训练频谱感知模型的方法及系统、频谱感知方法及系统技术方案

本发明专利技术公开一种训练频谱感知模型的方法及系统、频谱感知方法及系统，其中频谱感知方法包括：实时采集待检测的无线电信号；获取待检测的无线电信号的频谱采样协方差矩阵；将待检测的无线电信号的频谱采样协方差矩阵转为待检测的无线电信号的灰度图信息；根据待检测的无线电信号的灰度图信息，确定待检测的无线电信号所对应的频谱感知结果。本发明专利技术利用卷积神经网络模型对接收无线电信号的采样协方差矩阵提取特征，避免了能量检测法在低信噪比下检测性能恶化和循环平稳特征检测法需要信号的先验信息，利用卷积神经网络来学习协方差矩阵自身的特征，避免了提取特征时矩阵运算的复杂和阈值估计时的误差，最终达到实时检测的要求和真正意义上的盲检测。

Method and System of Training Spectrum Sensing Model, Spectrum Sensing Method and System

【技术实现步骤摘要】
训练频谱感知模型的方法及系统、频谱感知方法及系统
本专利技术涉及频谱感知领域，具体涉及一种训练频谱感知模型的方法及系统、频谱感知方法及系统。
技术介绍
随着移动无线通信技术的发展，频谱资源越发的紧缺，有很多授权频段处于空闲的状态但却不允许其他信号传输，造成了频谱资源的极大浪费，因此认知无线电(CognitiveRadio，CR)的概念被提出，即一种智能的频谱共享技术，可以实时得感知到“频谱空穴”，即分配给授权用户但未使用的空闲频段，在不干扰主用户传输的前提下，进行频谱的高效利用，因此频谱感知技术应用而生。频谱感知技术作为认知无线电的核心技术，现主要分为单用户感知和协作用户感知。在单用户感知中主要有匹配滤波器检测、能量检测、循环平稳检测和协方差矩阵检测。匹配滤波器检测需要信号的全部先验信息，因此实际中一般无法实现。能量检测实现简单且不需要信号的先验信息，但容易受到噪声不确定度的影响，低信噪比环境下性能恶化严重。循环平稳检测不易受噪声不确定度的影响且只需要信号一定的先验信息，但其循环谱计算复杂，不符合实时检测的要求。协方差矩阵不需要信号的先验信息，计算复杂度较低，因此现在大量研究基于信号采样协方差矩阵频谱的检测方法，但在提取特征值和估计阈值时存在误差。由于在实际中，人们无法预先知道授权信号、信道特性、噪声功率等这些先验信息，因此盲检测的方法越来越受到人们的青睐。由于能量检测法在低信噪比环境下的性能恶化，基于接收信号协方差矩阵的频谱检测方案越来越多，其中有基于最大最小特征值之比(Maximum-MinimumEigenvlaue，MME)、基于协方差矩阵绝对值(CovarianceAbosute，CAV)、基于协方差矩阵Cholesky分解(CovarianceCholeskyFactorization，CCF)，但这些方法均存在矩阵计算复杂和阈值估计误差的缺陷。
技术实现思路
因此，本专利技术提供一种训练频谱感知模型的方法及系统、频谱感知方法及系统，克服了现有技术中的频谱感知方法均存在矩阵计算复杂和阈值估计误差的缺陷。第一方面，本专利技术实施例提供一种训练频谱感知模型的方法，包括如下步骤：获取作为训练集的无线电信号的频谱采样协方差矩阵；将所述频谱采样协方差矩阵转化为无线电信号的灰度图信息；将所述灰度图信息作为特征数据对卷积神经网络模型训练，得到频谱感知模型。在一可选的实施例中，所述无线电信号包括：频谱处于空闲状态的无线电信号及频谱处于占用状态的无线电信号。在一可选的实施例中，所述将所述频谱采样协方差矩阵转化为无线电信号的灰度图信息的步骤，包括：将所述频谱采样协方差矩阵进行归一化处理后，转化为无线电信号的灰度图信息。在一可选的实施例中，所述将所述灰度图信息作为特征数据，对卷积神经网络模型训练得到频谱感知模型的步骤，包括：将第一预设数量无线电信号的灰度图信息作为训练样本，输入到卷积神经网络模型进行训练，得到第一训练感知模型；将第二预设数量无线电信号的灰度图信息作为测试数据，输入到所述第一训练感知模型，得到频谱感知结果；判断所述频谱感知结果的准确率是否大于或等于预设阈值；当所述频谱感知结果的准确率大于或等于预设阈值时，将所述第一训练感知模型确定为所述频谱感知模型。在一可选的实施例中，当所述频谱感知结果的准确率小于预设阈值时，调整所述第一训练感知模型的关键参数，返回将第一预设数量无线电信号的灰度图信息作为训练样本，输入到卷积神经网络模型进行训练，得到第一训练感知模型的步骤。第二方面，本专利技术提供一种频谱感知方法，包括如下步骤：实时采集待检测的无线电信号；获取所述待检测的无线电信号的频谱采样协方差矩阵；将所述待检测的无线电信号的频谱采样协方差矩阵转为待检测的无线电信号的灰度图信息；根据所述待检测的无线电信号的灰度图信息，确定所述待检测的无线电信号所对应的频谱感知结果。在一可选的实施例中，所述根据所述待检测的无线电信号的灰度图信息，确定所述待检测的无线电信号所对应的频谱感知结果的步骤，包括：将待检测的无线电信号的灰度图信息，输入到本专利技术实施例第一方面所述的训练频谱感知模型的方法得到的频谱感知模型中，得到所述频谱感知结果。在一可选的实施例中，所述将所述待检测的无线电信号的频谱采样协方差矩阵转为待检测的无线电信号的灰度图信息的步骤，包括：将所述待检测的无线电信号的频谱采样协方差矩阵进行归一化处理后，转为待检测的无线电信号的灰度图信息。第三方面，本专利技术提供一种训练频谱感知模型的系统，包括：频谱采样协方差矩阵获取模块，用于获取作为训练集的无线电信号的频谱采样协方差矩阵；灰度图信息获取模块，用于将所述频谱采样协方差矩阵转化为无线电信号的灰度图信息；频谱感知模型获取模块，用于将所述灰度图信息作为特征数据对卷积神经网络模型训练，得到频谱感知模型。第四方面，本专利技术提供一种频谱感知系统，包括如下步骤：待检测的无线电信号获取模块，用于实时采集待检测的无线电信号；待检测频谱采样协方差矩阵获取模块，用于获取所述待检测的无线电信号的频谱采样协方差矩阵；待检测灰度图信息获取模块，用于将所述待检测的无线电信号的频谱采样协方差矩阵转为待检测的无线电信号的灰度图信息；频谱感知结果确定模块，用于根据所述待检测的无线电信号的灰度图信息，确定所述待检测的无线电信号所对应的频谱感知结果。第五方面，本专利技术提供一种计算机设备，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行第一方面所述训练频谱感知模型的方法或第二方面所述的频谱感知方法。第六方面，本专利技术提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行执行第一方面所述训练频谱感知模型的方法或第二方面所述的频谱感知方法。本专利技术技术方案，具有如下优点：本专利技术提供的一种训练频谱感知模型的方法及系统、频谱感知方法及系统，其中频谱感知方法包括：实时采集待检测的无线电信号；获取待检测的无线电信号的频谱采样协方差矩阵；将待检测的无线电信号的频谱采样协方差矩阵转为待检测的无线电信号的灰度图信息；根据待检测的无线电信号的灰度图信息，确定待检测的无线电信号所对应的频谱感知结果。本专利技术利用卷积神经网络模型对接收无线电信号的采样协方差矩阵提取特征，避免了能量检测法在低信噪比下检测性能恶化和循环平稳特征检测法需要信号的先验信息，利用卷积神经网络来学习协方差矩阵自身的特征，避免了提取特征时矩阵运算的复杂和阈值估计时的误差，最终达到实时检测的要求和真正意义上的盲检测。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的训练频谱感知模型的方法的一个具体示例的流程图；图2为本专利技术实施例提供的训练频谱感知模型的方法的另一个具体示例的流程图；图3为本专利技术实施例提供的频谱感知方法的一个具体示例的流程图；图4为本专利技术实施例提供的训练频谱本文档来自技高网...

