公开(公告)号：CN112235061B

公开(公告)日：2021-10-22

申请号：CN202010937270.0

申请日：2020-09-08

Applicant: 北京邮电大学

Inventor： 许文俊 ,  王阳 ,  徐文波 ,  王俊义 ,  黄赛 ,  高晖

IPC: H04B17/382

Abstract: 本说明书一个或多个实施例提供一种基于相位差鲁棒统计特征的频谱感知方法及相关设备；所述方法包括：对接收到的接收信号进行采样处理；其中，采样处理得到若干采样点；分别计算相邻两个采样点的相位差，得到接收信号对应的相位差概率分布；对第一相位差概率分布进行特征提取，得到接收信号对应的相位差鲁棒统计特征；将相位差鲁棒统计特征输入预先训练的频谱感知模型，根据频谱感知模型的输出确定主用户信号是否存在。本申请通过提取相位差鲁棒统计特征，并利用监督学习训练机器学习模型，学习特征，从而识别接收信号相位差概率分布的类别，在低信噪比衰落信道条件下，实现更加准确、更加鲁棒的频谱感知。

公开(公告)号：CN112235061A

公开(公告)日：2021-01-15

申请号：CN202010937270.0

申请日：2020-09-08

Applicant: 北京邮电大学

Inventor： 许文俊 ,  王阳 ,  徐文波 ,  王俊义 ,  黄赛 ,  高晖

IPC: H04B17/382

Abstract: 本说明书一个或多个实施例提供一种基于相位差鲁棒统计特征的频谱感知方法及相关设备；所述方法包括：对接收到的接收信号进行采样处理；其中，采样处理得到若干采样点；分别计算相邻两个采样点的相位差，得到接收信号对应的相位差概率分布；对第一相位差概率分布进行特征提取，得到接收信号对应的相位差鲁棒统计特征；将相位差鲁棒统计特征输入预先训练的频谱感知模型，根据频谱感知模型的输出确定主用户信号是否存在。本申请通过提取相位差鲁棒统计特征，并利用监督学习训练机器学习模型，学习特征，从而识别接收信号相位差概率分布的类别，在低信噪比衰落信道条件下，实现更加准确、更加鲁棒的频谱感知。