时间。

    一种基于频谱感知的机会认知路由的方法

    公开(公告)号:CN107911184A

    公开(公告)日:2018-04-13

    申请号:CN201710660974.6

    申请日:2017-08-04

    申请人: 常州工学院

    摘要: 一种基于频谱感知的机会认知路由的方法,首先,构建了基于DCSS频谱感知理论的路由发现模型,联合考虑了频谱感知、链路可用性和最短路径因素,建立认知无线Ad hoc网络空间上可达、频域上连通的有效路由;其次,提出下一跳前传节点,最优信道和路径的选择方法,以满足认知无线Ad hoc网络路由稳定性目标;最后,给出了评估路由路径质量的有关度量数学闭合表达式,如链路可用性概率、中断概率、路由接入概率,期望链路延迟和端到端路径平均传输延迟,并给出相关推导证明。有效避免了现有技术中针对多信道多跳认知无线Ad hoc网络还没有较为成熟的方案来提供稳定、高效的路由的缺陷。

    一种基于USRP的5G认知网络系统架构及其方法

    公开(公告)号:CN107592173A

    公开(公告)日:2018-01-16

    申请号:CN201710591215.9

    申请日:2017-07-19

    申请人: 常州工学院

    IPC分类号: H04B17/382 H04B1/00 H04L27/12

    摘要: 一种基于USRP的5G认知网络系统架构及其方法,USRP通过以太网与主机计算机PC相连接;所述主机计算机PC中包括LabVIEW软件平台和NI USRP软件套件,NI USRP软件套件在LabVIEW中增加了NI-USRP驱动程序,所述LabVIEW软件平台中的程序通过NI-USRP驱动程序与所述USRP进行交互;LabVIEW软件平台中的程序包括认知程序,所述认知程序包括接收无线信号和发射无线信号模块、频谱感知模块、确定发射频率模块、音频信号FM调制模块以及FM信号解调模块。可以实现授权用户和认知用户对频谱在不同时刻、不同频段上的充分利用,同时避免了对授权用户的干扰。

    一种基于认知无线电的电磁频谱探测装置及其方法

    公开(公告)号:CN117856943A

    公开(公告)日:2024-04-09

    申请号:CN202310231109.5

    申请日:2023-03-13

    申请人: 常州工学院

    IPC分类号: H04B17/382

    摘要: 本发明提供基于认知无线电的电磁频谱探测装置及其方法,装置包括无线模块,所述无线模块用于检测并选择空闲的信道发送数据,并接收发送的数据进行判断后发送信号上传至单片机;单片机,所述单片机获取信号并进行数据传输后建立通信;显示屏,用于显示地址数据接收以及信号;以及电源稳压模块,用于对电源电压进行稳压后对无线模块进行供电。该基于认知无线电的电磁频谱探测装置及其方法可以实现可靠且有效的频谱分配与共享技术,能做到使认知网络高效的接入到不忙碌的频谱中且又能使主用户在通讯时不受其任何扰乱。

    DCSS-OCR机会认知路由协议优化方法

    公开(公告)号:CN107948990B

    公开(公告)日:2021-02-12

    申请号:CN201710636558.2

    申请日:2017-07-31

    申请人: 常州工学院

    IPC分类号: H04W24/02 H04W40/02

    摘要: 一种DCSS‑OCR机会认知路由协议优化方法,首先,对DCSS‑OCR机会认知路由协议中关于期望链路接入机会和平均传输延迟度量提出了全局优化方案,以实现异构认知网络最优的路由质量和稳定性。其次,通过Monte Carlo实验仿真和理论数值分析验证了链路接入机会和平均传输延迟表达式的正确性。最后,通过多维度参数联合优化设置,仿真和数值分析了主用户活动对路由链路和路径接入机会、以及平均传输延迟的影响。

    认知网络中的基于降维和聚类协作频谱感知方法、装置

    公开(公告)号:CN112003662A

    公开(公告)日:2020-11-27

    申请号:CN202010594289.X

    申请日:2020-06-24

    申请人: 常州工学院

    IPC分类号: H04B17/382 G06K9/62

    摘要: 本发明提供一种认知网络中的基于降维和聚类的协作频谱感知方法、装置,认知网络包括:一个授权用户和至少一个认知用户,所述方法包括以下步骤:认知用户检测频谱的能量并组成能量向量,并根据能量向量获取多维特征矩阵,利用PCA算法将多维特征矩阵转换为低维特征矩阵,根据K-means++算法,并将低维特征矩阵作为分类器的输入训练分类器,以对频谱进行感知。该方法采用将PCA算法与K-Means++算法相融合,不仅可提高频谱感知的准确性和可靠性,还可减少感知时延,对动态频谱态势演变趋势进行预测,使之能够处理海量的频谱感知数据,且采用低维特征矩阵训练分类器,可以大大节省训练时间,降低计算复杂度。