基于卡尔曼滤波的湖泊生态智能感测方法
【专利摘要】本发明公开了一种基于卡尔曼滤波的湖泊生态智能感测方法，所述方法包括：给出噪声平均功率波动性；利用ARMA卡尔曼滤波对所述噪声进行跟踪；对于高斯白噪声信道，利用动态门限频谱感测方法对生态进行智能感测；对于多径频选衰落信道，利用卡尔曼滤波对衰落信道跟踪方法进行相关信息跟踪，并通过协作动态门限频谱感测方法对生态进行智能感测；对于高斯白噪声和平坦衰落信道，利用高阶循环平稳特征感测方法进行感测，利用卡尔曼滤波的协作循环平稳特征感测方法对抗频选衰落信道。本发明提供的感测方法有效降低了湖泊生态监测感知系统中高密度传感节点间的同道干扰、增强了传感节点间数据传输的并发性。
【专利说明】基于卡尔曼滤波的湖泊生态智能感测方法
【技术领域】
[0001]本发明涉及无线通信【技术领域】，尤其涉及一种基于卡尔曼滤波的湖泊生态智能感测方法。
【背景技术】
[0002]由于无线传感器网络(WSN)工作在的频段是未授权频段，目前越来越多的无线通信技术共享此频段，造成该频段越来越拥挤。认知无线电技术作为解决频谱资源受限的良好技术被引入到无线传感器网络中。认知无线传感器网络(CRSN)开始得到深入的研究
[0003]认知无线传感器网络(CRSN)近年成为研究热点问题，传感节点能量、路由、时空动态监测网络系统与虚拟仿真决策支持等方面成为主要研究方向。认知无线传感器网络(CRSN)通过认知传感节点进行数据采集，通过无线传感器网络传输数据，然而在高密度传感节点的通信网络环境中，节点间存在同道干扰。如何能够在极少的网络资源限制下，及时、同步的将数据传输出去也是无线传感器网络(WSN)亟待解决的问题，而基于认知无线传感器网络(CRSN)的动态频谱访问是实现此目标的一种重要手段，认知无线传感器网络(CRSN)系统中协作频谱感测原理如图1所示。目前，针对认知无线传感器网络(CRSN)的动态频谱访问现有技术存在如下缺点:
[0004](I)噪声的波动导致信号感测性能急剧下降，未提出噪声平均功率波动性思想；
[0005](2)未有效提出对抗噪声平均功率波动性方案；
[0006](3)未提出噪声平均功率的跟踪方法；
[0007](4)未解决由于多径衰落信道和阴影衰落信道导致感知用户接收到的授权用户的SNR变小而加剧生态智能感测难度问题；
[0008](5)湖泊地理特性导致生态智能感测时需要布设高密度传感节点，此高密度传感节点的认知无线传感器网络存在明显的同道干扰，影响感测数据的并发性传输，降低信道利用率，此问题并未得到很好的解决。
[0009]湖泊湿地生态经济区物联网应用示范项目的建设，离不开认知无线传感器网络技术的生态智能监测感知系统。由于湖泊湿地生态区涵盖面积广，湿地区域间生态环境存在一定的差异性，因此，不同区域布设传感节点的密度不同，生态监控系统的有效性将取决于高密度传感节点间信道协作感测性能，高鲁棒的传感节点频谱感测算法将降低传感节点间的同道干扰，增强节点间数据传输的并发性，提高认知无线传感器网络的信道利用率。
[0010]因此，本领域的技术人员致力于开发一种湖泊生态智能感测方法，有效降低湖泊生态监测感知系统中高密度传感节点间的同道干扰、增强传感节点间数据传输的并发性、明显提高认知无线传感器网络的信道利用率、促进湖泊生态环境保护与治理的可控性，
【发明内容】
[0011]有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是提供一种基于卡尔曼滤波的湖泊生态智能感测方法，给出高鲁棒性的噪声跟踪算法和协作频谱感测方法，降低湖泊生态监测感知系统中高密度传感节点间的同道干扰、增强传感节点间数据传输的并发性、明显提高认知无线传感器网络的信道利用率。
