基于集成学习的全双工认知无线电网络合作频谱感知方法技术

本发明专利技术公开了一种基于集成学习的全双工认知无线电网络合作频谱感知方法，其特征是，包括如下步骤：步骤1：根据次用户的泊松点过程的分布，随机产生区域内各次用户的位置；步骤2：根据全双工认知无线电网络中合作频谱感知的工作特点，构建系统架构；步骤3：基于全双工模式下出现的自干扰和多信号源问题，建立与网络模型相适配的次用户能量检测模型；步骤4：分析训练集中能量级向量的统计属性；步骤5：选择单层决策树为弱分类器，通过计算每个训练数据权值系数和每个弱分类器系数建立强分类器。本发明专利技术所达到的有益效果：提升了系统的合作频谱感知性能，也增加了无线频谱资源的利用率，提高了认知无线电网络的吞吐量。

Cooperative spectrum sensing method for full duplex cognitive radio networks based on Ensemble Learning

The invention discloses a full duplex cognitive radio network cooperative spectrum sensing method based on integrated learning, which includes the following steps: Step 1: according to the distribution of the Poisson point process of the sub user, the location of each user in the region is randomly generated; step 2: according to the cooperative spectrum in the full duplex cognitive radio network Perceived work characteristics and construction of the system architecture; step 3: Based on the self interference and multi signal source problem in the full duplex mode, a sub user energy detection model suitable for the network model is established. Step 4: analyze the statistical properties of the training centralized energy level vector; step 5: select a single layer decision tree as a weak classifier, through The weights of each training data and the coefficients of each weak classifier are calculated, and a strong classifier is established. The beneficial effect of the invention has been achieved: the cooperative spectrum sensing performance of the system is improved, the utilization rate of the wireless spectrum resource is increased, and the throughput of the cognitive radio network is improved.

