【技术实现步骤摘要】
在认知无线网络环境下频谱感知的方法
本专利技术涉及无线通信与人工智能
，具体涉及一种在认知无线网络环境下频谱感知的方法。
技术介绍
认知无线网络概念是在设计无线通信系统时，由于近些年无线频谱资源越来越稀缺，为了有效提高频谱资源利用率而提出的。认知无线网络依靠可感知电磁工作环境的智能无线通信设备，来动态自适应地调整自身无线电操作参数。在这里，机会频谱接入是非常重要，它的意思是在主用户发射端被检测到下线的情况下认知用户要适时地接入频带。对于机会频谱介入，认知用户必须通过一些手段来达到感知频谱是否被占用的目的，进而使用频谱资源并最大化频谱资源利用率。所以，有效的频谱感知方法至关重要。当前主要的频谱感知方法有基于能量检测方法、匹配滤波方法、循环谱技术。基于能量检测方法是复杂度最低的方式，但在低信噪比情况下其性能会不太稳定。匹配滤波是一种在次用户具备主用户先验信息的时候较优的方法。循环谱技术是基于主用户信号循环平稳特征的方式，但其计算复杂度较高。匹配滤波和循环谱技术由于复杂度高或需要主用户先验知识，在大多数情景下并不实用...
【技术保护点】
1.在认知无线网络环境下频谱感知的方法，其特征在于，包括：/n构建数据集，认知无线网络中的次用户对主用户进行检测，每个次用户将信道中的能量值收集后发送到融合中心，融合中心将所有从次用户发来的能量值作为特征向量，认知无线网络中的主用户间断性地将自身工作状态发送到融合中心，融合中心将主用户发来的工作状态作为数据集标签；/n通过Xgboost算法对数据集进行训练，得到对当前信道感知结果的机器学习模型；/n在得到已训练的机器学习模型后，次用户继续收集信道中的能量值发给融合中心作为测试数据，由此融合中心的Xgboost算法模型对认知无线网络环境下进行频谱感知。/n
【技术特征摘要】
1.在认知无线网络环境下频谱感知的方法，其特征在于，包括：
构建数据集，认知无线网络中的次用户对主用户进行检测，每个次用户将信道中的能量值收集后发送到融合中心，融合中心将所有从次用户发来的能量值作为特征向量，认知无线网络中的主用户间断性地将自身工作状态发送到融合中心，融合中心将主用户发来的工作状态作为数据集标签；
通过Xgboost算法对数据集进行训练，得到对当前信道感知结果的机器学习模型；
在得到已训练的机器学习模型后，次用户继续收集信道中的能量值发给融合中心作为测试数据，由此融合中心的Xgboost算法模型对认知无线网络环境下进行频谱感知。
2.如权利要求1所述的在认知无线网络环境下频谱感知的方法，其特征在于，所述Xgboost算法其目标函数如下：
Fobj(θ)＝L(θ)+Ω(θ)(1)
这里θ代表公式中各种参数，L(θ)是可微的凸函数损失函数；Ω(θ)是惩罚模型的正则化项，T是树中叶子数，γ是学习率其值在0到1之间，λ是正则化参数，w是叶子权重；
这里需决定是否在公式(2)中学习到目标yi：
在优化目标时构建一个树模型在每次迭代中最小化目标函数，树模型在之前每次数模型学习的基础和残差上进行学习，残差为真实值减去预测值，St(Ti)代表生成的在第t次迭代中第i个树，公式(2)通过二阶泰勒展开式转化为公式(3)，其中，公式(3)如下：
最后，通过(1)式算法迭代地发现每个树最小化目标函数的分裂点。
3.如权利要求2所述的在认知无线网络环境下频谱感知的方法，其特征在于，将凸损失函数如均方差损失函数或者逻辑损失函数用于等式中。
4.如权利要求1所述的在认知无线网络环境下频谱感知的方法，其特征在于，
认知无线网络中包含s个次用户SU，SU和主用户PU共享一个频带并假定SU与PU间不存在干扰，记s个SU序列为s＝1,...,S，记p个PU序列为p＝1,...,P，cs和cp分别代表SUs和PUp的二维坐标；
每个SU对PU的能量进行检测并把能量向量发送到融合中心，融合中心利用SU发送来的能量向量分辨信道是否可用，PU有两种工作状态：在线状态、下线状态，用Mp代表PU的工作状态，如果Mp＝1代表PU在线，如果Mp＝0代表PU下线，M＝(M1,...,Mp)T是代表所有PU工作状态的向，如果没有一个P...
【专利技术属性】
技术研发人员：邢焕来，王成玮，罗寿西，戴朋林，詹大为，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：四川;51
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。