公开(公告)号：CN105897357A

公开(公告)日：2016-08-24

申请号：CN201610326437.3

申请日：2016-05-17

Applicant: 华侨大学

Inventor： 彭盛亮 ,  郑伟斌 ,  赖美玲 ,  高仁阳 ,  杨喜

IPC: H04B17/382 ,  H04W72/08

CPC classification number: H04B17/382 ,  H04W72/085

Abstract: 本发明提供了一种基于减少采样点数的快速两步能量检测算法，具体步骤为：a.预设一个固定的虚警概率，建立一个使检测概率最大化的优化模型，得到两个最佳判决门限值。b.将传统能量检测算法中的总采样点平均分成两部分，先进行第一步能量检测。c.将第一步能量检测获得的能量值与第一个门限值进行比较。d.若能量值不小于第一个门限值，则直接得出主用户信号存在的判决，跳至g。否则进行下一步。e.对余下的采样点进行第二步能量检测。f.将第二步能量检测得到的能量值和第一步检测的能量值求平均值后与第二个门限值进行比较，得出主用户信号是否存在的判决。g.次级用户判断检测是否停止，是则终止，否则返回到b进行下一次的检测。

公开(公告)号：CN109861864A

公开(公告)日：2019-06-07

申请号：CN201910110083.2

申请日：2019-02-11

Applicant: 华侨大学

Inventor： 彭盛亮 ,  李焕焕 ,  陈铮 ,  杨喜

IPC: H04L12/24 ,  H04L29/06

Abstract: 本发明涉及一种基于LSTM网络的MAC协议识别方法，包括：离线训练阶段：S1、获取已知信号s(t)；S2、计算信号s(t)对应的功率Ps(t)；S3、生成Ns×1观测向量；S4、生成打有标签的训练数据集；S5、训练LSTM网络模型；在线识别阶段：S6、接收未知信号x(t)；S7、计算信号x(t)对应的功率Px(t)；S8、生成Ns×1观测向量；S9、将未知信号的观测向量送入训练好的LSTM网络模型，得到识别结果。本发明方法，引入深度学习思想，利用LSTM网络充分考虑接收信号的时域相关性，能够在较少人工干预的条件下达到更高的识别精度。

公开(公告)号：CN111079898A

公开(公告)日：2020-04-28

申请号：CN201911191857.5

申请日：2019-11-28

Applicant: 华侨大学

Inventor： 彭盛亮 ,  倪艳琴 ,  秦雄飞 ,  杨喜

IPC: G06N3/04 ,  G06N3/08 ,  G06F16/35

Abstract: 本发明涉及一种基于TextCNN网络的信道编码识别方法，引入了深度学习的技术思路，利用TextCNN网络的文本分类能力，利用深度学习中的TextCNN网络自动提取信道编码方案的特征，在人工干预较少的情况下，能够实时识别接收信息序列的编码方式，避免人工提取特征的偶然性，并且减小了计算复杂度，提高了信道编码识别的精度。本发明的实施，可用于解决认知无线电环境中的信道编码识别问题。

公开(公告)号：CN111079898B

公开(公告)日：2023-04-07

申请号：CN201911191857.5

申请日：2019-11-28

Applicant: 华侨大学

Inventor： 彭盛亮 ,  倪艳琴 ,  秦雄飞 ,  杨喜

IPC: G06N3/0464 ,  G06N3/08 ,  G06F16/35

Abstract: 本发明涉及一种基于TextCNN网络的信道编码识别方法，引入了深度学习的技术思路，利用TextCNN网络的文本分类能力，利用深度学习中的TextCNN网络自动提取信道编码方案的特征，在人工干预较少的情况下，能够实时识别接收信息序列的编码方式，避免人工提取特征的偶然性，并且减小了计算复杂度，提高了信道编码识别的精度。本发明的实施，可用于解决认知无线电环境中的信道编码识别问题。