【技术实现步骤摘要】
基于集成学习的全双工认知无线电网络合作频谱感知方法
本专利技术涉及一种基于集成学习的全双工认知无线电网络合作频谱感知方法，属于无线电网络

技术介绍
随着无线通信技术的飞速发展和无线通信系统的广泛应用，频谱需求与资源匮乏之间的矛盾已成为制约移动互联网、物联网、D2D通信、M2M通信等新兴无线通信业态发展的瓶颈之一。无线通信业务的发展越来越趋向多元化，用户对通信的要求也越来越高，导致频谱资源匿乏的问题日趋严重。面对如此严峻的挑战，无非有两种现有的应对措施，一方面，业界将目光瞄准毫米波、可见光频段，试图寻找更多的无线频谱资源，但受传播特性限制，高频段无线电波很难满足宽覆盖要求；另一方面，致力于提高对现有无线频谱资源的利用率。认知无线电技术(CognitiveRadio,CR)作为能有效缓解频谱资源紧张现状的重要技术，成为近年来学术界和工业界共同的研究热点。例如由电气和电子工程师协会(InstituteofElectricalandElectronicsEngineers,IEEE)制定的称之为“WRAN”的802.22协议、美国国防高级研究计划局(DefenseAdvancedResearchProjectsAgency,DARPA)提出的NeXtGeneration项目以及微软和谷歌共同承接的WhiteSpaceCoalition(WSC)项目。而合作频谱感知(CooperativeSpectrumSensing,CSS)作为认知无线电中最核心的技术之一，通过次用户之间的协作实现对授权频谱的感知，能有效提高频谱利用率。全双工(Full-Duplex,FD)通信的引入使得认知无线电网络中的各次用户在相同区域实现同时同频的频谱感知和数据传输，在利用主用户授权频段发送数据的同时也能感知主用户的活跃状态，以便当主用户重新占用信道时次用户及时退出主用户的工作信道，大大降低了对主用户造成的干扰，理论上可成倍提高频谱利用率。合作频谱感知性能很大程度上决定了整个次级网络的吞吐量和频谱资源的利用率。一方面，合作频谱感知的性能反应了次用户发现空闲频谱的能力，性能越高，则其接入空闲频谱的机会就越大；另一方面，合作频谱感知的性能反应了次用户对主用户的保护能力，感知性能越好说明其能很好的解决多径衰落和隐终端问题，从而能够避免造成对主用户的干扰。合作频谱感知可以以集中式或者分布式的合作方式来实现。在集中式实现方式中，认知无线电网络中的融合中心或者基站负责搜集来自所有次用户的感知数据，进而执行合作频谱感知过程；而在分布式实现方式中，次用户之间需要进行信息交互来完成频谱感知。现有的频谱感知技术可分为三类：主用户发射机检测，主用户接收机检测以及干扰温度检测。由于主用户接收机检测和干扰温度检测的实现复杂度较高，所以到目前为止大多数与频谱感知相关的研究工作集中在对主用户发射机进行检测上。现有的基于主用户发射机检测的频谱感知技术主要包括基于能量检测的感知，基于波形的感知，基于循环平稳的感知，基于无线信号标识的感知，基于匹配滤波的感知等等。其中，基于能量检测的频谱感知算法不需要预先知道主用户信号的特征(如信号调制方式、导引信号等)，而且计算复杂度很低，易于实现，因此吸引了大量研究者的目光，成为目前相关研究成果最多的频谱感知技术。
技术实现思路
为解决现有技术的不足，本专利技术的目的在于提供一种基于集成学习的全双工认知无线电网络合作频谱感知方法，提升了系统的合作频谱感知性能，也增加了无线频谱资源的利用率，提高了认知无线电网络的吞吐量。为了实现上述目标，本专利技术采用如下的技术方案：一种基于集成学习的全双工认知无线电网络合作频谱感知方法，其特征是，所述全双工认知无线电网络指次用户具备同时进行频谱感知和数据传输的工作模式；所述合作频谱感知指网络中所有的次用户将本地的感知数据传输给数据融合中心统一做决策；包括如下步骤：步骤1：根据次用户的泊松点过程的分布，随机产生区域内各次用户的位置；步骤2：根据全双工认知无线电网络中合作频谱感知的工作特点，构建系统架构；步骤3：基于全双工模式下出现的自干扰和多信号源问题，建立与网络模型相适配的次用户能量检测模型；步骤4：分析训练集中能量级向量的统计属性；步骤5：选择单层决策树为弱分类器，通过计算每个训练数据权值系数和每个弱分类器系数建立强分类器。前述的一种基于集成学习的全双工认知无线电网络合作频谱感知方法，其特征是，所述步骤1)中具体内容为：构建一个具有多主用户、多次用户的全双工认知无线电网络模型，并根据次用户遵循的泊松点过程的在网络模型中随机产生区域内各次用户的位置：网络模型中有个M主用户，用表示每个主用户PUm在二维平面内的坐标，其中m＝1,...,M；用Sm表示主用户PUm的工作状态，其中Sm＝1表示主用户处于工作状态，Sm＝0则表示主用户处于空闲状态，S＝(S1,...,SM)T表示网络模型中所有主用户状态的向量，其中T表示转置；当网络中存在任意主用户处于工作状态，则该授权信道不可用，即只有当所有主用户都处于空闲状态时，该授权信道才可用，用A来表示信道可用性的话，则有：主用户的数据传输是以每个时隙来进行的，对授权频段的占用不受任何外界因素的影响，将其视为一个交替的开/关过程；具备全双工工作模式的次用户配备了两根天线Anti1和Anti2，其中天线Anti1用作频谱感知，天线Anti2用作数据传输，在任意时隙T内，如果检测到目标信道被占用，则所有的次用户仅保持感知动作；而一旦主用户的状态被判断为空闲，则调度某一个次用户进行数据传输，此时天线Anti2则由休眠转为工作状态，而其他次用户仍仅保持感知动作。前述的一种基于集成学习的全双工认知无线电网络合作频谱感知方法，其特征是，所述步骤2)中具体内容为：系统架构包括可独立运作的训练模块和分类模块：当次用户网络需要掌握信道可用性时，将次用户通过能量检测得到的能量级向量放入分类模块中，分类模块通过使用分类器来确定信道可用性；训练模块利用作为训练集的能量级向量来训练分类器，并向分类模块提供已训练完成的分类器；训练模块可以在认知无线电网络首次部署时和无线电环境改变时被激活。前述的一种基于集成学习的全双工认知无线电网络合作频谱感知方法，其特征是，所述步骤3)中具体内容为：将次用户SU1设为目标信道被判断可用后进行数据传输的唯一次用户，全双工认知无线电网络中，存在两个潜在的信号源：主用户和次用户SU1的传输天线Ant12，而且同一时隙内处于工作状态的只能为其中之一；对于其他次用户SUi(i≠1)来说，网络中是否存在信号源有如下四种情况：其中ui是次用户SUi(i≠1)所处环境的复高斯噪声，his是主用户PU和次用户SUi(i≠1)感知天线Anti1之间的瑞利信道增益参数，sp是主用户的信号功率，di表示主用户和次用户SUi(i≠1)之间的距离，ξ是路损参数，h1i是次用户SU1和次用户SUi(i≠1)感知天线Anti1之间的瑞利信道增益参数，s1是次用户SU1数据传输的功率，Di表示次用户SUi(i≠1)和次用户SU1之间的距离；Hxy中的左下标x表示次用户SU1是否处于数据传输的状态，x＝1时说明天线Ant12在工作，而x＝0则表示天线Ant12处于空闲状态；右下标y表示本文档来自技高网...

