基于LSTM神经网络的认知无线电频谱感知方法技术

基于LSTM神经网络的认知无线电频谱感知方法，涉及无线电监测和频谱管理领域，本发明专利技术是为了解决目前单次无线电频谱的感知时间长的问题，本发明专利技术通过建立LSTM神经网络模型并对建立LSTM神经网络模型尽心训练和优化，获得训练和优化的LSTM神经网络模型，然后采用训练和优化的LSTM神经网络模型对认知无线电频谱进行感知，本发明专利技术的频谱感知速度快，用时得以大幅缩短。本发明专利技术适用于认知无线电频谱感知。

【技术实现步骤摘要】
基于LSTM神经网络的认知无线电频谱感知方法
本专利技术涉及无线电监测和频谱管理领域。
技术介绍
近年来，无线通讯设备的增长和无线通信需求的增加，使得无线频率这种不可再生资源变得日益紧张，频谱资源也因其稀缺性已经上升为每个国家的战略资源。当前管理和分配无线频谱资源时，普遍采用固定的频谱资源分配方式。在固定频谱资源分配方式下，整个无线电频谱资源被分为授权频谱和非授权频谱两个部分，频谱分配系统存在资源使用不平衡的现象：一方面，授权频谱占用了大部分频谱资源，但有些情况下，授权用户(主用户)并不会频繁的使用其授权频段，大部分授权频谱在某些时间段内或者某些地点并不会被主用户使用，而是处于未被利用的状态，结果是授权频谱的利用率非常低。美国联邦通信委员会(FederalCommunicationsCommission,FCC)一些针对频谱资源的测量研究结果表明，在大多数地区和大多数测量的时间段内，所测量的频谱平均使用情况为15％--85％。另一方面，为非授权用户保留的非授权频谱仅占频谱总体资源的很小一部分。随着无线通信技术的迅速发展，特别是一些新型无线服务业本文档来自技高网...

【技术保护点】
1.基于LSTM神经网络的认知无线电频谱感知方法，其特征是：它包括以下步骤：/n步骤一、建立LSTM神经网络模型；/n步骤二、对信道状态信息进行采集，获得信道状态数据集；/n步骤三、对步骤二获得的信道状态数据集中的数据进行处理，获得处理后的数据集；/n步骤四、利用步骤三获得的处理后的数据集对步骤一建立的LSTM神经网络模型进行训练，获得训练后的LSTM神经网络模型；/n步骤五、采用步骤四获得的训练后的LSTM神经网络模型对认知无线电频谱进行感知，/n完成一次基于LSTM神经网络的认知无线电频谱感知，返回步骤一，进行下一次基于LSTM神经网络的认知无线电频谱感知。/n

【技术特征摘要】
1.基于LSTM神经网络的认知无线电频谱感知方法，其特征是：它包括以下步骤：
步骤一、建立LSTM神经网络模型；
步骤二、对信道状态信息进行采集，获得信道状态数据集；
步骤三、对步骤二获得的信道状态数据集中的数据进行处理，获得处理后的数据集；
步骤四、利用步骤三获得的处理后的数据集对步骤一建立的LSTM神经网络模型进行训练，获得训练后的LSTM神经网络模型；
步骤五、采用步骤四获得的训练后的LSTM神经网络模型对认知无线电频谱进行感知，
完成一次基于LSTM神经网络的认知无线电频谱感知，返回步骤一，进行下一次基于LSTM神经网络的认知无线电频谱感知。


2.根据权利要求1所述的基于LSTM神经网络的认知无线电频谱感知方法，其特征在于它还包括步骤六、对步骤五的基于LSTM神经网络的认知无线电频谱感知的预测正确率获知步骤，具体为：它是通过acc值来考察：
所述acc值为信道被正确...

【专利技术属性】
技术研发人员：贾敏，黄齐禹，王学东，郭庆，顾学迈，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江;23