【CN109951864A】基于LAA不完美频谱探测与WiFi共存的系统性能分析方法【专利】
未授权频段LTE-LAA与WiFi共存系统性能分析
未授权频段LTE-LAA与WiFi共存系统性能分析王玮;徐平平;张源【摘要】为分析在未授权频段授权辅助接入(LAA)框架与无线局域网802.11系列标准(WiFi)共存的系统公平性问题,基于当前LAA框架的类型B(type B),建立了LAA系统与WiFi系统的共存模型.使用二维离散马尔可夫(Markov)模型对type B 接入过程的‘说之前听’类型3(LBT Cat3)进行建模分析,进而建立共存模型.通过更改共存的设备数量和LAA设备的LBT Cat3参数,分析LAA设备与WiFi设备在共存场景中的性能.根据分析模型创建相应仿真场景,以验证分析模型性能.分析计算结果与仿真计算结果表明,提出的分析模型在不同LAA与WiFi设备数量比和不同LBT Cat3参数情况下均能有效预测共存的LAA与WiFi设备成功占用信道比率.LAA系统适当调整LBT Cat3参数可以实现与WiFi系统公平共存和最大化信道利用率.%To analyze the problem in the unlicensed band,the fairness of coexisting licensed-assisted access (LAA) and 802.11 WLAN (WiFi) systems,based on the type B access procedure,this paper proposed a coexisting model for the LAA system and WiFi system.A discrete-time two-dimensional Markov chain was used to model and analyze the listen-before-talk category 3 (LBT Cat3) in type B access procedure,and then a coexistence model was established.The performance of the LAA device and WiFi device in the coexistence scenario was analyzed by changing the quantity of the coexisting device and the LBT Cat3 parameters of the LAA device.The simulation scenario was setup according to the analysis model to verify the performance of the analysis model.The performance of the using LBT Cat3 LAA device and WiFi device in the coexisting scenario isanalyzed.The analysis result and the simulation result show that the analyzing model is valid in predicting the successful airtime share of the LAA and WiFi device in case of the different coexisting LAA to WiFi device number ratios and different LBT Cat3 A system can appropriately adjust the parameters of LBT Cat3 to achieve the fairness coexistence with WiFi and maximize channel utilization.【期刊名称】《东南大学学报（自然科学版）》【年(卷),期】2017(047)003【总页数】6页(P426-431)【关键词】LAA;LBT Cat3;Markov;系统共存【作者】王玮;徐平平;张源【作者单位】东南大学移动通信国家重点实验室,南京210096;东南大学移动通信国家重点实验室,南京210096;东南大学移动通信国家重点实验室,南京210096【正文语种】中文【中图分类】TN929.5第三代合作伙伴计划(3rd generation partnership project,3GPP)提出基于长期演进技术的授权辅助接入(licensed-assisted access framework for long-term evolution, LTE-LAA)框架,用于将蜂窝网络中部分业务卸载到未授权频段.未授权频段充斥着大量无线局域网80.11标准(wireless fidelity,WiFi)设备,因此,与WiFi设备共存是在未授权频段部署LTE-LAA设备面临的重要问题.在未授权频段,LAA设备采用基于竞争的分布式协调方式[1].LAA系统分布式协调接入基于“说之前听”(listen-before-talk,LBT)过程,即设备发送数据前需要侦听信道.LBT共有无退避LBT(LBT category 1,Cat1)、固定退避LBT (LBT Cat2)、具有固定竞争窗随机退避的LBT (LBT Cat3)和具有可变竞争窗随机退避的LBT (LBT Cat4)4类.其中与WiFi共存时,LAA系统被建议使用LBT Cat3 和LBT Cat4,因为这2种LBT类型具有随机退避过程[2].文献[3]指出,LAA设备多载波信道接入过程使用LBT Cat3方案,并称之为类型B(type B)方案.因此,对LBT Cat3过程的分析和研究对于LAA框架具有重要意义.