發(fā)布時間：2018-11-02 09:27

【摘要】：由于無線通信技術(shù)的日益發(fā)展,用戶群體和業(yè)務(wù)正變得越來越多,從而導(dǎo)致頻譜資源變得越來越緊缺。于是,人們開始關(guān)注如何充分利用頻譜以提高頻譜的利用效率,而解決這個問題的一個好的辦法便是運用認知無線電技術(shù)。認知無線電是通過感知周圍的環(huán)境來發(fā)現(xiàn)頻譜空洞,然后對它們加以利用,從而提高頻譜的利用效率。由于頻譜感知需要盡量準確地感知周圍的頻譜環(huán)境,因而獲得的頻譜狀態(tài)信息數(shù)據(jù)量將會很大。如果不對這些感知到的海量數(shù)據(jù)進行一定的處理,而是直接將它們傳送給管理中心或者相互交流,這會給認知通信系統(tǒng)帶來很大的負載壓力,會需要很長的傳輸時間、占用較大的帶寬。因此,針對這個問題本文討論了對海量感知數(shù)據(jù)進行處理的技術(shù),從而在滿足認知系統(tǒng)要求的基礎(chǔ)上減小數(shù)據(jù)量�？梢越档皖l譜狀態(tài)信息數(shù)據(jù)量的方法有很多,比如判決處理方法、壓縮感知方法和基于數(shù)據(jù)壓縮的處理方法(如,Huffman編碼)等。但是,它們都有各自的一些缺點。比如,判決處理方法的門限不好設(shè)定,這會導(dǎo)致信息量的損失。壓縮感知要求信號是稀疏的,這個不一定對所有信號都成立。而常用的基于數(shù)據(jù)壓縮的處理方法,比如Huffman編碼,它的缺點就是其壓縮效果與頻譜的各個頻率點的功率值出現(xiàn)的概率分布特點有關(guān):當各個頻率點的功率值出現(xiàn)的概率很不平均時,壓縮效果最好;當各個頻率點的功率值出現(xiàn)的概率是一樣的時候,此時壓縮效果最差。針對上述問題,本文提出了一種頻譜狀態(tài)信息壓縮的處理方法,即對頻譜狀態(tài)數(shù)據(jù)之間的差值以自適應(yīng)增量編碼的方式轉(zhuǎn)換成二進制序列再傳輸。這樣每個狀態(tài)增量數(shù)據(jù)僅用1bit信息來表示,壓縮效果非常好。而且接收端在恢復(fù)數(shù)據(jù)時,能夠根據(jù)壓縮信息之間的內(nèi)在聯(lián)系,自適應(yīng)地調(diào)整原數(shù)據(jù)之間的差值,并在前一個數(shù)據(jù)值的基礎(chǔ)上追加這個差值從而得到此次數(shù)據(jù)的值,進而恢復(fù)出原來的所有頻譜狀態(tài)數(shù)據(jù)。這種方法在傳輸?shù)倪^程中只需傳輸較少的信息,達到了信息壓縮的目的,不但使傳輸時間大大減少,而且只需占用較小的帶寬,降低了網(wǎng)絡(luò)負載。最后,本文使用USRP軟件無線電平臺實現(xiàn)了頻譜感知功能以及上述各個降低頻譜狀態(tài)信息數(shù)據(jù)量的方法,并分析和比較了它們的性能。
[Abstract]:With the development of wireless communication technology, the number of users and services is becoming more and more, resulting in a growing shortage of spectrum resources. Therefore, people begin to pay attention to how to make full use of spectrum to improve the efficiency of spectrum utilization, and a good way to solve this problem is to use cognitive radio technology. Cognitive radio detects spectrum holes by sensing the surrounding environment, and then uses them to improve the efficiency of spectrum utilization. Because spectrum sensing needs to perceive the spectrum environment as accurately as possible, the amount of spectrum state information obtained will be very large. If we don't deal with these perceived mass data, we can send them directly to the management center or communicate with each other, which will bring a lot of load pressure to the cognitive communication system, and it will take a long time to transmit. Take up large bandwidth. Therefore, this paper discusses the processing technology of mass perceptual data, so as to reduce the amount of data on the basis of satisfying the requirements of cognitive system. There are many methods to reduce the amount of spectrum state information, such as decision processing, compression sensing and data compression based on data compression (for example, Huffman coding) and so on. However, they all have their own shortcomings. For example, the threshold of decision processing is not well set, which can lead to loss of information. Compression sensing requires that the signal is sparse, which is not necessarily true for all signals. And common methods based on data compression, such as Huffman coding, Its disadvantage is that its compression effect is related to the probability distribution of the power value at each frequency point of the spectrum: when the probability of the power value of each frequency point is very uneven, the compression effect is the best; When the probability of power at each frequency point is the same, the compression effect is the worst. In order to solve the above problems, this paper proposes a method for the compression of spectrum state information, that is, the difference between spectrum state data is transformed into binary sequence retransmission by adaptive incremental coding. In this way, each state increment data is expressed only by 1bit information, and the compression effect is very good. Moreover, when the data is restored, the receiver can adaptively adjust the difference between the original data according to the internal relationship between the compressed information, and append the difference on the basis of the previous data value to obtain the value of the data. Then all the original spectrum state data are restored. In the process of transmission, this method only needs to transmit less information and achieves the purpose of information compression. It not only reduces the transmission time, but also takes up less bandwidth and reduces the network load. Finally, this paper uses the USRP software radio platform to realize spectrum sensing and the methods to reduce the data amount of spectrum state information, and analyzes and compares their performance.
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TN925

