一种认知无线电网络中实时检测多主用户数目的方法技术

本发明专利技术提供一种认知无线电网络中实时检测多主用户数目的方法，能够实时检测出主用户的数目。所述方法包括：对多个次用户接收到的主用户信号进行特征提取，得到两类特征向量；将得到的两类特征向量组成新的特征向量作为支持向量机的训练输入数据，新的特征向量对应的主用户信号个数作为支持向量机的训练输出数据，设置支持向量机的类型以及核函数类型，并通过遗传算法，得到最优的惩罚因子和最优的核函数宽度；将得到的最优的惩罚因子和最优的核函数宽度作为支持向量机的模型参数，生成训练模型；将多个次用户实时接收到的主用户信号输入生成的训练模型，通过所述训练模型实时检测并估计出主用户的数目。本发明专利技术涉及无线通信技术领域。

A method for real time detection of multiple primary users in cognitive radio networks

The invention provides a method for real-time detecting multiple primary users in a cognitive radio network, which can detect the number of primary users in real time. The method includes: the main users of the received signal and a plurality of secondary users for feature extraction, two kinds of feature vectors; two kinds of feature vectors composed of the feature vector as the input data of training support vector machine, the eigenvectors corresponding to the number of primary user's signal output data as the training of support vector the type of support vector machine and set the type of kernel function, and the genetic algorithm, the kernel function width was the optimal penalty factor and kernel function width; the optimal penalty factor and optimal model parameters as the support vector machine, generating training model; multiple secondary users users the input signal to generate real-time received training model, through the real-time detection of the training model and estimate the number of main users. The invention relates to the field of wireless communication technology.