为研究LAA与WiFi共存系统性能,本文提出一种LBT Cat3的马尔可夫(Markov)模型,通过该模型可对不同数量LAA设备与WiFi共存场景进行理论分析.通过仿真对理论分析模型进行验证,并分析了各类共存场景中LAA 使用的LBT参数对共存性能的影响.LAA框架依照欧洲电信标准协会ETSI制定的未授权频段欧洲标准EN301.893,定义在未授权频段空闲信道评估(clear-channel assessment,CCA)方案包含初始CCA(initial CCA,ICCA)和扩展CCA(extended CCA,ECCA)两个部分[4].文献[2]确定LAA的CCA过程的一般流程图(见图1).文献[3]对LAA的CCA过程描述为:LAA设备需对当前信道进行检测,并根据以下步骤,在一个附加时隙内检测信道后调整计数器N值:① 设置N=Ninit,然后转至步骤④.其中，Ninit为一个均匀分布于(0,CW)的随机数,CW为竞争窗长度.② 如果N>0,则LAA设备计数器递减,即N=N-1.③ 在一个附加的时隙持续时间内检测信道,如果此时信道忙,则跳转至步骤④;否则跳转至步骤⑤.④ 如果N=0,则退出,否则跳转至步骤②.⑤ 检测信道,直至信道连续空闲时间达到一个附加延时时段Td的长度.⑥ 如果信道连续空闲时间达到附加延时时段Td,则转至步骤④;否则转至步骤⑤.若LAA设备首次检测时信道持续空闲时间达到一个延时持续时段Td,或在步骤④的计数器N=0且信道空闲,则设备开始传输数据.其中,图1中的ICCA过程即为首次检测信道的时段Td,ECCA过程由信道忙时需要检测附加时段Td及随后的退避过程共同构成.在LAA框架的最初研究中数据传输使用LTE帧格式.文献[5]中LAA在指定LTE帧位置进行传输,其他时间预留给WiFi;文献[6]中LAA使用LTE接入方式以及较小的带宽和特定的中心频率,通过调整CCA门限实现与WiFi公平共存.文献[7]在每个LTE帧头部指定区域随机退避,在每个LTE帧内指定不同时段用于WiFi设备传输,分析不同WiFi传输时长对共存系统性能的影响.WiFi系统采用基于竞争的随机接入方式, LTE帧格式的连续传输方式会引发严重冲突,因此文献[8]定义了用于LAA 设备的类型3(type3)帧结构,该结构支持分布式接入,帧内任意位置均可支持传输. 分布式接入过程可使用Markov链建模.文献[9]建立固定竞争窗随机退避LBT的Markov链模型.文献[10]中,LAA设备执行首次LBT随机退避(第1层Markov链),首次传输失败后执行第2次LBT退避(第2层Markov链),第2次退避后传输速率远低于第1次退避后的传输速率.文献[9-10]中LBT过程仅包含ECCA退避，而无ICCA过程,且不提供理论分析与仿真结果的对比.ICCA过程是LAA-LBT过程的重要组成部分,在LAA-LBT过程中不可或缺,因此上述工作描述的LBT过程不属于LAA-LBT过程.文献[11]使用泊松点过程对LAA-WiFi共存场景建模,研究LAA使用空白子载波和LBT两种接入方式对共存性能的影响,其中LBT随机退避数只能选取(0,1)和(1,2).文献[12]提出了LAA-WiFi共存小区的未授权频段信道资源分配算法,其中，微小区基站使用与WiFi相同的随机退避,但未描述该退避方式的具体参数.基于现有标准对LBT流程的定义,本文提出理想情况下的LAA-LBT Cat3理论分析模型,并使用该模型对LAA-WiFi共存系统性能进行分析.为简化分析过程,本文中假设传输损耗仅由碰撞产生.2.1 LBT Cat3模型建立和接入机制分析令Ic和Ie分别表示ICCA过程和ECCA退避过程,其状态符号分别为a和b.某一时刻t设备状态s(t)的取值为Ic或者Ie,其相应状态计数器取值为a(t)或者b(t).定义pl为LAA网络中的碰撞概率,即2个及2个以上LAA设备同时传输的概率.LBT Cat3过程可描述为图2所示双层二维离散时间Markov模型.其中,第1层为ICCA 过程,第2层为ECCA过程,I表示ICCA过程所占总时隙数.每一个新的信道检测过程开始时，Ic计数器a(t)=I.图2中,Wl表示Cat3的固定竞争窗长度,随机退避数的取值范围为[0,Wl].将状态转移概率进行简化,如则上述Markov模型的一阶非零状态转移概率可表示为式(2a)表示ICCA过程中,信道空闲，则计数器递减;式(2b)表示如果ECCA退避过程中计数器递减为0且设备成功发送数据,则信道检测过程从新的ICCA开始;式(2c)表示在ICCA过程中如果信道忙,则设备进入ECCA检测过程;式(2d)表示在ECCA 退避过程中,如果时隙空闲，则退避计数器递减,否则冻结.将状态表达式a(t)=i和b(t)=k分别简化为ai和bk.通过对Ic过程的描述可知,aI 表示信道检测初始状态,ICCA过程ai和ECCA退避过程bk均可表示为aI和冲突概率pl的表达式,即信道初始过程aI和冲突概率pl的关系最终可通过归一化条件确定,即aI通过式(4)可得到aI的表达式为定义LAA设备在任意时隙随机传输的概率为τl.由于任意传输发生在ICCA计数器ai为0或者ECCA退避计数器bk为0的时刻,将式(4)代入式(3),并令ai=0和bk=0,得到τl的表达式为2.2 WiFi接入机制WiFi使用载波侦听多路访问/冲突避免(CSMA/CA)接入方式. 根据文献[13]定义WW为WiFi系统初始竞争窗长度,WiFi竞争窗取值CW,i=2iWW,其退避阶i∈[0,mw],mw为最大退避阶,令pw为WiFi系统冲突概率,WiFi传输概率τw可表示为[13]2.3 共存碰撞概率和信道占用率令系统共存环境中有nl个LAA设备和nw个WiFi设备,LAA设备传输概率为τl,WiFi设备传输概率为τA系统内发生碰撞概率和WiFi系统内发生碰撞概率分别可用pl和pw表示，即式(8)由文献[13]推导得出,并在文献[9]中得到应用.