【技术保护点】
1.一种基于集成学习的全双工认知无线电网络合作频谱感知方法，其特征是，所述全双工认知无线电网络指次用户具备同时进行频谱感知和数据传输的工作模式；所述合作频谱感知指网络中所有的次用户将本地的感知数据传输给数据融合中心统一做决策；包括如下步骤：步骤1：根据次用户的泊松点过程的分布，随机产生区域内各次用户的位置；步骤2：根据全双工认知无线电网络中合作频谱感知的工作特点，构建系统架构；步骤3：基于全双工模式下出现的自干扰和多信号源问题，建立与网络模型相适配的次用户能量检测模型；步骤4：分析训练集中能量级向量的统计属性；步骤5：选择单层决策树为弱分类器，通过计算每个训练数据权值系数和每个弱分类器系数建立强分类器。

【技术特征摘要】
1.一种基于集成学习的全双工认知无线电网络合作频谱感知方法，其特征是，所述全双工认知无线电网络指次用户具备同时进行频谱感知和数据传输的工作模式；所述合作频谱感知指网络中所有的次用户将本地的感知数据传输给数据融合中心统一做决策；包括如下步骤：步骤1：根据次用户的泊松点过程的分布，随机产生区域内各次用户的位置；步骤2：根据全双工认知无线电网络中合作频谱感知的工作特点，构建系统架构；步骤3：基于全双工模式下出现的自干扰和多信号源问题，建立与网络模型相适配的次用户能量检测模型；步骤4：分析训练集中能量级向量的统计属性；步骤5：选择单层决策树为弱分类器，通过计算每个训练数据权值系数和每个弱分类器系数建立强分类器。2.根据权利要求1所述的一种基于集成学习的全双工认知无线电网络合作频谱感知方法，其特征是，所述步骤1)中具体内容为：构建一个具有多主用户、多次用户的全双工认知无线电网络模型，并根据次用户遵循的泊松点过程的在网络模型中随机产生区域内各次用户的位置：网络模型中有个M主用户，用表示每个主用户PUm在二维平面内的坐标，其中m＝1,...,M；用Sm表示主用户PUm的工作状态，其中Sm＝1表示主用户处于工作状态，Sm＝0则表示主用户处于空闲状态，S＝(S1,...,SM)T表示网络模型中所有主用户状态的向量，其中T表示转置；主用户的数据传输以每个时隙来进行，对授权频段的占用不受任何外界因素的影响，将其视为一个交替的开/关过程；具备全双工工作模式的次用户配备了两根天线Anti1和Anti2，其中天线Anti1用作频谱感知，天线Anti2用作数据传输，在任意时隙T内，如果检测到目标信道被占用，则所有的次用户仅保持感知动作；而一旦主用户的状态被判断为空闲，则调度某一个次用户进行数据传输，此时天线Anti2则由休眠转为工作状态，而其他次用户仍仅保持感知动作。3.根据权利要求1所述的一种基于集成学习的全双工认知无线电网络合作频谱感知方法，其特征是，所述步骤2)中具体内容为：系统架构包括可独立运作的训练模块和分类模块：当次用户网络需要掌握信道可用性时，将次用户通过能量检测得到的能量级向量放入分类模块中，分类模块通过使用分类器来确定信道可用性；训练模块利用作为训练集的能量级向量来训练分类器，并向分类模块提供已训练完成的分类器；训练模块可以在认知无线电网络首次部署时和无线电环境改变时...

【专利技术属性】
技术研发人员：姚其桢，朱琨，王然，邓海，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏,32