[0012]为实现上述目的，本发明提供了一种基于卡尔曼滤波的湖泊生态智能感测方法，包括如下步骤:
[0013]步骤1、定义接收噪声平均功率波动性；
[0014]步骤2、利用ARMA卡尔曼滤波对所述高斯白噪声进行跟踪；
[0015]步骤3、对于高斯白噪声信道，利用动态门限频谱感测方法对生态进行智能感测；
[0016]步骤4、对于多径频选衰落信道，利用卡尔曼滤波方案对衰落信道信息进行跟踪，并通过协作动态门限频谱感测方法对生态进行智能感测；
[0017]步骤5、对于高斯白噪声和平坦衰落信道，利用高阶循环平稳特征感测方法进行感测，利用卡尔曼滤波的协作循环平稳特征感测方法对抗频选衰落信道。
[0018]在本发明的较佳实施方式中，所述步骤3中动态门限频谱感测方法包括如下步骤:
[0019]步骤3-1、寻找短时感测时间周期内初始判决门限；
[0020]步骤3-2、利用ARM卡尔曼滤波器对噪声进行跟踪；
[0021]步骤3-3、接收所述噪声平均功率波动性并设定噪声平均功率波动因子；
[0022]步骤3-4、根据所述噪声平均功率波动因子动态更新判决门限；
[0023]步骤3-5、进行寻找下个短时感测时间周期内判决门限，重复步骤3-2至3_5。
[0024]在本发明的较佳实施方式中，所述步骤4中多径频选衰落信道下协作动态门限频谱感测方法括如下步骤:
[0025]步骤4-1、寻找短时感测时间周期内初始判决结果；
[0026]步骤4-2、利用卡尔曼滤波器对衰落信道信息进行跟踪；
[0027]步骤4-3、构建无线资源数据库；
[0028]步骤4-4、基于所述无线资源数据库的多用户协作动态门限频谱感测方法，进行寻找下个短时感测时间周期内判决结果，重复步骤4-1至4-4。
[0029]在本发明的较佳实施方式中，所述步骤5中协作循环平稳特征感测方法包括如下步骤:
[0030]步骤5-1、构建高阶循环平稳特征感测器；
[0031]步骤5-2、寻找短时感测时间周期内初始判决结果；
[0032]步骤5-3、利用卡尔曼滤波器对衰落信道信息进行跟踪；
[0033]步骤5-4、构建无线资源数据库；
[0034]步骤5-5、基于所述无线资源数据库的多用户协作循环平稳特征感测算法，进行寻找下个短时感测时间周期内判决结果，重复步骤5-1至5-5。
[0035]本发明给出的基于卡尔曼滤波的湖泊生态智能感测方法，针对高斯信道和多径衰落信道环境，采用ARMA模型结合卡尔曼滤波器的噪声跟踪动态门限频谱感测方案、基于卡尔曼滤波与经验知识数据库的多阶循环平稳特征感测器算法及其动态协作循环平稳特征感测方案，给出湖泊区高密度传感节点的多频多跳认知无线传感器网络(CRSN)的智能生态感测方案，实现生态环境指标数据采集实时性和并发性。
[0036]以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。
【专利附图】
【附图说明】
[0037]图1是认知无线传感器网络系统中协作频谱感测原理图；
[0038]图2是本发明的一个较佳实施例的智能感测方法流程框图；
[0039]图3是本发明的一个较佳实施例的动态门限频谱感测方法流程图；
[0040]图4是本发明的一个较佳实施例的协作动态门限频谱感测方法流程图；
[0041]图5是本发明的一个较佳实施例的协作循环平稳特征频谱感测方法流程图。
【具体实施方式】