令Pt,l和Pt,w分别表示网络中至少有一个LAA设备和至少一个WiFi设备传输数据的概率,即则只有一个LAA设备传输的概率Ps,l和只有一个WiFi设备传输的概率Ps,w可分别表示为因此,LAA设备成功传输的概率为Pt,lPs,l(1-Pt,w),表示有且仅有一个LAA传输，且没有WiFi传输.WiFi设备成功传输概率表达式为Pt,wPt,w(1-Pt,l).研究LAA与WiFi系统共存公平性时为避免某一系统实际工作时间过少而导致系统间公平性受到质疑,文献[14]提出使用信道占用时间(airtime)来代替吞吐量.信道占用时间能成功描述复杂网络中的信道占用情况[15-16].本文将成功传输所用信道占用时间与总占用时间比值定义为成功信道占用率Rs,用Rs替代吞吐量分析LAA设备和WiFi 设备共存的公平性问题.若Fl和Fw代表LAA和WiFi平均单次传输时长,则二者的airtime分别为Pt,lPs,l(1-Pt,w)Fl和Pt,wPs,w(1-Pt,l)Fw.令Rs,l和Rs,w分别表示LAA和WiFi设备成功信道占用率,表达式为Ts=(1-Pt,l)(1-Pt,w)σ+Pt,wPs,w(1-Pt,l)Ts,w+Pt,lPs,l(1-Pt,w)Ts,l+Pt,w(1-Ps,w)(1-Pt,l)Tc,w+Pt,l(1-Ps,l)(1-Pt,w)Tc,l+Pt,wPt,lTc,A式中,σ为一个空闲时隙时长;Ts,w=Fw为平均WiFi成功传输时长;Ts,l=Fl为LAA 平均成功传输时长;Tc,w=Fw+LDIFS为WiFi平均冲突传输时长，LDIFS为分布式帧间间隔(distributed inter-frame spacing, DIFS)持续时长;Ts表示信道所有状态时隙之和.ECCA过程中的Td性质与WiFi系统中的DIFS类似,用Ed表示,所以Tc,l=Fl+Ed为LAA平均冲突传输时长,Tc,A=max(Tc,l,Tc,w)为LAA与WiFi冲突时长.本文对LAA与WiFi系统共存进行仿真以验证所提模型的有效性.假设理想情况下共存场景中所有设备都能检测到彼此收发,且缓存中始终有数据可以发送.LAA系统使用LBT Cat3,系统参数参考文献[2, 4].其中如果LAA的ICCA持续时间小于WiFi 系统的DIFS的持续时间,则LAA的传输会阻塞WiFi传输,所以选取ICCA长度为63 μs.WiFi系统使用CSMA/CA基本接入方式,参数参考802.11a协议.参数设置见表1.若LAA与WiFi设备数相同,即nl=nw,则Rs,l和Rs,w、设备数n以及LAA竞争窗大小Wl之间的关系见图3.由图可见,仿真结果曲线和理论分析曲线二者基本吻合,表明理论分析有效.若n值相同,LAA设备选取Wl越小,则Rs,l越高,Rs,w越低,Rs=Rs,l+Rs,w越小,说明LAA系统采用竞争窗Wl越小,信道竞争力越强,但同时Rs降低.随着n增加,设备间干扰增大,Rs,l平缓变化,Rs,w与Rs都减小.图中椭圆标出位置为Rs,l=Rs,w点,当Wl分别为64和128时,对应LAA与WiFi设备数为8和25.当Wl为256时,在设备数少于50的情况下未出现Rs,l=Rs,w.上述结果表明,在nl=nw的情况下,LAA可通过适当改变LBT参数实现与WiFi的公平共存.同时,Rs随Wl的增加而增大,适当调高Wl，可增加信道使用效率.若LAA与WiFi设备总数不变,nl+nw=n,选取n=55,LAA设备数从5递增到50,WiFi设备数从50递减到5,Wl取值分别为64,128和256，则Rs,l与Rs,w,n,Wl之间关系见图4.由图可见,仿真结果曲线和理论分析结果曲线二者基本吻合,表明理论分析有效.图中椭圆标出位置为Rs,l=Rs,w,此时，当Wl=64时,LAA设备数为15,WiFi设备数为40;当Wl=128时,LAA设备数约25,WiFi设备数约为30;当Wl=256时,LAA设备数约40,WiFi设备数为15.图4表明如果LAA 设备数较少,选用较小的Wl可实现系统间的公平.然而Rs随Wl的增加而增大,较高的Wl能增加信道使用效率.若WiFi设备数是LAA设备数的倍数,即nw=xnl,选取x=[1,2,4],nl从5递增到50.令Wl=128,Rs,l与Rs,w，n，Wl之间的关系见图5.由图可见,仿真结果曲线和理论分析曲线二者基本吻合,表明理论分析有效.图中椭圆标出位置为Rs,l=Rs,w.nw=nl,nw=2nl和nw=4nl对应的nl值分别为25,35和50,表明如果WiFi设备数持续增加,LAA设备数nl值只有相应增加才能达到系统间的公平.WiFi 设备密集度增加，而Rs,w变化不大,表明在密集场景中WiFi设备数的变化基本不影响WiFi设备的信道占用率.而WiFi设备倍数越大,Rs,l越低,则Rs越低,信道使用效率就越低.因此LAA设备可动态调整系统参数在保证信道使用效率的同时维持系统间的公平.上述结果表明，在不同网络规模和LBT参数情况下,本文建立的模型均可有效预测共存系统性能,所以该模型可用于分析共存性能及系统间公平性.理论分析及仿真结果表明,使用LBT Cat3作为其接入机制的LAA系统,在不同设备部署场景中通过改变竞争窗长度,可调整信道使用效率并实现与不同规模的WiFi系统公平共存.1) 使用Markov链建立基于LAA-LBT Cat3的理论分析模型，推导了LAA与WiFi系统共存的成功信道占用率与共存系统参数的关系表达式.2) 根据已有3GPP和IEEE 802.11标准建立了LAA与WiFi系统共存仿真平台.仿真结果表明，本文所用的理论分析对不同设备数量和不同LBT参数均有效；通过调整LAA竞争窗长度可实现系统间公平传输.3) 当LAA与WiFi设备数相同时，系统内设备数较少的情况下应采用小的LAA竞争窗，反之应采用较大的LAA竞争窗；当LAA与WiFi设备总数不变时，若LAA 设备数少于WiFi设备数，则采用较小的LAA竞争窗，反之采用大的LAA竞争窗；当WiFi设备数是LAA设备数的倍数时，倍数越大，应采用的LAA的竞争窗长度越大.