怎么在AWS查看物联网设备的收发数据

AWS IoT 控制台就提供了查看MQTT队列中数据的方式，请参见：

使用 AWS IoT MQTT 客户端查看设备 MQTT 消息

网页链接

认知无线网络的频谱感知技术
认知无线电/认知无线网络起源于Joseph Mitola攻读博士期间的研究工作，在其博士论文中，Mitola将认知无线电定义为“the integration of model-based reasoning with software radio technologies”，认为认知无线电是智能计算和无线通信这两个学科交叉融合的产物[1] 。随后，美国的FCC和DARPA分别启动了多项计划，对认知无线电和动态频谱接入问题进行深入研究；欧盟的端到端重配置计划(E2R: End to End Reconfigurability Project)也启动了对认知概念在技术和经济领域等各方面问题的研究。Simon Hakin在2005年发表了关于认知无线电的著名文章“Cognitive radio: brain-empowered wireless communications”[2] ，主要从信号处理和自适应过程的角度对认知无线电技术的框架结构进行了较为完善的分析。此后，许多有名的大学和研究机构也展开了相关技术的研究和实验平台的开发，认知无线电的概念也被扩展为认知无线网络，指利用认知原理来提高各种资源（频谱、功率等）使用效率的无线网络[3] 。在频谱管理部门的带动下，一些标准化组织也先后开展了一系列标准制定工作以推动该技术的发展。目前涉及认知无线电/认知无线网络标准制订的组织和行业联盟主要是美国电气电子工程师学会（IEEE）、国际电信联盟（ITU）和软件无线电论坛(SDR Forum)等。
认知无线网络中，主（授权）用户指那些对某段频谱的使用具有高优先级或合法授权的用户，次级用户是指那些低优先级的用户。次级用户对频谱的使用不得对主用户造成干扰，因此要求其能快速、可靠地感知主用户使用授权频谱的情况。次级用户必须具备认知能力，因而称其为认知用户，在网络结构中则表示为认知节点。认知用户的频谱感知主要包括在某个频段上检测主用户存在与否（主用户信号检测）和估计认知用户对主用户接收机可能造成的附加干扰（干扰温度估计）两个任务[4] 。更进一步的可能要求是频谱感知还应区分主用户信号的种类（空中接口分类）[5] 。目前大部分频谱感知的研究都集中在最重要的主用户信号检测上。
1 频谱感知的基本方法
主用户信号检测的单节点频谱感知基本方法通常分为三类：
第一类为相干检测。如果知道主用户信号的结构特征（如导频、前导或同步消息等），匹配滤波器加门限检测的方法是最优的主用户信号检测方法。相干检测可获得精确的频谱感知结果，但其缺点也很明显，必须知道主用户信号的先验知识，而且当认知无线网络运行在很宽的频段上时，实现许多类型的授权信号的相干检测成本太高，几乎不可实现。
第二类为能量检测。在感兴趣频段上测量某段观测时间内接收信号的总能量，如果能量低于某个设定门限则声明该频段为白空间。与相干检测相比，能量检测需要更长的感知时间以达到同样的感知效果，但低成本、易实现的特性使其受到认知无线网络中频谱感知技术的青睐。
以上基于信号检测技术的两种频谱感知方法，有很好的理论基础[6] ，性能分析已比较完善。
第三类为特征检测[7] 。能量检测的最大缺点是它不能区分接收到的能量是来自主用户信号还是噪声，在低信噪比环境中的频谱感知结果尤其不可靠。在主用户信号的载波频率、调制类型或循环前缀等某些特征已知时，利用信号的期望和自相关函数呈现出来的周期性（循环平稳谱相关特性），可将信号能量与噪声能量区分开来，突破能量检测的瓶颈。文献[8] 还分析实际情况下有限的数据长度对循环谱特征检测的影响。实现复杂度远高于能量检测是制约特征检测在频谱感知中应用的最主要缺点。
此外，2003年底FCC频谱政策工作组提出了干扰温度模型[9] ，意在对无线环境中的干扰源进行量化和管理。干扰温度限提供了特定地理位置在某一感兴趣频段上接收机能够顺利工作的最差环境的特征描述。根据干扰温度模型，认知用户若能确定其对主用户接收机造成的附加干扰量并加以限制，使主用户接收机所受的总干扰（含噪声）不超过干扰温度限，则认知用户可与主用户运行在同一频段上。可以看出，基于主用户信号检测的频谱感知意在避开主用户，而基于干扰温度模型的频谱感知则试图与主用户同时并存于同一个频段，这是两者最大的区别。文献[10] 定义了已知和未知主用户信号参数时干扰温度的理想模型和一般模型，并从通信容量的角度分析了如何来最优地选择认知系统的工作带宽和发送功率。但干扰温度模型存在两个需要解决的难题：其一为在主用户发送信号存在的情况下如何测定其接收机的噪声水平，其二为在主用户接收机位置未知的情况下如何估计认知用户对它可能产生的干扰。降低问题难度的一种可能办法是让主用户系统来辅助认知系统的频谱感知，如文献[11] 中要求主用户接收机在工作过程中持续发送指示信号。另一个需要考虑到的是，认知用户和主用户共存于同一个频段时，认知系统的通信过程中也会受到授权系统的干扰，所以认知系统能获得的通信容量可能非常有限[10] 。
2 协同频谱感知
认知无线网络可通过对多节点感知信息的协同处理来提高频谱感知的效果，这被称为协同（协作、合作）频谱感知。频谱感知性能主要由感知范围、检测时间、检测概率、虚警概率等几个相互关联的指标来衡量，协同频谱感知可利用空间分集增益改善上述指标，解决单节点感知中难以克服的多径深衰落、阴影衰落和隐终端等难题[4] ，同时也可减轻对单个节点感知灵敏度的要求，降低实现成本[12] 。
实现协同频谱感知的方式有两种，即中心式和分布式。
中心式感知：中心单元收集各认知节点的感知信息，负责识别可用频谱，并将频谱可用信息广播给各认知节点或直接控制认知节点的通信参数。文献[13] 中以AP为中心收集、处理各感知节点的硬判决（二进制）结果，通过克服信道衰落效应来提高感知性能，其检测概率和虚警概率的计算在文献[14] 中给出。文献[15] 以主节点（master node）为中心节点合并各感知结果来检测TV信道。文献[16] 则由融合中心（fusion center）根据各认知节点能量检测的结果最终判断主用户在某个频段上的存在与否。
分布式感知：认知节点彼此之间共享感知信息，但独立判断各自的可用频谱。与中心式感知相比，分布式感知的优点是不需要基础结构网络，部署更灵活些。文献[17] 显示一个用户作为另一个用户中继的两用户协同频谱感知可带来35%的捷变增益（所需感知时间减少35%）。文献[18] 进一步将这种分布式感知协议推广到多用户环境中。
无论中心式还是分布式感知，就协同频谱感知的研究内容而言，主要包含以下两个方面：
1）认知节点感知信息的合并处理，即考虑信息融合（fusion）问题。
2）感知信息传递过程的合作，即考虑中继传输问题。

---