【相似文獻】

相關(guān)期刊論文 前10條

1 張麗影;曾志文;陳志剛;鄺祝芳;;認知無線網(wǎng)絡(luò)中基于約束算子的二進制粒子群頻譜分配算法[J];小型微型計算機系統(tǒng);2013年06期

2 李岳洪;萬頻;王永華;鄧欽;楊健;;改進的細菌覓食算法求解認知無線網(wǎng)絡(luò)頻譜分配問題[J];計算機科學(xué);2013年08期

3 陳劍;吳建平;李賀武;;基于用戶分配和負載的頻譜分配算法[J];軟件學(xué)報;2013年07期

4 陳年生;;基于雙向拍賣的多目標頻譜分配算法[J];上海電機學(xué)院學(xué)報;2013年04期

5 謝健驪;李翠然;趙佳穎;;基于均衡價格的認知無線網(wǎng)絡(luò)頻譜分配算法[J];鐵道學(xué)報;2014年01期

6 李方偉;王程;朱江;;一種基于逢低買入的頻譜分配機制[J];計算機應(yīng)用研究;2014年02期

7 馮春燕;郭義武;薛鈺;郭彩麗;;授權(quán)鏈路保護的頻譜分配算法[J];電子科技大學(xué)學(xué)報;2008年06期

8 Serena chan;宋笑亭;;美國國防部共享頻譜接入(上)[J];中國無線電;2008年03期

9 王坤;董淑福;劉杰;;基于用戶需求和等待時間的改進型頻譜分配算法[J];科學(xué)技術(shù)與工程;2012年22期

10 歌曉;;頻譜高速公路讓信息暢行無阻[J];上海信息化;2013年05期

相關(guān)會議論文 前6條

1 鄭曉明;何廷潤;;3G頻譜分配:市場化的經(jīng)濟法則[A];2002’中國通信學(xué)會無線及移動通信委員會學(xué)術(shù)年會論文集[C];2002年

2 朱麗姣;侯維剛;郭磊;;可伸縮光網(wǎng)絡(luò)中路由與頻譜分配算法[A];第十七屆全國青年通信學(xué)術(shù)年會論文集[C];2012年

3 趙濱;馬鍇;關(guān)新平;;區(qū)分信道的認知無線電網(wǎng)絡(luò)頻譜分配算法研究[A];第二十九屆中國控制會議論文集[C];2010年

4 章堅武;趙琪;鄒婧媛;;改進的認知無線電圖著色頻譜分配算法[A];2009年中國高校通信類院系學(xué)術(shù)研討會論文集[C];2009年

5 沈嘉;王軍;李少謙;;認知無線電網(wǎng)絡(luò)基于配對算法的頻譜分配策略[A];2008年中國西部青年通信學(xué)術(shù)會議論文集[C];2008年