【相关文献】[1]Mukherjee A, Cheng J F, Falahati S, et al. Licensed-assisted access LTE: Coexistence with IEEE 802.11 and the evolution toward 5G[J]. IEEE Communications Magazine, 2016, 54(6): 50-57. DOI:10.1109/mcom.2016.7497766.[2]3GPP. Technical specification group radio access network; study on licensed-assisted access to unlicensed spectrum;(release 13)[S]. Valbonne, France: 3GPP, 2015.[3]3GPP. TS 36.213 V13.2.0 technical specification group radio access network; evolved universal terrestrial radio access (E-UTRA); physical layer procedures; (release 13)[S]. Valbonne, France: 3GPP, 2016.[4]ETSI. EN 301893 V1.8.1 broadband radio access networks (BRAN); 5 GHz high performance RLAN; harmonized en covering the essential requirements of article 3.2 ofthe R&TTE directive[S]. Sophia Antipolis Cedex, France: ETSI, 2015.[5]Cano C, Leith D J. Unlicensed LTE/WiFi coexistence: Is LBT inherently fairer than CAST?[C]//2016 IEEE International Conference on Communications. Kuala Lumpur, Malaysia, 2016: 1-6. DOI:10.1109/icc.2016.7510910.[6]Jian Y, Shih C F, Krishnaswamy B, et al. Coexistence of Wi-Fi and LAA-ITE: Experimental evaluation, analysis and insights[C]//2015 IEEE International Conference on Communication Workshop. London, UK, 2015: 2325-2331.[7]Han S, Liang Y C, Chen Q, et al. Licensed-assisted access for LTE in unlicensed spectrum:A MAC protocol design[J]. IEEE Journal on Selected Areas in Communications, 2016 34(10): 2550-2561. DOI:10.1109/jsac.2016.2605959.[8]3GPP. TS 36.211 V13.1.0 technical specification group radio access network; evolved universal terrestrial radio access (E-UTRA); physical channels and modulation; (release14)[S]. Valbonne, France: 3GPP, 2016.[9]Song Y, Sung K W, Han Y. Coexistence of Wi-Fi and cellular with listen-before-talk in unlicensed spectrum[J]. IEEE Communications Letters, 2016, 20(1): 161-164.DOI:10.1109/lcomm.2015.2504509.[10]Chen C, Ratasuk R, Ghosh A. Downlink performance analysis of LTE and WiFi coexistence in unlicensed bands with a simple listen-before-talk scheme[C]//2015 IEEE81st Vehicular Technology Conference. Glasgow, UK, 2015: 15287908.DOI:10.1109/vtcspring.2015.7145789.[11]Li Y Z, Baccelli F, Andrews J G, et al. Modeling and analyzing the coexistence of Wi-Fi and LTE in unlicensed spectrum[J]. IEEE Transactions on Wireless Communications, 2016, 15(9): 6310-6326. DOI:10.1109/twc.2016.2582866.