[發明專利]一種基于超限學習機的頻譜信道聚類方法

在審

• 申請號: 202010111427.4
• 申請日: 2020-02-24
• 公開（公告）號: CN111353530A
• 公開（公告）日: 2020-06-30
• 發明（設計）人: 張可;胡志;汪小芬
• 申請（專利權）人: 電子科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/00
• 代理公司: 成都玖和知識產權代理事務所(普通合伙) 51238
• 代理人: 胡琳梅

本發明公開了一種基于超限學習機的頻譜信道聚類方法，包括采集數據進行預處理，得到原始數據集；基于超限學習機自編碼器獲取原始數據集的高維特征，并進行特征映射；基于主成分分析法對特征映射后的原始數據集進行降維；構建基于超限學習機的初始頻譜信道聚類模型；利用粒子群優化算法優化超限學習機的輸入權重和隱藏層偏置，得到目標頻譜信道聚類模型。本發明與現有技術相比，能有效地挖掘出原始信道數據集高層語義的特征，且算法穩定，聚類速率高，能大大減少聚類的時間和消耗，為頻譜檢測領域快速決策有重要意義。

技術領域

本發明涉及電磁頻譜聚類分析領域，尤其涉及一種基于超限學習機的頻譜信道聚類方法。

背景技術

近年來，隨著無線技術和服務的高速發展，無線頻譜變得越來越擁擠，頻譜資源的也日益短缺，無線電秩序與頻譜安全的隱患越來越嚴重；與此同時，世界范圍內的頻譜測量都揭示了一個事實，即頻譜資源大多未得到充分利用。

認知無線電具有學習能力，作為提高頻譜利用率的一種方式能與周圍環境交互信息，以感知和利用在該空間的可用頻譜，并限制和降低沖突的發生。頻譜聚類是認知無線電必不可少的技術之一。

在現實中，頻譜信道變化快，而現有技術對信道檢測的時間效率不高，因此，需要一種快速地實現信道聚類的方法，以達到快速對區域頻譜信息的了解和掌握。

發明內容

本發明的目的在于提供一種基于超限學習機的頻譜信道聚類方法，旨在解決現有方法信道聚類效率不高，影響使用效能的問題。

為實現上述目的，本發明提供了一種基于超限學習機的頻譜信道聚類方法，包括：

采集數據進行預處理，得到原始數據集；

基于超限學習機自編碼器獲取原始數據集的高維特征，并進行特征映射；

基于主成分分析法對特征映射后的原始數據集進行降維；

構建基于超限學習機的初始頻譜信道聚類模型；

利用粒子群優化算法優化超限學習機的輸入權重和隱藏層偏置，得到目標頻譜信道聚類模型。

其中，所述采集數據進行預處理，得到原始數據集，包括：

將數據處理成信道狀態向量表示原始數據集，其中，所述信道狀態包括信道空閑狀態和信道占用狀態。

其中，所述基于超限學習機自編碼器獲取原始數據集的高維特征，并進行特征映射，包括：

初始化超限學習機自編碼器的參數，計算超限學習機自編碼器中隱藏層到輸出層的連接權重，并進行原始數據集高層語義的特征映射。

其中，所述基于主成分分析法對特征映射后的原始數據集進行降維，包括：

對高層語義采取奇異值分解，并利用奇異值分解得到的變換矩陣求出降維后的數據集表達；

其中，所述構建基于超限學習機的初始頻譜信道聚類模型，包括：

初始化超限學習機參數；

計算超限學習機的隱藏層輸出矩陣；

構建模型的訓練集，確定聚類的個數；

訓練基于超限學習機的聚類模型；

基于聚類模型對信道數據集進行聚類，得到當前的聚類結果；

基于聚類結果，計算類內距離平方和，當類內距離平方和滿足預設的精度，則此次聚類結束；

獲取最終的聚類純度，作為粒子群算法的適應度，得到最終輸入權重和隱藏層偏置。