吉林大学学报(工学版) ›› 2014, Vol. 44 ›› Issue (3): 854-860.doi: 10.13229/j.cnki.jdxbgxb201403044

• 论文 • 上一篇    下一篇

利用频域Sevcik分形维数进行快速盲频谱感知

富爽1,2,李一兵1,叶方1,高振国3   

  1. 1.哈尔滨工程大学 信息与通信工程学院, 哈尔滨 150001;
    2.黑龙江八一农垦大学 信息技术学院, 黑龙江 大庆 163319;
    3. 哈尔滨工程大学 自动化学院, 哈尔滨150001
  • 收稿日期:2012-11-26 出版日期:2014-03-01 发布日期:2014-03-01
  • 通讯作者: 李一兵(1967),男,教授,博士生导师.研究方向:认知无线电.E-mail:liyibing0920@sina.cn E-mail:fushuang_dq@163.com
  • 作者简介:富爽(1982),女,博士研究生.研究方向:认知无线电.E-mail:fushuang_dq@163.com
  • 基金资助:
    国家自然科学基金青年科学基金项目(61101141);中央高校基本科研业务费专项基金项目(HEUCF130807).

Fast blind spectrum sensing using Sevcik fractal dimension in frequency domain

FU Shuang1,2,LI Yi-bing1,YE Fang1,GAO Zhen-guo3   

  1. 1.Institute of Information and Communication Engineering, Harbin Engineering University, Harbin 150001,China;
    2.Institute of Information Technology, Heilongjiang Bayi Agricultural University, Daqing 163319, China;
    3.Institute of Automation, Harbin Engineering University, Harbin 150001,China
  • Received:2012-11-26 Online:2014-03-01 Published:2014-03-01

摘要: 根据信号和噪声频域Sevcik分形维数特征的不同,计算接收信号的频域Sevcik分形维数,通过与预先设定的门限值进行比较,判断主用户的存在与否。该方法具有对噪声不确定性不敏感、不需要主用户信号先验知识以及在低信噪比时能够达到较高的检测概率的优点,且运算时间短,可用于噪声具有不确定性、低信噪比情况下的快速盲频谱感知。Monte Carlo仿真结果表明:在噪声不确定度为±5 dB的情况下,当信噪比大于-12 dB时,该方法对于7种不同调制类型的信号的平均检测概率能够达到100%。

关键词: 信息处理技术, 频谱感知, 分形维数, 噪声不确定性

Abstract: A fast blind spectrum sensing method using Sevcik fractal dimension in frequency domain is proposed. First, the Sevcik fractal dimension in frequency domain of the received signal is calculated. Then according to the difference of Sevcik fractal dimension characters between signal and noise, the calculation result is compared with the predefined threshold to determine whether the primary user exists. Compared with existing spectrum sensing methods, the proposed method has some advantages, such as insensitive to noise uncertainty, not requiring priori knowledge, and high detection probability in low SNR situation. Furthermore, it consumes less calculation time. This method can be applied to fast blind spectrum sensing in the situation of low SNR and noise uncertainty. Monte Carlo simulation results show that its average detection probability of signals with 7 modulation types can reach 100% when SNR is larger than -12 dB with ±5 dB noise uncertainty.

Key words: information processing, spectrum sensing, fractal dimension, noise uncertainty

中图分类号: 