[12]Yin R, Yu G D, Maaref A, et al. A framework for co-channel interference and collision probability tradeoff in LTE licensed-assisted access(LAA) networks[J]. IEEE Transactions on Wireless Communications, 2016, 15(9): 6078-6090.[13]Bianchi G. Performance analysis of the IEEE 802.11 distributed coordination function[J]. IEEE Journal on Selected Areas in Communications, 2000, 18(3): 535-547.[14]Salem M, Maaref A. A MAC solution for distributed coordination of 5G LAA operator networks and fair coexistence with WLAN in unlicensed spectrum[C]//2016 IEEE Wireless Communications and Networking Conference. Doha, Qatar, 2016: 1-7.DOI:10.1109/wcnc.2016.7564872.[15]Lin P C, Chou W I, Lin T N. Achieving airtime fairness of delay-sensitive applications in multirate IEEE 802.11 wireless LANs[J]. IEEE Communications Magazine, 2011, 49(9): 169-175. DOI:10.1109/mcom.2011.6011749.[16]Huang C W, Loiacono M, Rosca J, et al. Airtime fair distributed cross-layer congestion control for real-time video over WLAN[J]. IEEE Transactions on Circuits and Systems for Video Technology, 2009, 19(8): 1158-1168.。
基于机器学习的Wifi信号检测和定位技术研究与应用
基于机器学习的Wifi信号检测和定位技术研究与应用在现代社会中，随着智能物联技术的不断发展和推广，无线网络已经成为我们日常生活中必不可少的一部分。
然而，在大型公共场所，如商场、学校、医院等，人们时常会遇到Wifi信号不稳定、网络速度缓慢的问题，这不仅会干扰人们的正常使用，还会影响相关业务、服务的质量。
为此，研发基于机器学习的Wifi信号检测和定位技术已成为当前热门的研究方向。
一、Wifi信号检测技术机器学习在Wifi信号检测方面的应用，常常基于无线电频谱感知技术，通过对Wifi信号的频率、幅度以及相位等进行分析和处理，识别出当前的信号类型和强度。
与传统的信号检测方法相比，机器学习算法可自动提取特征、优化参数，有效解决了传统方法存在的检测精度低、通用性差等问题，可在进行无线网络维护、安全检测以及信号优化等方面发挥重要作用。
二、Wifi信号定位技术除了信号检测外，机器学习在Wifi信号定位方面的应用也十分重要。
随着室内定位需求的不断增加，利用机器学习技术进行无线定位已成为研究的热点之一。
具体的实现方式包括基于fingerprint、RSSI、TOA等信号参数的定位方法。
通过多个无线AP的基站信号的信号强度和距离的关系来定位用户位置，通过对区域内的信号采集和分析，模型可根据训练数据生成WiFi定位指纹库，实现精准的定位功能。
这项技术被广泛运用于大型室内公共场所如商场、医院、博物馆、机场等的实时导航系统和安全监测系统中，极大地提升了用户的使用体验和安全性。
三、技术研究与应用展望随着无线网络的普及和应用范围的不断扩大，基于机器学习的Wifi信号检测和定位技术也将得到更广泛的应用和研究。
在应用方面，这项技术将进一步深入到行业垂直领域，并拓展到新的领域及细分市场。
而在技术研究方面，将持续提高信号检测和定位的精度和效率，并探索更多的机器学习算法及应用场景，以满足不断变化的用户需求。
总之，机器学习技术在Wifi信号检测和定位技术中的应用前景看好，未来它将更多的融入到人们日常生活中，大大提高了网络使用、服务和体验的质量。
认知无线电网络中频谱感知安全的研究进展
２１ ０ １年 １ ２月
第１ ２期
计 算 机 技 术 与 发 展
ＣＯＭＰ Ｉ Ｕ ＥＲ ＥＣ Ｉ ＨＮＯＬＯＧＹ ＡＮＤ ＤＥＶＥＬ ０ＰＭＥＮＴ
Ｖｏ ． １ Ｎ ． ２ １２ ｏ １ Ｄｅ ２ １ ｅ． ０１
认 知 无 线 电 网络 中频 谱 感 知 安全 的研 究进 展
Hale Waihona Puke 伪 装主用户 （ Ｕ 攻击是 Ｃ Ｎ 物 理层 中将 面 临 Ｐ Ｅ） Ｒ
的主要 安全 问题 ， 对单 用户 的本 地频谱 感 知 以 它 及 多用户 的频谱感 知协作都 具有极 大的威胁 。如 图 １ ａ 所 示 ， 这一 类攻 击 中 ， （） 在 敌方 向 网络 内发 送 与主 用户信 号特征类 似的干扰 信号 ， 得次用 户检测 时误 使
汪 晓睿 刘 全 ，
（． １ 海军计算技术研究所 ， 北京 １０ ４ ； ０８１ ２ 海军工程大学 通信 工程 系， ． 湖北 武汉 ４０ ３ ） ３０ ３
摘 要 ： 谱感 知是 认知 无线 电网络 中的 核心 功能 ， 的引入 可 使 次用 户 在 不 干扰 主 用 户 的前 提下 实 现 对授 权频 段 的 伺 频 它
