[發明專利]基于模糊支持向量機的合作頻譜感知方法

在審

• 申請號: 201811286532.0
• 申請日: 2018-10-31
• 公開（公告）號: CN109286458A
• 公開（公告）日: 2019-01-29
• 發明（設計）人: 馬永濤;南亞飛
• 申請（專利權）人: 天津大學
• 主分類號: H04B17/382
• 分類號: H04B17/382
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 程毓英

本發明涉及一種基于模糊支持向量機的合作頻譜感知方法，包括下列步驟：各個認知用戶同時對感知信道進行感知，所有的SU傳輸自己感知到的能量值到融合中心FU，FU將各個能量值組合為能量向量，建立能量向量集；使用K?means聚類算法計算訓練能量向量集的兩個數據類別中心點和，分別代表信道內有主用戶和信道內沒有主用戶兩種情況，通過計算訓練數據點與對應類別數據中心點的歐氏距離大小，得到該數據點的隸屬度參數；將訓練能量向量集和與對應隸屬度參數使用支持向量機訓練，得到最優的頻譜感知分類器。

技術領域

本發明屬于合作頻譜感知領域，采用感知用戶分布二維空間的通信模型來訓練分類器，得到最優的頻譜感知分類器。

背景技術

近年來，認知無線電技術由于可以提高頻譜利用率而得到了越來越多的重視。通信設備使用認知無線電技術可以實時感知當前通信環境，智能快速的調整通信參數，并允許次用戶(SecondUser,SU)在主用戶(PrimaryUser，PU)沒有占用該頻段時接入該頻段通信，最大化頻譜資源利用率。頻譜感知準確度對認知無線電系統性能至關重要。

傳統的頻譜感知算法分為獨立式頻譜感知算法和合作式頻譜感知算法。獨立式頻譜感知算法主要有三種：能量法、循環平穩檢測法和匹配濾波器檢測法；合作式頻譜感知算法是在獨立式頻譜感知算法的基礎上，各個SU將感知結果提交到融合中心(FusionCenter,FC)，并由FU通過某種規則計算得到頻譜感知結果。判斷規則主要分為兩類：硬判決和軟判決，硬判決：各個SU設備將感知結果(0或者1)傳輸給FU，由FU做出判斷。也存在一種軟化的硬融合算法，通過向FU傳輸兩位數據(00,01,10,11)，而不是(0,1)來提高頻譜感知準確度。軟判決：各個SU將感知數據傳送到FU，由FU得出頻譜感知結果。當SU和PU存在相對位置關系時，各個SU接受到的信號強度由于位置關系存在較大差異。相對于傳統的合作頻譜感知算法，基于學習的合作頻譜感知算法由于學習特性可以有效的克服上述影響。將支持向量機(SupportVectorMachine，SVM)應用于頻譜感知的主要原因：

[1]SVM和頻譜感知都是將數據分為兩類：SVM是根據數據點與分類面的相對位置將數據分為兩類，合作頻譜感知是將通信頻段分為未被PU占用和已被PU占用兩種情況。

[2]用于SVM訓練和分類的數據向量是合作頻譜感知中各個SU在單位時間內感知到的信號強度組成的能量向量。

[3]在復雜多變的通信環境下，SVM由于良好的學習特性，可以有效提升感知準確度。

發明內容

本發明提供一種基于模糊支持向量機的合作頻譜感知方法，可以有效提升感知準確度。技術方案如下：

一種基于模糊支持向量機的合作頻譜感知方法，包括下列步驟：

(1)各個認知用戶同時對感知信道進行感知，認知無線電網絡中的主用戶PU共享同一頻段通信，有N個次用戶SU，SU均勻分布在二維空間中，M個PU也分布在二維空間中，并按一定概率占用頻段通信，Y_n為第n個SU的信號采樣值，由PU信號采樣和高斯噪聲組成，所有的SU傳輸自己感知到的能量值到融合中心FU，FU將各個能量值組合為能量向量，建立能量向量集：Y＝(Y₁,...,Y_N)^T；

(2)使用K-means聚類算法計算訓練能量向量集的兩個數據類別中心點和分別代表信道內有主用戶和信道內沒有主用戶兩種情況，通過計算訓練數據點與對應類別數據中心點的歐氏距離大小，得到該數據點的隸屬度參數s_l；

(3)將訓練能量向量集和與對應隸屬度參數使用支持向量機訓練，得到最優的頻譜感知分類器f(x)＝ω^Tx+b，x為待判斷類別的能量向量，ω為分類面法向量，b為分類面與遠點距離，ω和b代表分類面的位置，f(x)＞0，頻段可用，反之，頻段不可用；