【技术保护点】
1.一种训练频谱感知模型的方法，其特征在于，包括如下步骤：获取作为训练集的无线电信号的频谱采样协方差矩阵；将所述频谱采样协方差矩阵转化为无线电信号的灰度图信息；将所述灰度图信息作为特征数据对卷积神经网络模型训练，得到频谱感知模型。

【技术特征摘要】
1.一种训练频谱感知模型的方法，其特征在于，包括如下步骤：获取作为训练集的无线电信号的频谱采样协方差矩阵；将所述频谱采样协方差矩阵转化为无线电信号的灰度图信息；将所述灰度图信息作为特征数据对卷积神经网络模型训练，得到频谱感知模型。2.根据权利要求1所述的训练频谱感知模型的方法，其特征在于，所述无线电信号包括：频谱处于空闲状态的无线电信号及频谱处于占用状态的无线电信号。3.根据权利要求1或2所述的训练频谱感知模型的方法，其特征在于，所述将所述频谱采样协方差矩阵转化为无线电信号的灰度图信息的步骤，包括：将所述频谱采样协方差矩阵进行归一化处理后，转化为无线电信号的灰度图信息。4.根据权利要求3所述的训练频谱感知模型的方法，其特征在于，所述将所述灰度图信息作为特征数据，对卷积神经网络模型训练得到频谱感知模型的步骤，包括：将第一预设数量无线电信号的灰度图信息作为训练样本，输入到卷积神经网络模型进行训练，得到第一训练感知模型；将第二预设数量无线电信号的灰度图信息作为测试数据，输入到所述第一训练感知模型，得到频谱感知结果；判断所述频谱感知结果的准确率是否大于或等于预设阈值；当所述频谱感知结果的准确率大于或等于预设阈值时，将所述第一训练感知模型确定为所述频谱感知模型。5.根据权利要求4所述的训练频谱感知模型的方法，其特征在于，当所述频谱感知结果的准确率小于预设阈值时，调整所述第一训练感知模型的关键参数，返回将第一预设数量无线电信号的灰度图信息作为训练样本，输入到卷积神经网络模型进行训练，得到第一训练感知模型的步骤。6.一种频谱感知方法，其特征在于，包括如下步骤：实时采集待检测的无线电信号；获取所述待检测的无线电信号的频谱采样协方差矩阵；将所述待检测的无线电信号的频谱采样协方差矩阵转为待检测的无线电信号的灰度图信息；根据所述待检测的无线电信号的灰度图信息，确定所述待检测的无线电信号所对应的频谱感知结果。7.根据权利要求6所述的频谱感知方法，其特征在于，所述根据所述待检测的无...

【专利技术属性】
技术研发人员：张东磊，安春燕，李建岐，陆阳，院成龙，方景辉，邵炜平，郑伟军，唐锦江，
申请(专利权)人：全球能源互联网研究院有限公司，国网浙江省电力有限公司嘉兴供电公司，国网浙江省电力有限公司，国家电网有限公司，
类型：发明
国别省市：北京,11