[發明專利]一種基于非監督式機器學習分類算法的頻譜感知方法

有效

• 申請號: 202010423014.X
• 申請日: 2020-05-19
• 公開（公告）號: CN111614421B
• 公開（公告）日: 2022-02-11
• 發明（設計）人: 申濱;王欣;顏廷秋
• 申請（專利權）人: 重慶郵電大學
• 主分類號: H04B17/382
• 分類號: H04B17/382;G06N3/08;G06N3/04;G06K9/62
• 代理公司: 北京同恒源知識產權代理有限公司 11275
• 代理人: 楊柳岸

本發明涉及一種基于非監督式機器學習分類算法的頻譜感知方法，屬于無線通信技術領域。該方法將目標網絡內的地理區域劃分為Q相同大小的網格，整個方案實施過程分為四個階段。第一階段為獲得PUT傳輸模式分類器TM1?Classifier；第二階段為獲得網格標簽分類器TM2?Classifier；第三階段是為了獲得當前m時刻的PUT傳輸模式標簽第四階段是獲得網格對應的LFB接入指示標簽本發明基于機器學習中的卷積神經網絡和閾值檢測算法的頻譜感知方案，在PUT位置未知的情況下，靈活分配空?時空閑頻譜資源，增加接入LFB的機會，從而提高了頻譜利用率。

技術領域

本發明屬于無線通信技術領域，涉及一種基于非監督式機器學習分類算法的頻譜感知方法。

背景技術

隨著移動通信的快速發展，用戶業務對于移動網絡的要求將越來越高。為了應對移動數據流量爆炸式增長、海量的設備連接及新的業務和應用場景，第五代移動通信系統(5G)應運而生。與4G相比，5G將支持更多樣化的場景，融入多種無線接入方式，并充分利用從低頻到高頻的頻譜資源，大幅提升頻譜效率、能源效率和成本效率。為了滿足頻譜的巨大需求，除了授權頻段之外，共享使用頻譜的方式將會是一個主要手段。其中，認知無線電(cognitive radio，CR)被認為是共享使用頻譜的關鍵技術。

認知無線電網絡中的次級用戶(secondaryuser，SU)根據實時監測外部環境中的主用戶(primaryuser,PU)對授權頻段(licensedfrequencyband，LFB)的占用情況，以伺機方式接入LFB進行通信。若SU監測到PU未使用LFB，則SU能夠機會性地接入LFB進行通信，否則SU不接入LFB進行通信。CR的核心思想是在SU不對PU造成干擾的情況下，允許SU機會性地接入LFB，提高頻譜利用率。

在CR網絡中，現有的頻譜感知技術的不足和缺陷主要包括：

(1)傳統頻譜感知算法性能有限或需要先驗知識。常用的頻譜感知算法，如能量檢測算法只需要將獲得的接收信號能量值與預先設置的閾值比較，由此判斷PU是否使用LFB。該方案簡單易實現，無需PU信號的先驗知識，但是易受噪聲功率估計不確定度的影響，閾值難以精確確定。協作頻譜感知算法能夠提高頻譜感知準確性及可靠性，但是大多數協作頻譜感知算法的實現往往需要預先具備關于PU信號及無線傳播環境的多種先驗知識，這在現實中有可能難以實現。目前來說，利用機器學習的方法實現頻譜感知是一種受大量數據驅動的、富有前景的解決方案。

(2)傳統的頻譜感知方案忽略了空間上的頻譜接入機會。傳統的頻譜感知只關注時間上的頻譜空洞，忽略了空間維度上的頻譜空洞?？?時二維的頻譜感知認為此用戶不僅擁有時間上的頻譜機會，還可以根據其地理位置進行更加靈活的頻譜接入。對空-時二維頻譜空洞的探索和利用，能夠增加SU對授權頻段的接入機會，進一步提高頻譜的利用率。

綜上所述，針對傳統頻譜感知算法的性能局限或需要先驗知識支撐算法實現以及忽略了空間上的頻譜接入機會等諸多問題，亟需一種新的頻譜感知方法來解決上述問題。

發明內容

有鑒于此，本發明的目的在于提供一種基于非監督式機器學習分類算法的頻譜感知方法，用于靈活分配的空-時頻譜資源，從而提高頻譜利用效率。

為達到上述目的，本發明提供如下技術方案：

一種基于非監督式機器學習分類算法的頻譜感知方法，該方法包括以下步驟：

S1：將網絡覆蓋范圍內的地理區域劃分為Q＝O*P個同等大小的局部區域網格，網格地理位置索引為(o,p)，其中o＝1,2,…,O；p＝1,2,…,P；假設在目標區域中存在N個主用戶發射機PUT，次級用戶SU可能位于目標區域中的任何一個網格中；

S2：將目標地理區域劃分為黑白灰三類不同的區域：