一种基于授权用户发射机传输模式分类的频谱感知方法技术

本发明专利技术涉及一种基于授权用户发射机传输模式分类的频谱感知方法，属于无线通信领域。该方法为：首先，将目标地理区域划分为Q个相同大小的网格；其次，选择机器学习中的HOG和SVM相结合的方法获得目标地理区域内N个PUT对应的传输模式类别，从而确定处于开启状态的PUT；最后，利用SU与处于开启状态的各个PUT之间的距离，获得对LFB的可用性标签，以此决定SU选择LFB接入方式：①能接入LFB；②不能接入LFB；③不确定，即SU需要通过信号检测方式进一步判断是否可接入LFB。本发明专利技术增加了SU接入LFB的机会，提高了LFB的频谱利用率，并且有效地控制SU系统对于PU系统的干扰。

【技术实现步骤摘要】
一种基于授权用户发射机传输模式分类的频谱感知方法
本专利技术属于无线通信领域，涉及认知无线电频谱感知技术，具体涉及一种基于授权用户发射机传输模式分类的频谱感知方法。
技术介绍
近年来无线通信技术的快速发展增加了对频谱资源的需求，而许多授权频段的低效率使用进一步凸显了频谱稀缺的问题。认知无线电(cognitiveradio,CR)技术可以有效缓解静态频谱分配策略与动态频谱需求之间的矛盾，通过实时监测授权用户(primaryuser,PU)对于授权频段(LicensedFrequencyBand，LFB)的占用情况，次级用户(secondaryuser,SU)能够在不对PU造成干扰的前提下，机会性地接入LFB进行通信，提高其频谱利用率。CR系统对于LFB上的空白频谱机会的获取方式主要依赖频谱感知技术，即SU利用信号检测技术对LFB进行检测，从而感知其被PU占用的情况。然而，由于无线信道的复杂特性、实际感知情况的复杂多变以及频谱感知所需的不同程度的实现条件，频谱感知技术仍面临需不断提高性能的挑战。在CR网络中，现有的频谱感知技术的不足本文档来自技高网...

【技术保护点】
1.一种基于授权用户发射机传输模式分类的频谱感知方法，其特征在于，首先，将目标地理区域划分为Q个相同大小的网格；其次，选择机器学习中的定向梯度直方图(Histograms of Oriented Gradient，HOG)和支持向量机(Support Vector Machine，SVM)相结合的方法获得目标地理区域内N个主用户发射机(primary user transmitter,PUT)对应的传输模式类别，从而确定处于开启状态的PUT；最后，利用次级用户(Secondary User，SU)与处于开启状态的各个PUT之间的距离，获得对授权频段(Licensed Frequency Ban...

【技术特征摘要】
1.一种基于授权用户发射机传输模式分类的频谱感知方法，其特征在于，首先，将目标地理区域划分为Q个相同大小的网格；其次，选择机器学习中的定向梯度直方图(HistogramsofOrientedGradient，HOG)和支持向量机(SupportVectorMachine，SVM)相结合的方法获得目标地理区域内N个主用户发射机(primaryusertransmitter,PUT)对应的传输模式类别，从而确定处于开启状态的PUT；最后，利用次级用户(SecondaryUser，SU)与处于开启状态的各个PUT之间的距离，获得对授权频段(LicensedFrequencyBand，LFB)的可用性标签，以此决定SU选择LFB接入方式：①能接入LFB；②不能接入LFB；③不确定，即SU需要通过信号检测方式进一步判断是否可接入LFB。


2.根据权利要求1所述的一种基于授权用户发射机传输模式分类的频谱感知方法，其特征在于，该方法具体包括以下步骤：
S1：将认知无线电网络范围内的地理区域划分为Q＝O*P个同等大小的局部区域网格，网格地理位置索引为(o,p),o＝1,2,...,k,...,O,p＝1,2,...,P；假设在目标区域中存在N个PUT，SU处于目标区域中的任何一个网格中；
S2：目标地理区域中的网格根据其与活跃PUT之间的距离，将目标地理区域划分为三类区域：1)以活跃PUT为圆心、Du为半径的PUR分布区域，在此区域内的SU禁止接入LFB通信，对LFB的接入许可标签设定为1；2)以活跃PUT为圆心、Dp为半径的圆外区域，在此区域内的SU能随时接入LFB通信，接入许可标签设定为-1；3)以活跃PUT为圆心、夹在Du和Dp之间的环形区域，在此区域内的SU需要采用具体的信号检测方式确定PU是否占用LFB，接入许可标签设定为0；
S3：预先部署数量足够多的SU到网络中的不同网格，将SU获得的频谱观测数据按其所在的网格位置索引(o,p),o＝1,2,...k,...,O,p＝1,2,...,P组成能量值矩阵，表示为：



其中，Zop表示在(o,p)网格位置上的SU获得的能量值；
在足够长的时间内，共得T个频谱观测能量值矩阵，构成训练数据集，表示为训练数据集ΘT对应的PUT传输模式标签集为其中
S4：将步骤S3中获得的能量值矩阵集ΘT和对应的PUT传输模式标签集LT作为机器学习分类算法的训练数据和训练标签，完成PUT传输模式分类器PUT_Classifier的模型训练，从下一步开始进行频谱感知；
S5：利用与步骤S3中相同的、预先部署的足够多的SU所获得的当前m时刻的能量值矩阵Ym和步骤S4中训练的PUT传输模式分类器PUT_Classifier，得到当前m时刻对应的PUT传输模式标签其中，表示当前m时刻第n个PUT对应的工作状态，传输模式标签共有...

【专利技术属性】
技术研发人员：申滨，王欣，颜廷秋，陈前斌，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆;50