ｔ ｍ ｅｓ ｇＤ ｔ Ｆｌｆ ａｏ ， Ｓ Ｆ 攻 击 。 。 ｒ Ｓｎｉ ａ ａ ｉｃｔ ｎ Ｓ Ｄ ） ｕ ｎ ａ ｓ ｉ ｉ 。
的隐 患 。一 方 面 ， 于 无 线 信 道 的 开 放 性 ， 得 由 使 Ｃ Ｎ 中同样 也存在 着许 多传 统 的网络 安全 问题 ¨ ； Ｒ ’
Ａｂ ｔ ａ ｔ Ｉ ｓｒ ｃ ：ｎ ＣＲＮｓ ｓ ｅ ｔｕ ｓ ｎ ｉ ｇ ｉ ｔ ｅ ｃ ｒ ｕ ｃ ｏ ａｉｙ， ｎ ｔ ｅ ｈ ｌ ｆｉ －ｔ ｅ ｓ ｃ ｎ ａ ｙ ｕｓ ｒ ｒ ｌ ｗｅ ｏ ａ ｃ ｓ ｅ ａ ・ － ｐ ｃ ｒ ｍ ｅ ｓｎ ｓ ｈ ｏ ｅ ｆ ｎ ｔ ｎ ｌ ｉ ｔ ａ ｄ ｗｉ ｔ ｅ ｐ ｏ ｈ ｏ ｄ ｒ ｅ ｓ ａ ｅ ａ ｌ ｄ ｔ ｃ ｅ ｓ ｔ ｕ ｈｈ ｔ ｅ ｏ ｈ ｈ ｒｚ ｄ ｓ ｅ ｔｕ ｂ ｎ ｓｉ ｎ ｏ ｐ ｒ ｉｔ ｌ ｎ ｒ ｗｉ ｕ ａ ｓ ｔ ｏ ｉｅ ｐ ｃｒ ｍ ａ ｄ ｎ ａ ｐ ｏ ｔ ｎ ｓ ｃｎ ａ ｎｅ － ｔ ｏ ｔｃ ｕ ｉ ｙ ｉ ｔｒｅ ｎ ｅｔ ｅ ｐ ｍ ａｙ Ｕｓ ｒ ． ｗｅ ｅ ，ｔ ｌｏ ｂ ｉ ｇ ｏ ｕ ｉ ｈ ｎｇ ａ ｎ ｅ ｒ ｃ Ｏ ｔ ｒ ｒ ｅ Ｓ Ｈｏ ｖ ｒ ｉ ａ ｓ ｒ ｓｉ ｓ ｍｅ ｎ ｆ ｅ ｈ ｉ ｎ ｎ
认知无线环境下的频谱管理：测量、分析和建模
认知无线环境下的频谱管理：测量、分析和建模重庆大学博士学位论文学生姓名：Bara’u Gafai Naj ashi指导教师：***专业：通信与信息系统学科门类：工学重庆大学通信工程学院二O一四年四月Spectrum Management in the Context of Cognitive Radio: Measurements, Analysisand ModelingA Thesis Submitted to Chongqing Universityin Partial Fulfillment of the Requirement for theDoctor’s Degree of EngineeringByBara’u Gafai NajashiSupervisor: Prof. Feng Wen-jiangSpecialty: Communication and Information SystemsCollege of Communication Engineering ofChongqing University, Chongqing, ChinaApril 2014中文摘要摘要随着信号处理与集成电路等相关技术的飞速发展，无线通信在近几十年取得了空前的进步，但如今，无线通信却面临新的挑战——频谱资源匮乏。
传统的无线电设计在频谱资源匮乏与应用需求剧增之间的矛盾面前手足无措，但美国联邦通信委员会的调查报告指出，当前无线频谱资源的严重缺乏并非由于无线频谱资源的过度使用造成，相反，缺乏效率的频谱分配政策与无所不在的资源浪费使频谱管理者陷入了尴尬境地。
世界各国现行的频率使用政策除分配极少的ISM开放频段外，大多采用许可证制度，即授权用户使用分配的频段，非授权用户不得共享。
固定的频谱划分方式使得不可再生的无线频谱资源变得越来越少。
正当业界寻求更先进的无线通信技术，如链路自适应技术、MIMO技术等来提高频谱效率的同时，却发现已授权频段，尤其是信号传播特性良好的低频段频谱利用率极低。
【CN109862586A】一种实现无线网络通信场强覆盖仿真系统及方法【专利】
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910157744.7(22)申请日 2019.03.02(71)申请人 湖南城市学院地址 413000 湖南省益阳市迎宾东路518号(72)发明人 曾专武 黄建辉 (74)专利代理机构 重庆市信立达专利代理事务所(普通合伙) 50230代理人 包晓静(51)Int.Cl.H04W 24/06(2009.01)H04W 24/02(2009.01)H04B 17/318(2015.01)(54)发明名称一种实现无线网络通信场强覆盖仿真系统及方法(57)摘要本发明属于无线网络通信技术领域，公开了一种实现无线网络通信场强覆盖仿真系统及方法，所述实现无线网络通信场强覆盖仿真系统包括：信号检测模块、通信场强测量模块、主控模块、场景模型构建模块、场强覆盖计算模块、数据优化模块、显示模块。
本发明通过通信场强测量模块在无线电信号环境日益复杂的情况下，本发明具有更强的信号适应性；采用了信号带宽测量技术，可针对不同带宽的信号进行自动化场强测量；同时，通过场强覆盖计算模块将多个基站的经纬度位置点映射到平面区域上，构成平面基站点集，以平面几何的算法对所述基站点集进行处理，无须考虑基站的地形地貌因素，简单、快速地确定基站或小区的无线场强覆盖区域范围。
权利要求书2页 说明书6页 附图2页CN 109862586 A 2019.06.07C N 109862586A1.一种实现无线网络通信场强覆盖仿真方法，其特征在于，所述实现无线网络通信场强覆盖仿真方法包括：第一步，利用基于最优合并和特征值的信号检测算法的信号检测器检测无线网络通信信号；第二步，利用场强测量器测量无线网络通信场强强度数据；第三步，利用建模软件构建无线网络通信场强分布的场景模型；第四步，利用计算程序根据检测的场强强度数据计算无线网络通信场强覆盖区域；第五步，利用基于二阶逼近法的优化程序对场强数据进行优化处理；二阶逼近数据优化算法包括：多元函数的泰勒展开式为：对损失函数进行二阶展开：损失函数取得最小值的必要条件是：最后得到β的迭代公式：第六步，利用显示器显示通信信号、场强强度、场景模型、覆盖区域数据。
非授权频段上实现LTE-LAA系统与WiFi系统共存的方法[发明专利]