公开(公告)号：CN109861864B

公开(公告)日：2022-02-22

申请号：CN201910110083.2

申请日：2019-02-11

Applicant: 华侨大学

Inventor： 彭盛亮 ,  李焕焕 ,  陈铮 ,  杨喜

IPC: H04L41/14 ,  H04L41/0823 ,  H04L41/08 ,  H04L69/22

Abstract: 本发明涉及一种基于LSTM网络的MAC协议识别方法，包括：离线训练阶段：S1、获取MAC协议类型已知的主用户信号s(t)；S2、计算信号s(t)对应的功率Ps(t)；S3、生成Ns×1观测向量；S4、生成打有标签的训练数据集；S5、训练LSTM网络模型；在线识别阶段：S6、接收MAC协议类型未知的主用户信号x(t)；S7、计算信号x(t)对应的功率Px(t)；S8、生成Ns×1观测向量；S9、将MAC协议类型未知的主用户信号的观测向量送入训练好的LSTM网络模型，得到识别结果。本发明方法，引入深度学习思想，利用LSTM网络充分考虑接收信号的时域相关性，能够在较少人工干预的条件下达到更高的识别精度。

公开(公告)号：CN106027175A

公开(公告)日：2016-10-12

申请号：CN201610268137.4

申请日：2016-04-27

Applicant: 华侨大学

Inventor： 彭盛亮 ,  高仁阳 ,  赵睿 ,  杨喜

IPC: H04B17/318 ,  H04B17/382

CPC classification number: H04B17/318 ,  H04B17/382

Abstract: 本发明公开了一种基于时域延续性的主用户检测方法，根据主用户状态在若干个时隙内保持不变的性质，利用已完成的若干个时隙检测的检测结果来协助完成当前检测；采用基于时域延续性的贝叶斯能量检测算法获得当前检测的判决门限；将观测能量与所述判决门限进行比较判断出主用户信号是否存在。本发明技术方案减小了贝叶斯代价，提高了当前检测的检测精度，检测精度优于普通的贝叶斯能量检测算法，并且最多可以减少三分之一的检测错误。

公开(公告)号：CN105897357B

公开(公告)日：2019-05-03

申请号：CN201610326437.3

申请日：2016-05-17

Applicant: 华侨大学

Inventor： 彭盛亮 ,  郑伟斌 ,  赖美玲 ,  高仁阳 ,  杨喜

IPC: H04B17/382 ,  H04W72/08

Abstract: 本发明提供了一种基于减少采样点数的快速两步能量检测算法，具体步骤为：a.预设一个固定的虚警概率，建立一个使检测概率最大化的优化模型，得到两个最佳判决门限值。b.将传统能量检测算法中的总采样点平均分成两部分，先进行第一步能量检测。c.将第一步能量检测获得的能量值与第一个门限值进行比较。d.若能量值不小于第一个门限值，则直接得出主用户信号存在的判决，跳至g。否则进行下一步。e.对余下的采样点进行第二步能量检测。f.将第二步能量检测得到的能量值和第一步检测的能量值求平均值后与第二个门限值进行比较，得出主用户信号是否存在的判决。g.次级用户判断检测是否停止，是则终止，否则返回到b进行下一次的检测。

公开(公告)号：CN106230529A

公开(公告)日：2016-12-14

申请号：CN201610608887.1

申请日：2016-07-28

Applicant: 华侨大学

Inventor： 彭盛亮 ,  宋紫毓 ,  赵睿 ,  刘杉 ,  杨喜

IPC: H04B17/382

CPC classification number: H04B17/382

Abstract: 本发明公开了一种基于部分中继机制的协同频谱检测方法，包括：选择中继策略并确定中继时间TR；分别获取同时按能量检测方法进行检测的两个次级用户在时隙的前Td-TR时间内接收信号的能量；获取低信噪比次级用户在时隙的Td-TR到Td时间内接收信号的能量；计算低信噪比次级用户检测到的总能量；分别将两个次级用户检测到的能量与各自的判决门限做比较，根据比较结果确定是否可以利用主用户的频段传输数据。本发明技术方案实现了高信噪比次级用户将分配到的检测时间部分用于检测，另一部分充当中继节点，协助低信噪比次级用户提高主用户检测精度，从而提高整个次级网络的性能。