  • TN911.23
[1] Haykin S. Cognitive radio: brain-empowered wireless communications[J]. IEEE Journal on Selected Areas in Communications, 2005, 23(2): 201-220.
[2] Fu Shuang, Li Yi-bing, Ye Fang. Spectrum sensing technology defending against SNR attack based on geographic location information[J]. Journal of Information and Computational Science, 2012, 9(13): 3721-3729.
[3] 李文生, 李一兵. 一种认知无线电频谱检测新算法[J]. 应用科技, 2011, 38(1): 49-52.
Li Wen-sheng, Li Yi-bing. A new algorithm for spectrum detection in cognitive radio system[J]. Applied Science and Technology, 2011, 38(1): 49-52.
[4] 丁汉清, 杨家玮, 赵志远. 基于分群的自适应双门限合作频谱感知[J]. 吉林大学学报:工学版, 2011, 41(2): 537-542.
Ding Han-qing, Yang Jia-wei, Zhao Zhi-yuan. Adaptive dual threshold cooperative spectrum sensing based on grouping[J]. Journal of Jilin University(Engineering and Technology Edition), 2011, 41(2): 537-542.
[5] Kim H, Shin K G. Efficient discovery of spectrum opportunities with mac-layer sensing in cognitive radio networks[J]. IEEE Transactions on Mobile Computing, 2008, 7(5): 533-545.
[6] Lundén J, Koivunen V, Huttunen A, et al. Collaborative cyclostationary spectrum sensing for cognitive radio systems[J]. IEEE Transactions on Signal Processing, 2009, 57(11): 4182-4195.
[7] Digham F F, Alouini M S, Simon M K. On the energy detection of unknown signals over fading channels[J]. IEEE Transactions on Communications, 2007, 55(1): 21-24.
[8] Tandra R, Sahai A. SNR walls for signal detection[J]. IEEE Journal of Selected Topics in Signal Processing, 2008, 2(1): 4-17.
[9] Kordan S B, Abolhassani B. Blind spectrum sensing for cognitive radio based on complexity measurement[C]∥19th Iranian Conference on Electrical Engineering, Tehran, Iran, 2011:1-4.
[10] 赵春晖, 马爽, 杨伟超. 基于分形盒维数的频谱感知技术研究[J]. 电子与信息学报,2011,33(2): 475-478.
Zhao Chun-hui, Ma Shuang, Yang Wei-chao. Spectrum sensing in cognitive radios based on fractal box dimension[J]. Journal of Electronics & Information Technology, 2011, 33(2):475-478.
[11] 陈小波, 陈红, 蔡晓霞, 等. 基于分形盒维数的双门限合作频谱感知方法[J]. 电讯技术, 2011, 51(8): 75-79.
Chen Xiao-bo, Chen Hong, Cai Xiao-xia, et al. Double threshold cooperative spectrum sensing method based on fractal box dimension[J]. Telecommunication Engineering, 2011, 51(8): 75-79.
[12] 陈小波, 陈红, 刘佳, 等. 基于双门限盒维数与信息维数的协作感知方法[J]. 探测与控制学报, 2011, 33(4):72-76.
Chen Xiao-bo, Chen Hong, Liu Jia, et al. Cooperative spectrum sensing based on double threshold box dimension and information dimension[J]. Journal of Detection & Control, 2011, 33(4): 72-76.
[13] Zhang Y L, Zhang Q Y, Melodia T. A frequency-domain entropy-based detector for robust spectrum sensing in cognitive radio networks[J]. IEEE Communications Letters, 2010, 14(6): 533-535.