![非授权频段上实现LTE-LAA系统与WiFi系统共存的方法[发明专利]](https://img.taocdn.com/s3/m/752492baad02de80d5d8405d.png)
专利名称：非授权频段上实现LTE-LAA系统与WiFi系统共存的方法
专利类型：发明专利
发明人：徐少毅,方锦龙
申请号：CN201810707239.0
申请日：20180702
公开号：CN109039374A
公开日：
20181218
专利内容由知识产权出版社提供
摘要：本发明提供了一种非授权频段上实现LTE‑LAA系统与WiFi系统共存的方法。
该方法主要包括：在非授权频段上，WiFi系统正常发送数据，LTE‑LAA系统根据需要发送的数据的QoS和先验知识设计跳频算法，利用所述跳频算法在可使用的信道集上使用跳频的方式发送数据。
本发明通过将跳频技术应用于LTE‑LAA系统中，提供了一种基于跳频技术的频率分配方案，通过设计合理的跳频算法，实现了两种系统的和谐共存，而不必使用LBT技术，避免了传输时延同时增强了系统的频谱效率。
申请人：北京交通大学
地址：100044 北京市海淀区西直门外上园村3号
国籍：CN
代理机构：北京市商泰律师事务所
代理人：黄晓军
更多信息请下载全文后查看。
基于AI大数据的无线基站节能系统的设计与应用
0 引言随着网络建设规模的不断扩大和设备的更新换代日益频繁，众多运营商开始关注点聚焦于设备在运营支出（OPEX ）方面的开销。
随着网络规模的增长，站点对能耗的需求也在不断上升[1,2]，这为运营商带来巨大的成本压力。
如何在确保运营商收益和用户体验不变的前提下[3,4-6]，将设备的能耗需求和OPEX 费用降至最低，成为未来网络建设中极具关注价值的课题。
本文着重介绍一种基于AI 大数据技术的新型无线2G/3G/4G 基站节能系统设计，以期能够为未来无线基站的可持续发展提供有益的参考。
1 无线基站节能系统的框架这套系统设计聚焦于目前无线站点的配置，通过对网络配置调整、节能功能部署等方面的深入分析和调整，结合AI 大数据对现有的站点进行迭代优化，持续降低无线基站的能耗开销，从而减轻运营商的财务负担，实现能源的有效利用和节约。
无线基站的节能系统（如图1所示）主要内容包括：站点配置数据分析、配置组网结构优化[7-8]、节能作者简介：罗鹏举（1990-），男，汉族，湖北武汉人，LTE 产品工程师，硕士研究生，研究方向为控制科学与工程。
王 彪（1981-），男，汉族，辽宁沈阳人，GSM 产品工程师，本科，研究方向为通信工程。
闫 林（1979-），男，汉族，山东济宁人，UMTS 产品工程师，硕士研究生，研究方向为控制理论和控制工程。
施清启（1979-），男，汉族，福建福州人，LTE 产品工程师，本科，研究方向为控制科学与工程。
基于AI大数据的无线基站节能系统的设计与应用罗鹏举，王 彪，闫 林，施清启（中兴通讯股份有限公司，广东 深圳 518000）摘要：为应对2G/3G/4G无线基站在运营商日常运营中高能耗开销及不断上升的电费支出问题，文章提出了一种基于AI大数据技术的无线RAN基站节能系统。
该系统旨在针对全网各种场景和不同设备，通过对现有网络配置的深入梳理与调整优化，以及节能功能的智能部署和优化，并对现网站点的建模寻找最优门限值，最后通过AI大数据的持续优化迭代，持续提升节能效益，增强系统的稳定性。
基于超宽带频谱预测神经网络的多功能超表面逆向设计方法
基于超宽带频谱预测神经网络的多功能超表面逆向设计方法超宽带（Ultra-Wideband, UWB）技术是一种具有广泛应用前景的无线通信技术，其能够提供高速数据传输、精确定位等多种功能。
然而，由于超宽带频谱的复杂性和不确定性，设计出高效的UWB系统依然面临一定的挑战。
针对这一问题，本文提出一种基于超宽带频谱预测神经网络的多功能超表面逆向设计方法，旨在优化UWB系统性能，提高通信质量和覆盖范围。
一、UWB频谱预测神经网络模型为了解决UWB频谱复杂性带来的设计问题，我们建立了一种基于神经网络的频谱预测模型。
该模型通过学习已有UWB数据集中的频谱特征，能够准确预测未来UWB信号的频谱分布。
预测神经网络通过深度学习算法对大量的样本数据进行训练，具备了良好的泛化能力和预测准确性。
二、多功能超表面设计原理在UWB系统中，超表面（Meta-Surface）作为一种能够调控电磁波传输的结构，具备了多种功能，如信号调制、波束成形等。
本文利用基于频谱预测神经网络的方法来逆向设计多功能超表面。
具体而言，我们首先利用频谱预测模型得到未来UWB信号的频谱，然后基于这一频谱特征进行超表面的反设计。
通过一系列优化算法，我们能够得到使得UWB信号传输性能最优的超表面参数配置。
三、超表面逆向设计流程为了实现基于频谱预测神经网络的多功能超表面逆向设计，本文提出了以下流程：1. 数据准备阶段：收集并准备UWB信号的频谱数据集，用于训练频谱预测神经网络模型。
2. 频谱预测模型训练：利用准备的数据集，通过深度学习算法构建和训练频谱预测神经网络模型，以获得准确的UWB信号频谱预测能力。
3. 频谱预测：利用训练好的神经网络模型对未来UWB信号的频谱进行预测，得到频谱特征。
4. 超表面逆向设计：基于预测得到的频谱特征，通过反向设计算法确定多功能超表面的参数配置，使得UWB信号的传输性能最优。
5. 优化与验证：对设计得到的超表面进行模拟仿真和实验验证，通过优化算法进一步优化超表面的参数，确保UWB系统达到预期的性能要求。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910244702.7
(22)申请日 2019.03.28
(71)申请人 重庆邮电大学
地址 400065 重庆市南岸区黄桷垭崇文路2
号
(72)发明人 裴二荣 鹿逊 易鑫 刘珊
江军杰
(74)专利代理机构 北京同恒源知识产权代理有
限公司 11275
代理人 赵荣之
(51)Int.Cl.