【技术实现步骤摘要】
一种认知无线电网络中实时检测多主用户数目的方法
本专利技术涉及无线通信
，特别是指一种认知无线电网络中实时检测多主用户数目的方法。
技术介绍
近年来，随着全球无线通信技术日新月异地发展，不同功能的新型无线电系统相继问世。加之目前无线通信系统采用的是静态(固定)频谱分配策略，频谱资源也越来越紧缺。认知无线电能够感知外界环境的变化，提高频谱利用率及系统容量，解决频谱短缺的问题。在认知无线电系统中，次用户在不对主用户产生影响的前提下，可以使用主用户的空闲频谱。为了避免对主用户产生影响，需要次用户及时的感知主用户频谱使用的状况。传统的频谱感知仅仅检测出主用户是否存在已经不能满足要求，还需要监测系统中正在工作的主用户的个数。目前常用的信号个数(主用户数目)检测方法有：基于信息论准则(Akaiceinformationcriterion，AIC)和最小描述长度(Minimumdescriptionlength，MDL)以及基于盖氏圆半径(GerschgorindisksEstimator，GDE)准则和基于典型关联分析技术(canonicalcorrelationtechnique，CCT)的检测方法；然而这些方法需在网络中专门设立阵列天线来检测主用户的数目，且能够检测的信号的个数在小范围内，在信号个数多的情况下，检测效果差。
技术实现思路
本专利技术要解决的技术问题是提供一种认知无线电网络中实时检测多主用户数目的方法，以解决现有技术所存在的需在网络中专门设立阵列天线来检测主用户的数目，且检测主用户信号个数有限的问题。为解决上述技术问题，本专利技术实施例提供一种认知无线电网络中实时检测多主用户数目的方法，包括：S1，通过多个次用户接收主用户信号，对接收到的主用户信号进行特征提取，得到两类特征向量：估计协方差矩阵的所有元素之和与估计协方差矩阵的迹的比值、估计协方差矩阵盖氏圆半径的均值；其中，所述估计协方差矩阵是由接收到的主用户信号确定的；S2，将提取得到的两类特征向量组成新的特征向量作为支持向量机的训练输入数据，新的特征向量对应的主用户信号个数作为支持向量机的训练输出数据，设置支持向量机的类型以及核函数类型，并通过遗传算法，得到最优的惩罚因子和最优的核函数宽度；S3，将得到的最优的惩罚因子和最优的核函数宽度作为支持向量机的模型参数，生成训练模型；S4，将多个次用户实时接收到的主用户信号输入生成的所述训练模型，通过所述训练模型实时检测并估计出主用户的数目。进一步地，所述通过多个次用户接收主用户信号，对接收到的主用户信号进行特征提取，得到两类特征向量包括：S11，通过多个次用户接收主用户信号，根据接收到的主用户信号构造接收信号矩阵Z；S12，对接收信号矩阵Z进行协方差矩阵分析，得到接收信号矩阵Z的估计协方差矩阵R；S13，计算估计协方差矩阵R的迹和估计协方差矩阵R的所有元素之和，将估计协方差矩阵R的所有元素之和与估计协方差矩阵R的迹的比值作为次用户接收到的主用户信号的第一类特征向量；S14，计算估计协方差矩阵R盖氏圆半径的均值并将其作为次用户接收到的主用户信号的第二类特征向量。进一步地，所述接收信号矩阵Z表示为：其中，Z是p×(1+j)维的矩阵，p为次用户的个数，i为起始采样点，j为继续采样点的数目，i+j为停止采样点，1+j为每个次用户接收信号的样本总数，zp(n)表示第p个次用户的接收信号的第n个采样点；所述估计协方差矩阵R表示为：其中，H表示矩阵的共轭，ZH表示接收信号矩阵Z的共轭矩阵，j为继续采样点的数目。进一步地，所述计算估计协方差矩阵R盖氏圆半径的均值包括：S141，对估计协方差矩阵R进行分块，得到子矩阵R1；S142，对子矩阵R1进行特征值分解，得到酉矩阵U1；S143，根据得到的酉矩阵U1，构造新的酉矩阵U，并根据构造得到的新的酉矩阵U，对估计协方差矩阵R进行酉变换得到矩阵S；S144，根据矩阵S，得到估计协方差矩阵R的盖氏圆半径，根据得到的估计协方差矩阵R的盖氏圆半径，计算估计协方差矩阵R盖氏圆半径的均值。进一步地，所述对估计协方差矩阵R进行分块，得到子矩阵R1表示为：其中，子矩阵R1为估计协方差矩阵R的子矩阵，子矩阵R1由估计协方差矩阵R的前p－1行和p－1列构成；r为估计协方差矩阵R的第p列的前p－1个元素构成的向量；rH表示r向量的共轭向量；rpp表示估计协方差矩阵R的第p行第p列的元素；p为次用户的个数。进一步地，所述对子矩阵R1进行特征值分解，得到酉矩阵U1表示为:其中，U1表示酉矩阵，U1H表示酉矩阵U1的共轭矩阵，D1表示由子矩阵R1的特征值组成的对角矩阵。进一步地，所述酉矩阵U表示为:所述根据构造得到的新的酉矩阵U，对估计协方差矩阵R进行酉变换得到矩阵S表示为:其中，UH表示酉矩阵U的共轭矩阵，λi表示矩阵S的特征值，ρi表示估计协方差矩阵R的盖氏圆半径，ri＝|ρi|。进一步地，所述估计协方差矩阵R盖氏圆半径的均值表示为：进一步地，所述设置支持向量机的类型以及核函数类型，并通过遗传算法，得到最优的惩罚因子和最优的核函数宽度包括：S21，随机产生包含核函数宽度γ与惩罚因子c的初始种群；S22，将新特征向量一部分作为训练数据，设置支持向量机的类型、核函数类型，并根据随机产生的核函数宽度γ与惩罚因子c，通过支持向量机进行训练；S23，将新特征向量另一部分作为测试数据，通过支持向量机进行预测，得到正确检测率与错误检测率；S24，计算种群中每个个体的适应度其中，yt表示正确检测率，yf表示错误检测率；S25，记录每一代的种群中最优的适应度以及其对应的核函数宽度γ与惩罚因子c；S26，继续产生下一代种群，并通过选择、交叉、变异操作后返回继续执行S24，直到达到设置的最大进化代数停止产生下一代种群，获取最优适应度对应的核函数宽度γ与惩罚因子c分别作为最优的核函数宽度γ与最优的惩罚因子c。进一步地，所述将多个次用户实时接收到的主用户信号输入生成的所述训练模型，通过所述训练模型实时检测并估计出主用户的数目包括：S41，通过多个次用户实时接收主用户信号，对实时接收到的主用户信号进行特征提取，得到两类特征向量，将提取得到的两类特征向量组成新的特征向量；S42，将组成的新特征向量作为输入数据输入生成的所述训练模型，所述训练模型输出的数据即为估计出的主用户的数目。本专利技术的上述技术方案的有益效果如下：上述方案中，通过多个次用户接收主用户信号，对接收到的主用户信号进行特征提取，得到两类特征向量：估计协方差矩阵的所有元素之和与估计协方差矩阵的迹的比值、估计协方差矩阵盖氏圆半径的均值；将提取得到的两类特征向量组成新的特征向量作为支持向量机的训练输入数据，新的特征向量对应的主用户信号个数作为支持向量机的训练输出数据，设置支持向量机的类型以及核函数类型，并通过遗传算法，得到最优的惩罚因子和最优的核函数宽度；将得到的最优的惩罚因子和最优的核函数宽度作为支持向量机的模型参数，生成训练模型；将多个次用户实时接收到的主用户信号输入生成的所述训练模型，通过所述训练模型实时检测并估计出主用户的数目。这样，基于支持向量机和遗传算法生成训练模型，并利用生成的训练模型实时估计出主用户的数目，无需在网络中专门设立阵列天线来检测主用户的数本文档来自技高网...

