【技术实现步骤摘要】
本专利技术属于涉及认知无线电频谱预测领域,具体是ISM频段中基于时频二维LMBP神经网络的频谱预测方法。
技术介绍
物联网产业的快速发展导致工作在ISM(2.4GHz)频段的物联网设备日渐增加,该频段的同频干扰问题日趋严重,考虑到ISM频段为非授权频段,小功率网络(例如ZigBee)极易被类似WLAN这类强功率设备的干扰所湮没,造成节点间的数据丢帧,甚至整个网络的瘫痪。通过频谱预测算法来预先获知频段的占用信息是解决ISM频段设备间兼容共存问题的一种有效途径。自Kumar Acharya PA,Singh S,Zheng H的文献“Reliable Open Spectrum Communications through Proactive Spectrum”(PROCEEDINGS OF FIRST INTERNATIONAL WORKSHOP ON TECHNOLOGY AND POLICY FOR ACCESSING SPECTRUM,AUGUST,2006)首次提出将预测机制应用到推演时域频谱空穴的出现时刻和持续时间后,各类预测算法现已在频谱预测中得到广泛的应用。现有技术中公开了Sixing Yin,Dawei Chen,Qian Zhang,Mingyan Liu和Shufang Li的文献“Mining spectrum usage data:a large-scale spectrum measurement study”(IEEE TRANSACTIONS ON MOBILE COMPUTING,VOL.11,NO.6,JUNE 2012) ...
【技术保护点】
一种ISM频段中基于时频二维LMBP神经网络的频谱预测方法,其特征在于,包括步骤:步骤1:收集ISM频段实测数据,计算ISM频段时域和频域间的时频相关性;步骤2:基于ISM频段的时频相关性,构建二维预测矩阵,在第一层网络中以并行的方式实现时域和频域的共同训练,得到第一层网络的输出向量Y1t,Y2t,将第一层网络的输出向量Y1t,Y2t作为第二层网络的输入向量,得到最终的预测值Yt,即构建时频二维LMBP神经网络实现ISM频段的频谱预测;步骤3:利用步骤1中得到的ISM频段的实测数据作为训练序列,通过调整公式,以误差函数为条件,完成时频二维LMBP神经网络的迭代训练,得到参数向量u的最优解,以此得到神经网络的权值向量w和阈值向量b;步骤4:构建时域和频域输入向量矩阵Xt,Xf:将Xt,Xf通过步骤2构建的时频二维LMBP神经网络,得到输出向量Y=[Y1,Y2,Y3,...,Ym]T,Ym即为CSI(tm,cm)的预测值,完成频谱预测。
【技术特征摘要】
1.一种ISM频段中基于时频二维LMBP神经网络的频谱预测方法,其特征在于,包括步骤:步骤1:收集ISM频段实测数据,计算ISM频段时域和频域间的时频相关性;步骤2:基于ISM频段的时频相关性,构建二维预测矩阵,在第一层网络中以并行的方式实现时域和频域的共同训练,得到第一层网络的输出向量Y1t,Y2t,将第一层网络的输出向量Y1t,Y2t作为第二层网络的输入向量,得到最终的预测值Yt,即构建时频二维LMBP神经网络实现ISM频段的频谱预测;步骤3:利用步骤1中得到的ISM频段的实测数据作为训练序列,通过调整公式,以误差函数为条件,完成时频二维LMBP神经网络的迭代训练,得到参数向量u的最优解,以此得到神经网络的权值向量w和阈值向量b;步骤4:构建时域和频域输入向量矩阵Xt,Xf:将Xt,Xf通过步骤2构建的时频二维LMBP神经网络,得到输出向量Y=[Y1,Y2,Y3,...,Ym]T,Ym即为CSI(tm,cm)的预测值,完成频谱预测。2.根据权利要求1所述的ISM频段中基于时频二维LMBP神经网络的频谱预测方法,其特征在于,所述步骤1和步骤2的时域X1=[CSI(t-1,c),CSI(t-2,c),...,CSI(t-Δt,c)]T和频域X2=[CSI(t,c±1),CSI(t,c±2),...,CSI(t,c±Δf)]T,所示CSI(t-Δt,c)表示时刻(t-Δt)信道c的信道状态信息,CSI(t,c±Δf)表示时刻t信道(c±Δf)的信道状态信息。3.根据权利要求1或2所述的ISM频段中基于时频二维LMBP神经网络的频谱预测方法,其特征在于,所述步骤3的调整公式为:调整公式uk+1表示下一步迭代得到的参数向量,uk表示当前迭代的参数向量,J(uk)表示e(uk)的Jacobian矩阵,表示微增量单位矩阵,e(uk)表示误差向量,调整公式以误差函数F(u)≤ε为条件,ε表示预设的目标误差。4.根据权利要求3所述的ISM频段中基于时频二维LMBP神经网络的频谱预测方法,其特征在于,在步骤1中,在收集ISM频段频谱实测数据后,该频段时域的相关性R(Δt),频域的相关性R(Δf)的计算如下:其中,CSI(t,c)的量化公式为:R(t,c)和CSI(t,c)分别表示时刻t下信道c的实测功率值和信道状态信息;两个0-1序列的相关度定义如下:该式常用于评估两个二进制序列的相关性,其中I(A)为判别函数,如A值为真,则I(A)=1,否则I(A)=0,由R(Δt),R(Δf)的相关性曲线得到ISM频段邻近时隙和邻近频点间的相关性。5.根据权利要求4所述的ISM频段中基于时频二维LMBP神经网络的频谱预测方法,其特征在于,在步骤2中,将频域预测点加入神经网络输入向量中,构建二维预测矩阵,在第一层网络中以并行的方式实现时域X1=[CSI(t-1,c),CSI(t-2,c),...,CSI(t-Δt,c)]T和频域X2=[CSI(t,c±1),CSI(t,c±2),...,CSI(t,c±Δf)]T的共同训练,得到输出向量Y1t,Y2t,将Y1t,...
【专利技术属性】
技术研发人员:胡盼,万晓榆,王正强,樊自甫,
申请(专利权)人:重庆邮电大学,
类型:发明
国别省市:重庆;50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。