[发明专利]一种异构网络的信号制式识别方法

说明书

技术领域

本发明属于异构网络技术领域，更为具体地讲，涉及一种异构网络的信号制式识别方法。

背景技术

异构网络(Heterogeneous Network)是一种类型的网络，其是由不同制造商生产的计算机，网络设备和系统组成的，大部分情况下运行在不同的协议上支持不同的功能或应用。异构网络的目标是在宏观网络布局基础上部署低功率节点和小覆盖范围节点来实现无线通信的无缝覆盖。LTE网络中，异构网络已经被当作提高网络覆盖率和容量的有效途径，能在相对有效的花费下极大地提高LTE网络容量。Femcell节点、picocell节点、中继节点等低功率和小范围节点部署在覆盖空洞上来增加网络覆盖率与提高频谱利用率。同时，低功率节点的小范围配置可以在不同范围内使用相同的频谱进行同时传输来极大提高复用率，因此也可以提高无线通信的容量。如今的无线频谱环境逐渐向多种网络配置共存的方向发展，网络结构日益复杂，相应的无线频谱研究难度也日趋繁琐。对于认知无线电网络或终端的处理，存在两个主要问题：

(a)认知网络或用户通过其感知能力对无线环境进行感知并利用空闲频谱进行通信。这就要求认知终端必须具备高效与可靠的频谱感知技术；

(b)认知终端在机会式接入频谱策略下，如何解决认知终端不遵守通信规则与不利的“敌对终端”问题。

由于异构网络中分布着的不同类型的网络，会使认知网络和终端进行频谱感知分析的过程变得更为复杂。无线环境中配置的网络由不同的传输速率、传输功率及不同的信号覆盖范围构成，从而使得目前已有的很多频谱感知方法并不适用于这些异构网络环境，特别是面临低功率节点分布的场景时，频谱环境感知效率会更低。在这种情况下，进行频谱感知和信号制式识别更加困难。现有的信号制式识别方法大多要求先验信息，这种方式并不经济，并且很多情况下很难获得准确的先验信息。

发明内容

本发明的目的在于克服现有技术的不足，提供一种异构网络的信号制式识别方法，实现在没有任何先验信息的情况下直接对从异构网络中接收到的信号进行识别。

为实现上述发明目的，本发明异构网络的信号制式识别方法，包括以下步骤：

S1：构建异构网络中所有信号制式的训练样本信号，每个训练样本包括一组信号，对于每个信号制式训练样本，对其中每个信号进行小波变换，然后再进行分数傅里叶变换，对得到的变换结果中的峰值对应的频率进行统计，根据统计结果选择频率区间作为对应信号制式的分类判别标准；

S2：认知终端将接收的信号进行小波变换和分数傅里叶变换，得到变换结果中峰值对应的频率，作为判别特征；

S3：如果步骤S2得到的频率属于某个信号制式的频率区间，则将该信号制式作为识别结果。

本发明异构网络的信号制式识别方法，首先将各类信号制式的训练样本信号经小波变换和分数傅里叶变换，对得到的变换结果中的峰值对应的频率进行统计，根据统计结果选择频率区间作为对应信号制式的分类判别标准，然后认知终端将接收的信号同样进行小波变换和分数傅里叶变换，得到变换结果中峰值对应的频率，判断该频率位于哪种信号制式的频率区间即可得到识别结果。本发明无需采用先验信息，而是通过小波变换和分数傅里叶变换后的信号特征来进行直接识别，实现复杂度低并且具有良好的识别效果。

附图说明

图1是本发明异构网络的信号制式识别方法的具体实施方式流程图；

图2是本实施例中三类信号经小波变换与分数傅里叶变换后的结果示意图；

图3是本实施例中三类信号训练样本在在信噪比为0dB情况下的特征统计示意图；

图4是在AWGN信道下的识别正确概率图；

图5是在AWGN噪声的基础上经过瑞利衰弱后的识别正确概率图；

图6是瑞利衰弱信道下不同路径时延(path delay)的识别效果图；

图7是混合信号情况下的识别正确概率图。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

实施例

图1是本发明异构网络的信号制式识别方法的具体实施方式流程图。如图1所示，本发明异构网络的信号制式识别方法，包括以下步骤：

S101：获得分类判别标准：