[發明專利]一種基于人工魚群算法的安全頻譜感知方法

在審

• 申請號: 202210101755.5
• 申請日: 2022-01-27
• 公開（公告）號: CN114510973A
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 王哲男
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/00;H04B17/382
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 禹小明

1.一種基于人工魚群算法的安全頻譜感知方法，其特征在于：其具體步驟為：

S1.獲取歷史感知數據，并進行預處理；

S2.根據預處理后的感知數據，通過對稱的KL散度的數據融合算法獲取信號特征；

S3.根據獲得的信號特征，設計一個直接在統計流形上聚類的新型人工魚群算法，并求得最優的類中心；

S4.根據所獲取的最優的類中心，構建一個用于頻譜感知的分類器；

S5.獲取新的感知數據，經由步驟S1和S2獲取其對應的信號特征并通過所述的分類器進行頻譜感知。

2.根據權利要求1所述的基于人工魚群算法的安全頻譜感知方法，其特征在于：步驟S1中的感知數據來自認知無線電網絡，所述的認知無線電網絡包括一個全連接層，即FC，一個主要用戶，即PU，m個正常的次要用戶，即NSU，每個NSU在一個感知周期的采樣點數為n；第m個NSU的第根天線接收到的感知信號為:其中，H₁即被PU的授權頻譜，H₀即未被PU占用的授權頻譜，l表示第l根天線，其最大天線數為L，n表示第n個采樣點，其最大采樣點數為N，m表示第m個NSU，其最大NSU數為M，y′_m表示第m個NSU的第l根天線感知到的整體數據，x(n)表示PU信號，表示均值為零、方差為的加性高斯白噪聲。

3.根據權利要求2所述的基于人工魚群算法的安全頻譜感知方法，其特征在于：所述的認知無線電網絡還包括R個MSU,每個MSU在一個感知周期的采樣點數為N，第r個MSU的第l根天線接收到的感知信號為：

其中，r＝1，2，...，R。

4.根據權利要求3所述的基于人工魚群算法的安全頻譜感知方法，其特征在于：步驟S1，進行預處理，具體步驟為：

S101.將每個NSU感知到的數據表示為：

S102.計算各個授權頻譜的NSU的協方矩陣：

其中，表示關于的協方差矩陣，表示關于的協方差矩陣；

S103.獲取各個授權頻譜的MSU的協方矩陣：

S104.每個NSU和MSU發送協方差矩陣到FC，發送的協方差矩組合為C。

5.根據權利要求4所述的基于人工魚群算法的安全頻譜感知方法，其特征在于：步驟S2，通過對稱的KL散度的數據融合算法獲取信號特征，具體步驟為：

S201.令表示FC接受到的所有NSU和MSU發送的數據，獲取其sKLD均值的表達

其中Q＝M+R表示次要用戶SU的總數；

S202采用梯度下降法求解并將求得的將作為信號特征。

6.根據權利要求5所述的基于人工魚群算法的安全頻譜感知方法，其特征在于：步驟S202，采用梯度下降法求解，并將求得的將作為信號特征，具體步驟為：

St301.輸入和步長ε：

St302.計算目標函數f(C)的梯度

St303.設n為迭代次數，計算迭代后的sKLD均值

St304.更新迭代次數n＝n+1；

St305.當滿足時算法停止，并輸出否則，回到步驟St303繼續迭代。

7.根據權利要求6所述的基于人工魚群算法的安全頻譜感知方法，其特征在于：步驟S3，設計一個直接在統計流形上聚類的新型人工魚群算法，具體步驟為：

S301.初始化新型人工魚群算法設置；

S302.計算初始魚群各個體的適應值，取最優人工魚狀態及其值賦予給公告牌；

S303.對每個人工魚個體進行評價，對其要執行的行為進行選擇，包括覓食Pray、聚群Swarm、追尾Follow和評價行為bulletin；

S304.執行人工魚的行為，進行更新，并生成新人工魚魚群；

S305.評價所有個體，若某個體優于公告牌，則將公告牌更新為該個體；

S306.當公告牌上最優解達到滿意誤差界內或者達到迭代次數上限時算法結束，否則回到步驟S303。