【技术保护点】
一种认知无线电网络中实时检测多主用户数目的方法，其特征在于，包括：S1，通过多个次用户接收主用户信号，对接收到的主用户信号进行特征提取，得到两类特征向量：估计协方差矩阵的所有元素之和与估计协方差矩阵的迹的比值、估计协方差矩阵盖氏圆半径的均值；其中，所述估计协方差矩阵是由接收到的主用户信号确定的；S2，将提取得到的两类特征向量组成新的特征向量作为支持向量机的训练输入数据，新的特征向量对应的主用户信号个数作为支持向量机的训练输出数据，设置支持向量机的类型以及核函数类型，并通过遗传算法，得到最优的惩罚因子和最优的核函数宽度；S3，将得到的最优的惩罚因子和最优的核函数宽度作为支持向量机的模型参数，生成训练模型；S4，将多个次用户实时接收到的主用户信号输入生成的所述训练模型，通过所述训练模型实时检测并估计出主用户的数目。

【技术特征摘要】
1.一种认知无线电网络中实时检测多主用户数目的方法，其特征在于，包括：S1，通过多个次用户接收主用户信号，对接收到的主用户信号进行特征提取，得到两类特征向量：估计协方差矩阵的所有元素之和与估计协方差矩阵的迹的比值、估计协方差矩阵盖氏圆半径的均值；其中，所述估计协方差矩阵是由接收到的主用户信号确定的；S2，将提取得到的两类特征向量组成新的特征向量作为支持向量机的训练输入数据，新的特征向量对应的主用户信号个数作为支持向量机的训练输出数据，设置支持向量机的类型以及核函数类型，并通过遗传算法，得到最优的惩罚因子和最优的核函数宽度；S3，将得到的最优的惩罚因子和最优的核函数宽度作为支持向量机的模型参数，生成训练模型；S4，将多个次用户实时接收到的主用户信号输入生成的所述训练模型，通过所述训练模型实时检测并估计出主用户的数目。2.根据权利要求1所述的认知无线电网络中实时检测多主用户数目的方法，其特征在于，所述通过多个次用户接收主用户信号，对接收到的主用户信号进行特征提取，得到两类特征向量包括：S11，通过多个次用户接收主用户信号，根据接收到的主用户信号构造接收信号矩阵Z；S12，对接收信号矩阵Z进行协方差矩阵分析，得到接收信号矩阵Z的估计协方差矩阵R；S13，计算估计协方差矩阵R的迹和估计协方差矩阵R的所有元素之和，将估计协方差矩阵R的所有元素之和与估计协方差矩阵R的迹的比值作为次用户接收到的主用户信号的第一类特征向量；S14，计算估计协方差矩阵R盖氏圆半径的均值并将其作为次用户接收到的主用户信号的第二类特征向量。3.根据权利要求2所述的认知无线电网络中实时检测多主用户数目的方法，其特征在于，所述接收信号矩阵Z表示为：其中，Z是p×(1+j)维的矩阵，p为次用户的个数，i为起始采样点，j为继续采样点的数目，i+j为停止采样点，1+j为每个次用户接收信号的样本总数，zp(n)表示第p个次用户的接收信号的第n个采样点；所述估计协方差矩阵R表示为：其中，H表示矩阵的共轭，ZH表示接收信号矩阵Z的共轭矩阵，j为继续采样点的数目。4.根据权利要求2所述的认知无线电网络中实时检测多主用户数目的方法，其特征在于，所述计算估计协方差矩阵R盖氏圆半径的均值包括：S141，对估计协方差矩阵R进行分块，得到子矩阵R1；S142，对子矩阵R1进行特征值分解，得到酉矩阵U1；S143，根据得到的酉矩阵U1，构造新的酉矩阵U，并根据构造得到的新的酉矩阵U，对估计协方差矩阵R进行酉变换得到矩阵S；S144，根据矩阵S，得到估计协方差矩阵R的盖氏圆半径，根据得到的估计协方差矩阵R的盖氏圆半径，计算估计协方差矩阵R盖氏圆半径的均值。5.根据权利要求4所述的认知无线电网络中实时检测多主用户数目的方法，其特征在于，所述对估计协方差矩阵R进行分块，得到子矩阵R1表示为：

【专利技术属性】
技术研发人员：杜利平，韩瑞，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：北京,11