[14] Sevcik C. A procedure to estimate the fractal dimension of waveforms[J]. Complexity International, 1998, 5:1-19.
[15] Zhang Y, Zhang Q, Wu S. Entropy-based robust spectrum sensing in cognitive radio[J]. IET Communications, 2010, 4(4): 428-436.
[1] 苏寒松,代志涛,刘高华,张倩芳. 结合吸收Markov链和流行排序的显著性区域检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1887-1894.
[2] 徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903.
[3] 黄勇,杨德运,乔赛,慕振国. 高分辨合成孔径雷达图像的耦合传统恒虚警目标检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1904-1909.
[4] 李居朋,张祖成,李墨羽,缪德芳. 基于Kalman滤波的电容屏触控轨迹平滑算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1910-1916.
[5] 应欢,刘松华,唐博文,韩丽芳,周亮. 基于自适应释放策略的低开销确定性重放方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1917-1924.
[6] 陆智俊,钟超,吴敬玉. 星载合成孔径雷达图像小特征的准确分割方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1925-1930.
[7] 刘仲民,王阳,李战明,胡文瑾. 基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1931-1937.
[8] 单泽彪,刘小松,史红伟,王春阳,石要武. 动态压缩感知波达方向跟踪算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1938-1944.
[9] 姚海洋, 王海燕, 张之琛, 申晓红. 双Duffing振子逆向联合信号检测模型[J]. 吉林大学学报(工学版), 2018, 48(4): 1282-1290.
[10] 全薇, 郝晓明, 孙雅东, 柏葆华, 王禹亭. 基于实际眼结构的个性化投影式头盔物镜研制[J]. 吉林大学学报(工学版), 2018, 48(4): 1291-1297.
[11] 陈绵书, 苏越, 桑爱军, 李培鹏. 基于空间矢量模型的图像分类方法[J]. 吉林大学学报(工学版), 2018, 48(3): 943-951.
[12] 陈涛, 崔岳寒, 郭立民. 适用于单快拍的多重信号分类改进算法[J]. 吉林大学学报(工学版), 2018, 48(3): 952-956.
[13] 孟广伟, 李荣佳, 王欣, 周立明, 顾帅. 压电双材料界面裂纹的强度因子分析[J]. 吉林大学学报(工学版), 2018, 48(2): 500-506.
[14] 林金花, 王延杰, 孙宏海. 改进的自适应特征细分方法及其对Catmull-Clark曲面的实时绘制[J]. 吉林大学学报(工学版), 2018, 48(2): 625-632.
[15] 王柯, 刘富, 康冰, 霍彤彤, 周求湛. 基于沙蝎定位猎物的仿生震源定位方法[J]. 吉林大学学报(工学版), 2018, 48(2): 633-639.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
[1] 朱剑峰, 林逸, 陈潇凯, 施国标. 汽车变速箱壳体结构拓扑优化设计[J]. 吉林大学学报(工学版), 2013, 43(03): 584 -589 .
[2] 周逢道, 王金玉, 唐红忠, 张赫, 周继瑜. 近地表电磁探测多频数字驱动信号产生技术[J]. 吉林大学学报(工学版), 2013, 43(03): 682 -687 .
[3] 欧阳继红, 王振鑫, 景黎. 扩展度量关系的9-交集模型[J]. 吉林大学学报(工学版), 2013, 43(03): 695 -700 .
[4] 郭铁梁, 赵旦峰, 杨大伟. 正交频分复用水声通信系统多普勒频移快速估计[J]. 吉林大学学报(工学版), 2013, 43(03): 813 -818 .
[5] 何耀, 刘兴涛, 张陈斌, 陈宗海. 基于动力电池组内阻模型的绝缘检测算法[J]. 吉林大学学报(工学版), 2013, 43(05): 1165 -1170 .
[6] 李志斌, 金茂菁, 刘攀, 徐铖铖. 提高高速公路通行效率的可变限速控制策略[J]. 吉林大学学报(工学版), 2013, 43(05): 1204 -1209 .
[7] 袁哲, 马文星, 刘春宝, 刘浩. 重型车开式液力减速器温度场分析[J]. 吉林大学学报(工学版), 2013, 43(05): 1271 -1275 .
[8] 隋洲, 蔡中义, 兰英武, 李明哲. 连续柔性成形三维曲面件的形状控制模型[J]. 吉林大学学报(工学版), 2013, 43(05): 1302 -1306 .
[9] 杨小军, 宋青松, 马祥, 李东海. 基于多模型信息滤波器的故障容错目标跟踪[J]. 吉林大学学报(工学版), 2013, 43(05): 1381 -1385 .
[10] 伍文, 孟相如, 刘芸江, 火兴林. 基于连续时间Markov的网络可生存性建模与量化[J]. 吉林大学学报(工学版), 2013, 43(05): 1395 -1400 .