[發明專利]一種基于深度學習的多用戶寬帶通信系統的頻譜感知方法

有效

• 申請號: 202110931594.8
• 申請日: 2021-08-13
• 公開（公告）號: CN113595664B
• 公開（公告）日: 2023-02-03
• 發明（設計）人: 梁應敞;張津滔;何振清
• 申請（專利權）人: 電子科技大學長三角研究院（湖州）;電子科技大學
• 主分類號: H04B17/382
• 分類號: H04B17/382;G06N3/08
• 代理公司: 成都東恒知盛知識產權代理事務所(特殊普通合伙) 51304
• 代理人: 何健雄

本發明公開了一種基于深度學習的多用戶寬帶通信系統的頻譜感知方法，包括以下步驟：(1)由每個子信道的接收信號計算出該子信道的協方差矩陣，將所有子信道的協方差矩陣集合Y與其對應的子信道占用狀況Z作為單個訓練數據構建訓練集；(2)在訓練集Ω上進行訓練，訓練完成后得到訓練好的網絡h_θ；(3)在每個感知時刻t，對寬帶信號的每個子信道分別采樣并計算得到每個子信道上的協方差矩陣；(4)將所有子信道上協方差矩陣作為訓練好的卷積神經網絡的輸入Y_t，得到所有子信道上的檢驗統計量；(5)對每個子信道上的檢驗統計量進行判決得到所有子信道上的占用狀況。本發明的頻譜感知算法受噪聲不穩定性影響較小，且在低信噪比下仍能保持良好的檢測性能。

技術領域

本發明屬于無線通信技術領域，涉及一種基于深度學習的多用戶寬帶通信系統的頻譜感知方法。

背景技術

5G網絡對高速率，大容量的進一步要求導致未來移動通信網絡對頻譜資源的巨大需求。為了更加有效率的利用有限的頻譜資源，人們提出了動態頻譜共享技術，用來進一步提升頻譜利用率。動態頻譜共享技術允許除了該頻段上的授權用戶，即主用戶(PU)，其他未授權的用戶，即次用戶(SU)，也能在不影響主用戶通信質量的前提下接入該頻段。在SU接入頻段之前，需要判斷PU是否在使用該頻段通信，判斷PU在某頻段上是否存在的方法，便是頻譜感知技術。傳統的頻譜感知方法仍存在著需要已知主用戶信息，受噪聲能量波動影響較大，低信噪比下性能不高等問題，同時，深度學習算法在海量數據的分類問題上面有著卓越的效果，將深度學習應用于頻譜感知場景是未來發展的一個重要方向。

發明內容

本發明提供一種基于深度學習的多用戶寬帶通信系統的頻譜感知方法，以解決傳統的頻譜感知方法仍存在著需要已知主用戶信息，受噪聲能量波動影響較大，低信噪比下性能不高等問題。

為了解決以上技術問題，本發明采用如下技術方案：

一種基于深度學習的多用戶寬帶通信系統的頻譜感知方法，包括以下步驟：

(1)從歷史數據庫里獲取單個感知時刻已知子信道占用狀況的寬帶接收信號數據并分別由每個子信道的接收信號計算出該子信道的協方差矩陣，最后將所有子信道的協方差矩陣集合Y與其對應的子信道占用狀況Z作為單個訓練數據構建訓練集Ω＝{(Y¹,Z¹),(Y²,Z²),...,(Y^K,Z^K)}；

(2)構造卷積神經網絡，在訓練集Ω上進行訓練，訓練完成后得到訓練好的網絡h_θ；

(3)在每個感知時刻t，對寬帶信號的每個子信道分別采樣并計算得到每個子信道上的協方差矩陣；

(4)將所有子信道上協方差矩陣作為訓練好的卷積神經網絡的輸入Y_t，得到輸出h_θ(Y_t)＝(h₁,h₂,...,h_I)作為所有子信道上的檢驗統計量；

(5)對每個子信道上的檢驗統計量進行判決來判斷該子信道是否已被主用戶占用，最后得到所有子信道上的占用狀況。

進一步地，步驟(1)中每個子信道i上的接收信號y_i(n)可以用如下模型表示：

其中，H₀表示該子信道沒有PU存在，H₁表示該子信道有PU存在，K為PU個數，或1且表示PUk是否占用子信道i且一個子信道只能被一個PU占用；η為能量泄漏系數，H為多天線系統的信道增益矩陣，分別為第k個PU的發送信號與子信道i上的噪聲，B_P，B_A分別表示被PU占用的子信道與被占用子信道的相鄰信道。