合作式頻譜估測與定位方法及系統COOPERATIVE SPECTRUM SENSING METHOD AND SYSTEM FOR LOCATIONING PRIMARY TRANSMITTERS IN A COGNITIVE RADIO SYSTEM

專利類型

發明

專利國別 (專利申請國家)

美國

專利申請案號

13/311,071

專利證號

US 8,909,242 B2

專利獲證名稱

合作式頻譜估測與定位方法及系統COOPERATIVE SPECTRUM SENSING METHOD AND SYSTEM FOR LOCATIONING PRIMARY TRANSMITTERS IN A COGNITIVE RADIO SYSTEM

專利所屬機關 (申請機關)

國立交通大學

獲證日期

2014/12/09

技術說明

在Bayesian Sparse Learning的想法下，我們建立一合作式頻譜感測演算法能同時估測目標的數量、使用功率以及位置。不同於以往的頻譜估測演算法，我們所提出的演算法能夠藉由稀少的取樣點而回推出原有的功率分佈，而所估測出的全域功率的分佈能使無線資源的管理更加容易，該演算法所需要的取樣數目低於Compressing sensing (CS)所證明的measurement rate下界，並能在模擬中擁有傳統的 CS 和 Bayesian CS 演算法更高的精確度。本頻譜偵測演算法可以實作在一個雲端平台之上，做為一個資料匯流中心，蒐集各分散裝置所傳回的感測資料，並進行目標的數量、功率以及所在位置的估測。在大範圍的尺度下，此資料匯流中心能借由雲端的計算能力而能夠平行處理大量資訊。 Based on the sensing reports collected on the Cognitive Radio Cloud (CRC) from distributed secondary users (SUs), we study and implement a sparse Bayesian learning (SBL) algorithm for cooperative SS in TVWS using Microsoft’s Windows Azure Cloud platform. A database for the estimated locations and spectrum power profiles of the primary users are established on CRC with Microsoft’s SQL Azure. Moreover to enhance the performance of the SBL-based SS on CRC, a hierarchical parallelization method is also implemented with Microsoft’s dotNet 4.0 in a MapReduce-like programming model. Based on our simulation studies, a proper programming model and partitioning of the sensing data play crucial roles to the performance of the SBL-based SS on the Cloud.

備註

本部(收文號1100065219)同意該校110年10月27日陽明交大研產學字第1100036963號函申請終止維護專利(陽明交大)

連絡單位 (專責單位/部門名稱)

智慧財產權中心

連絡電話

03-5738251

網址