[0042]现有资料研究的频谱感测方法都是基于噪声平均功率恒定，而实际应用场景是噪声平均功率波动性的，且认知传感节点的感测性能对噪声平均功率波动性比较敏感。关于此方面的研究文献不多。本发明一较佳实施例给出采用的噪声模型，定义噪声平均功率波动性和噪声平均功率波动因子，给出传感节点动态门限频谱感测方法，并分析感测灵敏度、感测性能、噪声平均功率和噪声平均功率波动性之间的数学模型。针对环境噪声随机性的特点，采用ARMA模型结合卡尔曼滤波器对噪声进行跟踪，从理论上给出了噪声可跟踪的动态门限频谱感测方案。根据认知无线传感器网络高密度传感节点特点，同时研究频选衰落信道下多频多跳的协作动态门限频谱感测方案，分析协作动态门限频谱感测算法在认知无线传感器网络频谱感测系统中的可行性。如图2所示，基于卡尔曼滤波的鄱阳湖生态智能感测方法，包括如下步骤:
[0043]步骤1、定义接收噪声平均功率波动性；
[0044]步骤2、利用ARMA卡尔曼滤波对所述噪声进行跟踪；
[0045]步骤3、对于高斯白噪声信道，利用动态门限频谱感测方法对生态进行智能感测；
[0046]步骤4、对于多径频选衰落信道，利用卡尔曼滤波衰落信道信息跟踪方法进行跟踪，并通过协作动态门限频谱感测方法对生态进行智能感测；
[0047]步骤5、对于噪声和平坦衰落，利用高阶循环平稳特征感测方法进行感测，利用卡尔曼滤波的协作循环平稳特征感测方法对抗频选衰落。
[0048]协作循环平稳特征感测方法具有有效对抗噪声和干扰的优点，但对多径衰落信道和阴影衰落信道比较敏感，基于此，构建一阶、二阶、高阶循环平稳特征感测器数学模型，弓丨入协作循环平稳特征频谱感测算法，给出动态门限在多频多跳协作循环频谱感测算法上的应用。建立无线资源知识库，包括感知传感节点位置信息、可接入的频谱信息、频谱分配策略信息、空间接收信号强度信息、功率谱密度数据、阴影区域分布信息、授权用户信号类型等。设计卡尔曼滤波算法跟踪认知网络区域内任意位置的阴影衰落有效数学模型，建立经验数据库，提出基于卡尔曼滤波和经验知识数据库的协作循环平稳特征感测方案。
[0049]动态门限频谱感测方法流程图如图3所示，具体步骤如下:
[0050]步骤3-1、寻找短时感测时间周期内初始判决门限；
[0051]步骤3-2、利用ARM卡尔曼滤波器对噪声进行跟踪；
[0052]步骤3-3、接收噪声平均功率波动性并设定噪声平均功率波动因子；
[0053]步骤3-4、根据噪声平均功率波动因子动态更新判决门限；[0054]步骤3-5、进行寻找下个短时感测时间周期内判决门限，重复步骤3-2至3_5。
[0055]多径频选衰落信道下协作动态门限频谱感测方法流程图如图4所示，具体步骤如下:
[0056]步骤4-1、寻找短时感测时间周期内初始判决结果；
[0057]步骤4-2、利用卡尔曼滤波器对衰落信道信息进行跟踪；
[0058]步骤4-3、构建无线资源数据库；
[0059]步骤4-4、基于无线资源数据库的多用户协作动态门限频谱感测方法，进行寻找下个短时感测时间周期内判决结果,重复步骤4-1至4-4。
[0060]协作循环平稳特征感测方法流程图如图5所示，具体步骤如下；
[0061]步骤5-1、构建高阶循环平稳特征感测器；
[0062]步骤5-2、寻找短时感测时间周期内初始判决结果；
[0063]步骤5-3、利用卡尔曼滤波器对衰落信道信息进行跟踪；
[0064]步骤5-4、构建无线资源数据库；
[0065]步骤5-5、基于无线资源数据库的多用户协作循环平稳特征感测算法，进行寻找下个短时感测时间周期内判决结果，重复步骤5-1至5-5。
