[發明專利]一種無線通信空閑頻段混合預測方法和系統

有效

• 申請號: 201711379941.0
• 申請日: 2017-12-20
• 公開（公告）號: CN109951242B
• 公開（公告）日: 2021-11-30
• 發明（設計）人: 黃曉霞;常杰
• 申請（專利權）人: 中國科學院深圳先進技術研究院
• 主分類號: H04B17/391
• 分類號: H04B17/391;H04W24/06
• 代理公司: 深圳市科進知識產權代理事務所(普通合伙) 44316
• 代理人: 趙勍毅

本發明屬于無線通信技術領域，具體涉及一種無線通信空閑頻段混合預測方法，包括步驟：S1、利用自相關函數對頻譜熵數據進行特征分析，獲得嵌入維度；S2、基于ARIMA構造線性序列模型，運行線性序列模型得到線性預測值，根據線性預測值計算得到殘差值；S3、基于SVR方法并根據嵌入維度和殘差值構造非線性序列模型，運行非線性序列模型得到非線性預測值；S4、獲取最終預測值，所述最終預測值為線性預測值和非線性預測值之和；本發明通過采用基于ARIMA構造的線性序列模型和基于SVR方法并根據嵌入維度和殘差值構造的非線性序列模型，將兩種預測方式結合預測相對于單一預測模型，更能準確的捕獲頻譜熵數據模式，實現準確預測。

技術領域

本發明屬于無線通信技術領域，具體涉及一種無線通信空閑頻段混合預測方法和系統。

背景技術

無線通信業務的迅猛發展，使得對頻譜資源的需求日益強烈。然而，現有頻譜采用固定頻譜分配方式，導致頻譜資源分配不平衡、利用率低下。認知無線電作為一種可以有效提高頻譜利用率的技術，近年來受到了廣泛關注。

在認知無線電網絡中，非授權用戶利用授權用戶的空閑頻段進行通信，從而提高頻譜利用率。在實際通信中，空閑頻段是不斷變化的，非授權用戶需要不斷地尋找空閑頻段。若空閑頻段切換過于頻繁，將導致非授權用戶在通信時傳輸時延和數據包丟失較為嚴重，影響通信質量。可見，一個適合非授權用戶通信的頻段不僅需要是空閑的，還需要在較長時間內空閑，即要求頻段的頻譜利用情況較為平穩，不會在空閑和忙碌間急劇變化。因此，采用頻譜熵衡量頻譜利用的平穩程度。

現有技術1：差分自回歸移動平均方法

差分自回歸移動平均(autoregressive integrated moving average model，ARIMA)方法是最常用的線性時間序列預測方法之一，對線性時間序列預測可得到較好的預測效果。ARIMA是將非平穩時間序列轉換為平穩時間序列，然后預測值是關于它的滯后值以及隨機誤差項和滯后值的線性組合，如式(1)所示。

其中，L＝X_t-X_t-1,L表示為滯后算子；α_i、p是自回歸項的系數及個數；θ_j、q是滑動平均誤差項的系數及個數；d是使序列成為平穩序列所做的差分次數，ε_t是白噪聲N(0,σ²)。

現有技術2：支持向量回歸方法

支持向量回歸(support vector regression,SVR)是基于結構風險最小化準則實現，在處理小樣本、非線性、高維數據時，克服了過擬合、易陷入局部最優值等缺陷，是實現非線性時間序列預測最常用的一種預測方法。SVR通過非線性映射函數φ(·)將數據X映射到高維特征空間，使得輸入空間的非線性函數估計問題轉化為高維特征空間的線性函數的估計問題。即：f(x)＝w^Tφ(x)+b，其中b為偏置量，w為權向量。為了估計w、b引入了損失值ε，懲罰參數C，松弛變量ξ和ξ^*，得到優化目標：

這是一個凸二次規劃問題，引入拉格朗日因子α并利用拉格朗日對偶性可較容易求解w、b，則：

其中，K(x_i,x)是核函數。

是高斯核函數，對應的特征空間是無窮維的，有限樣本在該特征空間下可構造線性函數。因此本文選用高斯核。

現有技術3：頻譜熵方法

申請號為201410855545的發明專利《一種頻譜利用率的處理方法及裝置》已經分析了采用頻譜熵衡量頻譜利用平穩程度的方法。