H04W 24/06(2009.01)
H04B 17/382(2015.01)
H04B 17/391(2015.01)
H04W 74/08(2009.01)
(54)发明名称
基于LAA不完美频谱探测与WiFi共存的系统
性能分析方法
(57)摘要
本发明涉及一种基于LAA不完美频谱探测与
WiFi共存的系统性能分析方法，属于通信技术领
域，包括以下步骤：S1：针对LBT机制中的能量检
测部分设定Markov链的状态；S2：引入虚警概率
P f 和漏检概率P m 同时结合Markov链，建立LAA不
完美频谱探测时的数学模型；S3：根据Markov链
模型，计算出LAA在不完美频谱探测下设备的传
输概率，同时根据BianChi模型得到WiFi的传输
概率；S4：分析LAA由于不完美频谱探测的对共存
系统性能的影响，分别计算出LAA和WiFi的碰撞
概率和吞吐量。
权利要求书2页 说明书7页 附图2页CN 109951864 A 2019.06.28
C N 109951864
A
1.一种基于LAA不完美频谱探测与WiFi共存的系统性能分析方法，其特征在于：包括以下步骤：
S1：针对LBT机制中的能量检测部分设定Markov链的状态；
S2：引入虚警概率P f 和漏检概率P m 同时结合Markov链，建立LAA不完美频谱探测时的数学模型；
S3：根据Markov链模型，计算出LAA在不完美频谱探测下设备的传输概率，同时根据BianChi模型得到WiFi的传输概率；
S4：分析LAA由于不完美频谱探测的对共存系统性能的影响，分别计算出LAA和WiFi的碰撞概率和吞吐量。
2.根据权利要求1所述的基于LAA不完美频谱探测与WiFi共存的系统性能分析方法，其特征在于：在步骤S1中，LAA设备在数据传输前采用LBT机制，LBT机制在执行的过程中包括初始信道评估阶段ICCA和扩展空闲信道评估阶段ECCA，所述ECCA阶段包括ECCA延时阶段和ECCA避退阶段，设定延时阶段和避退阶段中的每一个时隙为Markov链中的状态；
上述两个阶段LAA设备都采用能量检测的方案对信道状态进行评估，但是延时阶段和避退阶段的探测时间不同，因此导致的探测的准确度不同。
根据探测的结果ECCA延时阶段和ECCA避退阶段处于不断变换的过程，两个阶段间的切换实际取决于信道探测结果而不是实际信道状态；切换过程遵从以下方式：
1)假设当前设备处于饱和的网络环境中，LBT过程忽略ICCA阶段，只执行ECCA阶段，在ECCA阶段中，当设备执行ECCA延时过程时，延时过程执行的信道探测结果可能为空闲或者忙，根据探测结果选择避退阶段或者继续执行延时阶段；
2)当设备执行到避退阶段时，设备从竞争窗口中随机选择一个避退数N进行避退，在时隙避退过程中，每一个时隙的探测结果可能为空闲或者忙，根据探测结果选择继续执行避退过程或者进入延时阶段；
3)在避退阶段时，时隙的探测结果为空闲时，设备选择的的避退数逐渐递减，即
N＝N -1，当N＝0时，数据发送；
4)在避退阶段时，一旦某个时隙的探测结果为忙，避退数暂时冻结，设备执行延时阶段，直到延时阶段执行结果为空闲，则继续冻结前的避退数进行避退。
3.根据权利要求2所述的基于LAA不完美频谱探测与WiFi共存的系统性能分析方法，其特征在于：在步骤S2中，根据状态间的切换方式建立Markov链，为了描述Markov链状态之间的转移概率，引入虚警概率P f 和漏检概率P m 两个概率参数，其中虚警概率P f 表示在信道空闲条件下，探测结果为忙的概率，误检概率P m 表示在信道占用条件下，探测结果为空闲的概率，当出现不完美探测时，状态之间的转移或者等待取决于信道探测的结果而不是实际信道状态，虚警概率P f 和漏检概率P m
的表达式分别为：
权 利 要 求 书1/2页2CN 109951864 A。