[0066]本发明较佳实施例基于卡尔曼滤波的鄱阳湖生态智能感测方法针对高斯信道和多径衰落信道环境，采用ARMA模型结合卡尔曼滤波器的噪声跟踪动态门限频谱感测方案、基于卡尔曼滤波与经验知识数据库的多阶循环平稳特征感测器算法及其动态协作循环平稳特征感测方案，给出鄱阳湖区高密度传感节点的多频多跳认知无线传感器网络(CRSN)的智能生态感测方案，实现生态环境指标数据采集实时性和并发性。
[0067]本发明较佳实施例针对认知传感节点对噪声、干扰、衰落信道敏感的特点，面向能量感测、循环平稳特征感测、协作感测等算法的理论分析、算法设计和实际应用三个层面研究认知无线传感器网络传感节点频谱感测机制，解决高密度传感节点的同道干扰、增强数据传输的并发性、提高信道利用率。根据方案给出的噪声平均功率波动性的定义和理论、循环特征感测器理论、噪声跟踪理论、衰落信道协作感测理论，给出ARMA模型结合卡曼滤波器的噪声跟踪动态门限频谱感测算法、基于卡尔曼滤波与经验知识数据库的多阶循环平稳特征感测算法、动态协作循环平稳特征感测算法，下面给出算法在鄱阳湖生态智能感测系统中的【具体实施方式】。
[0068]以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本【技术领域】中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
【权利要求】
1.基于卡尔曼滤波的湖泊生态智能感测方法，包括如下步骤: 步骤1、定义接收噪声平均功率波动性； 步骤2、利用ARMA卡尔曼滤波对所述高斯白噪声进行跟踪； 步骤3、对于高斯白噪声信道，利用动态门限频谱感测方法对生态进行智能感测； 步骤4、对于多径频选衰落信道，利用卡尔曼滤波方案对衰落信道信息进行跟踪，并通过协作动态门限频谱感测方法对生态进行智能感测； 步骤5、对于高斯白噪声和平坦衰落信道，利用高阶循环平稳特征感测方法进行感测，利用卡尔曼滤波的协作循环平稳特征感测方法对抗频选衰落信道。
2.如权利要求1所述的基于卡尔曼滤波的湖泊生态智能感测方法，其中，所述步骤3中动态门限频谱感测方法包括如下步骤: 步骤3-1、寻找短时感测时间周期内初始判决门限； 步骤3-2、利用ARM卡尔曼滤波器对噪声进行跟踪； 步骤3-3、接收所述噪声平均功率波动性并设定噪声平均功率波动因子； 步骤3-4、根据所述噪声平均功率波动因子动态更新判决门限； 步骤3-5、进行寻找下个短时感测时间周期内判决门限，重复步骤3-2至3-5。
3.如权利要求1所述的基于卡尔曼滤波的湖泊生态智能感测方法，其中，所述步骤4中多径频选衰落信道下协作动态门限频谱感测方法，包括如下步骤: 步骤4-1、寻找短时感测时间周期内初始判决结果； 步骤4-2、利用卡尔曼滤波器对衰落信道信息进行跟踪； 步骤4-3、构建无线资源数据库； 步骤4-4、基于所述无线资源数据库的多用户协作动态门限频谱感测算法，进行寻找下个短时感测时间周期内判决结果,重复步骤4-1至4-4。
4.如权利要求1所述的基于卡尔曼滤波的湖泊生态智能感测方法，其中，所述步骤5中协作循环平稳特征感测方法包括如下步骤: 步骤5-1、构建高阶循环平稳特征感测器； 步骤5-2、寻找短时感测时间周期内初始判决结果； 步骤5-3、利用卡尔曼滤波器对衰落信道信息进行跟踪； 步骤5-4、构建无线资源数据库； 步骤5-5、基于所述无线资源数据库的多用户协作循环平稳特征感测算法，进行寻找下个短时感测时间周期内判决结果，重复步骤5-1至5-5。
【文档编号】H04B17/00GK103607250SQ201310560744
【公开日】2014年2月26日 申请日期:2013年11月13日 优先权日:2013年11月13日
【发明者】虞贵财, 龙承志, 向满天 申请人:南昌大学