[發明專利]一種基于K均值算法的頻譜感知方法與裝置

有效

• 申請號: 201710706974.5
• 申請日: 2017-08-17
• 公開（公告）號: CN107395301B
• 公開（公告）日: 2020-09-11
• 發明（設計）人: 張勇威;萬頻;王永華;張順超;肖逸瑞
• 申請（專利權）人: 廣東工業大學
• 主分類號: H04B17/382
• 分類號: H04B17/382
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 羅滿

本發明公開了一種基于K均值算法的頻譜感知方法，獲取訓練信號，計算得到所述訓練信號的MME特征；利用K均值聚類算法與所述MME特征得到分類器；獲取測試信號，計算得到所述測試信號的測試MME特征；利用所述分類器對所述測試MME特征分類得到分類結果，利用所述分類結果計算檢測概率。可見，本發明實施例提供的一種基于K均值算法的頻譜感知方法，計算訓練信號的MME特征，然后利用K均值算法得到分類器，訓練好分類器后再將測試信號的測試MME特征導入分類器進行分類得到分類結果。利用MME特征與K均值算法結合，提高了頻譜感知的檢測性能。本發明還公開了一種基于K均值算法的頻譜感知裝置，同樣可以實現上述技術效果。

技術領域

本發明涉及無線電技術領域，更具體地說，涉及一種基于K均值算法的頻譜感知方法。

背景技術

隨著無線電技術的進步和發展，各行各業對無線電頻率的需求越來越多，頻譜資源匱乏的問題日益嚴重。目前，頻譜資源采用國家統一分配授權的管理模式，將頻譜分為兩種類型：授權頻段和非授權頻段。其中，授權頻段占據著大部分頻譜資源，如電視廣播頻段，但不少授權頻段處于空閑狀態；開放使用的非授權頻段占整個頻譜資源的很少一部分，如無線局域網、無線城域網等無線網絡大多使用非授權頻段在工作，該頻段上的用戶很多，業務量也很大，無線電頻段已基本趨于飽和。所以說，頻譜資源的匱乏并不是真正意義上的頻譜資源不足，更多是由頻譜利用率過低造成的。

想要提高頻譜的利用率，首先要找到準確的頻譜檢測的方法。目前比較經典的頻譜檢測方法有能量檢測算法，但是，在能量檢測算法中由于判決門限比較難確定，在低信噪比環境下容易受到噪聲不確定性影響產生誤判從而導致檢測性能急劇下降，即使是能夠自適應的門限值，檢測器也不能做出正確的判斷，因此頻譜的檢測結果不夠準確。

因此，如何得到準確的頻譜檢測結果，是本領域技術人員需要解決的問題。

發明內容

本發明的目的在于提供一種基于K均值算法的頻譜感知方法，以得到準確的頻譜檢測結果。

為實現上述目的，本發明實施例提供了如下技術方案：

一種基于K均值算法的頻譜感知方法，包括：

獲取訓練信號，計算得到所述訓練信號的MME特征；

利用K均值聚類算法與所述MME特征得到分類器；

獲取測試信號，計算得到所述測試信號的測試MME特征；

利用所述分類器對所述測試MME特征分類得到分類結果，利用所述分類結果計算檢測概率。

其中，所述獲取訓練信號，計算得到所述訓練信號的MME特征，包括：

采集第一信號特征與第二信號特征，所述第一信號特征與所述第二信號特征構成訓練信號；其中所述第一信號特征為主用戶存在時，次用戶采集到的信號特征，所述第二信號特征為所述主用戶不存在時，次用戶采集到的信號特征；

利用所述訓練信號計算得到一個感知時間段內多個次用戶的第一感知矩陣；

將所述第一感知矩陣分為第一預設個數的第二感知矩陣；

計算得到每個第二感知矩陣的MME特征。

其中，利用K均值聚類算法與所述MME特征得到分類器，包括：

S301，在由所述MME特征構成的數據對象集中，隨機確定第二預設個數的MME特征對象作為第二預設個數的類中心點，形成第二預設個數的初始類；其中，每個類中包括類中心點與非類中心點；

S302，計算每個初始類中的非類中心點到每個類中心點的距離，將每個非類中心點分配到距離每個非類中心點最近的類中心點所在的類，形成目標類；