LabVIEW开发带式谱感测技术

如今，通过无线网络传输的数据量正在迅速增加，并导致频谱稀缺。超过数十亿的无线设备将被连接起来，并需要互联网接入。因此，无线电频谱管理方案的效率不足以授予对所有设备的访问权限。在频谱分配中，一些部分被大量使用，一些部分未得到充分利用。为了满足需求，无线通信网络充分利用稀缺的频谱至关重要。频谱传感技术在网络拥塞期间或在常规频段中拒绝任何服务时有效地使用未使用的频谱。然而，下一代通信中无线环境中感兴趣的信号检测需要检测宽带宽，这也会产生大量的无线电频谱数据。另一方面，在无线环境中，有几个障碍会导致信号衰落、多径波动等，这使得接收器上的信噪比实际上非常低。因此，低信噪比下的信号检测和频谱传感方法成为研究界的重要课题。

因此，近年来，将ML算法应用于频谱传感的研究有所增加，这是通过使用历史频谱测量来提高频谱检测精度的可行手段，特别是在信噪比较低的情况下。使用基于SVM的分类器提出了三个特征向量，例如10X平均信号功率、信号的平方平均值和信号平均值的立方根的平均平方根。所有这些工作都使用已提取的生成数据或特征来了解频谱特征。但是，现实世界的WSS包括高度相关的数据以及许多相同的示例。

频谱感知问题被抛为一个两级分类问题：信号和噪声。采用的机器学习方法。数据集模型由连接发射器和接收器之间的射频电缆组成，以模拟加性白高斯信道、无线视距和非视距信道。

测量是使用NI-USRP-2922与具有LabVIEW软件的笔记本电脑连接获得，该软件是一个广泛用于实时测量的灵活编程平台。USRP与全向天线连接，用于捕获更宽的频率带。数据采集通过LabVIEW通过千兆以太线连接进行，在开始样本采集之前，会首先配置USRP设置，例如采样率、载波频率和每次采集的采样数。然后通过无线传输PSK调制信号。然后，接收器USRP配置为获取IQ样本并以技术数据管理系统（TDMS）文件格式存储。

使用空中USRP验证了各种频率范围内的蜂窝GSM数据，具有不同距离的视线和非视距条件，以及具有AWGN信道的各种SNR。利用捕获的数据，对相关性和移动平均线两个统计特征的效率进行了评估，并训练了SVM模型，以对信号和噪声进行分类。相关功能在低SNR下检测90%以上，低于-30dB。在低信噪比场景中，相关特征比移动平均特征效果更好。

这是LabVIEW的一个功能介绍，更多的使用方法与开发案例，欢迎登录官网，了解更多信息。有需要LabVIEW项目合作开发，请与我们联系。