6 宋琦軍;張濤;;頻譜管理領(lǐng)域面臨的挑戰(zhàn)及對策[A];第十五屆全國電磁兼容學(xué)術(shù)會議論文集[C];2005年

相關(guān)重要報紙文章 前10條

1 張虹;國際頻譜政策新走向[N];人民郵電;2006年

2 本報記者 盧子月;頻譜分配受關(guān)注[N];通信產(chǎn)業(yè)報;2012年

3 本報記者 盧子月;得頻譜得未來[N];通信產(chǎn)業(yè)報;2013年

4 宋穎;利用市場手段加速頻譜轉(zhuǎn)讓[N];人民郵電;2013年

5 ;頻譜資源共享面臨挑戰(zhàn)[N];中國電子報;2013年

6 本報記者 盧子月;管好頻率 管好臺站 管好秩序[N];通信產(chǎn)業(yè)報;2011年

7 李亮　記者 黃超 某集團軍司令部通信處長 李占良;演習(xí)之前分“頻譜”[N];解放軍報;2009年

8 本報記者 盧子月;科學(xué)規(guī)劃TD—LTE頻譜[N];通信產(chǎn)業(yè)報;2012年

9 四川通信設(shè)計院副總工程師 程德杰;450M頻譜更有可為[N];通信產(chǎn)業(yè)報;2013年

10 金耀星;創(chuàng)新管理方式 解決頻譜供需矛盾[N];人民郵電;2013年

相關(guān)博士學(xué)位論文 前10條

1 周雄;基于博弈的Femtocell網(wǎng)絡(luò)頻譜資源管理[D];華南理工大學(xué);2015年

2 郁小松;靈活柵格光網(wǎng)絡(luò)中頻譜工程與調(diào)控技術(shù)研究[D];北京郵電大學(xué);2015年

3 殷聰;認知無線電中頻譜聚合技術(shù)及其資源調(diào)度的公平性研究[D];哈爾濱工業(yè)大學(xué);2015年

4 張龍;認知無線電網(wǎng)絡(luò)MAC層頻譜感知與頻譜接入問題研究[D];中國科學(xué)技術(shù)大學(xué);2015年

5 張雷;認知無線網(wǎng)絡(luò)頻譜接入策略及性能分析[D];東南大學(xué);2016年

6 謝玉鵬;認知無線電系統(tǒng)中聯(lián)合頻譜分配算法研究[D];哈爾濱工業(yè)大學(xué);2016年

7 董蓓;基于進化學(xué)習(xí)的無線通信網(wǎng)絡(luò)資源分配問題研究[D];西安電子科技大學(xué);2015年

8 馮心欣;異構(gòu)環(huán)境下用戶參與決策的認知頻譜接入策略研究[D];上海交通大學(xué);2015年

9 查淞;寬帶頻譜壓縮感知算法研究[D];國防科學(xué)技術(shù)大學(xué);2014年

10 謝樹京;基于多維空間的射頻頻譜檢測技術(shù)研究[D];東南大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 趙海洋;基于改進量子遺傳算法的認知無線電頻譜分配研究[D];燕山大學(xué);2015年

2 顏少波;基于分簇的寬帶頻譜壓縮感知技術(shù)研究[D];昆明理工大學(xué);2015年

3 喻正坤;認知無線電網(wǎng)絡(luò)中頻譜切換與頻譜分配技術(shù)的研究[D];昆明理工大學(xué);2015年

4 孫英娟;認知無線電網(wǎng)絡(luò)中頻譜分配的最優(yōu)化研究[D];閩南師范大學(xué);2015年

5 楊尚飛;正交頻分復(fù)用信號的頻譜整合技術(shù)[D];蘇州大學(xué);2015年

6 姚秋彥;靈活光網(wǎng)絡(luò)中多參數(shù)約束路由和頻譜分配算法研究[D];河北工程大學(xué);2015年

7 魏倫炳;基于認知無線網(wǎng)絡(luò)頻譜分配技術(shù)研究[D];貴州大學(xué);2015年

8 張崇英;認知無線網(wǎng)絡(luò)分布式主動頻譜切換技術(shù)研究[D];電子科技大學(xué);2014年

9 李貌;認知網(wǎng)絡(luò)中時延敏感業(yè)務(wù)的頻譜切換技術(shù)研究[D];電子科技大學(xué);2014年

10 孫智敏;頻譜靈活光網(wǎng)絡(luò)中綠色疏導(dǎo)算法設(shè)計與仿真實現(xiàn)[D];東北大學(xué);2013年

，

本文編號：2305631