一种动态频谱共享检测方法、设备及计算机可读存储介质技术

本发明专利技术公开了一种动态频谱共享检测方法、设备及计算机可读存储介质，其中，该方法包括：获取用于检测载波占用状态的检测信号；将所述检测信号的协方差矩阵输入至预设的卷积神经网络；训练所述卷积神经网络，输出用于指示所述载波占用状态的判断概率的二维矩阵；根据所述二维矩阵得到检测数据，以及，根据所述检测数据与预设阈值的比较结果得到所述载波占用状态，并根据所述载波占用状态执行对应的频谱共享操作。实现了一种高效且准确的动态频谱共享检测方案，使得用户状态能够得到正确地判断，进而为动态频谱共享提供一个可靠有效的检测算法。测算法。测算法。

【技术实现步骤摘要】
一种动态频谱共享检测方法、设备及计算机可读存储介质


[0001]本专利技术涉及移动通信领域，尤其涉及一种动态频谱共享检测方法、设备及计算机可读存储介质。

技术介绍

[0002]现有技术中，随着智能终端设备的不断发展，用户对于网络的使用需求也越来越高。特别地，消费者已经能够在如今的5G网络中利用5G终端感受超大宽带（eMBB）、超低时延（URLLC）的高质量业务服务。在5G网络的建设中，新的频段将被使用——n77、n78、n79，这三个频段在3300MHz~5000MHz之间，有频率高、衰减大、覆盖面积小的特点，而低频段对于5G网络能够有效提高其覆盖率，因此，为了从4G过渡到5G网络，需要对4G网络进行频谱重耕（re
‑
farming）。在5G网络初期，5G用户还远远小于4G用户，因此在频率资源分配上，将会侧重于LTE用户的体验，后续推广普及5G网络后，频率资源可以完全分配给5G用户。
[0003]但是，LTE用户依然主宰着无线蜂窝网络，分配LTE的子载波资源给一小部分的NR用户，将会显著地降低LTE用户的业务体验，在经济方面和资源利用方面比较不合适。因此，出现了一种LTE
‑
NR的频谱共享技术，能够让LTE和NR用户共享一个子载波资源，将大大提高频谱的利用率。根据LTE和NR用户的状态，来实时调度子载波资源，以满足两种用户的业务需求，这种技术即为动态频谱共享（DSS）。
[0004]可以看出，如何检测LTE、NR用户状态动态频谱共享（DSS）技术实现的关键，特别地，在低信噪比环境
‑
16dB以及虚警概率为0.1的条件下，传统检测技术基本失效，因此，亟需一种能够对用户状态作出准确判断的技术方案，以使得动态频谱共享（DSS）技术能够得到更好的实现。

技术实现思路

[0005]为了解决现有技术中的上述技术缺陷，本专利技术提出了一种动态频谱共享检测方法，该方法包括：获取用于检测载波占用状态的检测信号；将所述检测信号的协方差矩阵输入至预设的卷积神经网络；训练所述卷积神经网络，输出用于指示所述载波占用状态的判断概率的二维矩阵；根据所述二维矩阵得到检测数据，以及，根据所述检测数据与预设阈值的比较结果得到所述载波占用状态，并根据所述载波占用状态执行对应的频谱共享操作。
[0006]可选地，所述获取用于检测载波占用状态的检测信号，包括：在多天线环境下，设有M根天线，每根所述天线接收到的一帧信号有N个数据；得到用于检测所述载波占用状态的M*N信号矩阵，以作为所述检测信号。
[0007]可选地，所述将所述检测信号的协方差矩阵输入至预设的卷积神经网络，包括：构造所述检测信号的协方差矩阵R
x
；
其中，，IM为M为单位矩阵，这u(n)为独立同分布的加性白高斯噪声，为方差。
[0008]可选地，所述将所述检测信号的协方差矩阵输入至预设的卷积神经网络，还包括：确定由输入层、输出层、两层卷基层、两层降采样层以及两层全连接层构成的所述卷积神经网络；在所述卷积神经网络的L组数据集中，确定每一组数据集的数据X以及所述数据X对应的标签Z。
[0009]可选地，所述将所述检测信号的协方差矩阵输入至预设的卷积神经网络，还包括：将所述L组数据集中的70%的数据作为训练集，以及，将所述L组数据集中的30%的数据作为验证集；其中，所述L为10000，则有7000个数据用于训练模型参数θ，3000个数据作为验证。
[0010]可选地，所述训练所述卷积神经网络，输出用于指示所述载波占用状态的判断概率的二维矩阵，包括：在训练过程中，基于最大似然准则，所述数据经过前向传播、反向误差传播迭代，直至模型收敛至最优解附近，得到最优解参数，以使网络目标函数最大化；在训练完成后，记所述模型的参数为θ*，则输出的所述二维矩阵为。
[0011]可选地，所述根据所述二维矩阵得到检测数据，以及，根据所述检测数据与预设阈值的比较结果得到所述载波占用状态，并根据所述载波占用状态执行对应的频谱共享操作，包括：根据所述二维矩阵的元素之比确定所述检测数据，以及，将输入纯噪声信号后得到的数据作为所述预设阈值；根据所述检测数据与预设阈值的比较结果得到载波被占用状态、或载波未被占用状态。
[0012]可选地，所述根据所述二维矩阵得到检测数据，以及，根据所述检测数据与预设阈值的比较结果得到所述载波占用状态，并根据所述载波占用状态执行对应的频谱共享操作，包括：在次级用户端通过监听载波状态，判断初始用户端是否在使用预设信道；若为所述载波被占用状态，则继续保持监听状态，若为所述载波未被占用状态，则由所述次级用户申请接入，以充分利用载波资源。
[0013]本专利技术还提出了一种动态频谱共享检测设备，该设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上任一项所述的动态频谱共享检测方法的步骤。
[0014]本专利技术还提出了一种计算机可读存储介质，该计算机可读存储介质上存储有动态频谱共享检测程序，动态频谱共享检测程序被处理器执行时实现如上述任一项所述的动态
频谱共享检测方法的步骤。
[0015]实施本专利技术的动态频谱共享检测方法、设备及计算机可读存储介质，通过获取用于检测载波占用状态的检测信号；将所述检测信号的协方差矩阵输入至预设的卷积神经网络；训练所述卷积神经网络，输出用于指示所述载波占用状态的判断概率的二维矩阵；根据所述二维矩阵得到检测数据，以及，根据所述检测数据与预设阈值的比较结果得到所述载波占用状态，并根据所述载波占用状态执行对应的频谱共享操作。实现了一种高效且准确的动态频谱共享检测方案，使得用户状态能够得到正确地判断，进而为动态频谱共享提供一个可靠有效的检测算法。
附图说明
[0016]下面将结合附图及实施例对本专利技术作进一步说明，附图中：图1是本专利技术涉及的一种移动终端的硬件结构示意图；图2是本专利技术实施例提供的一种通信网络系统架构图；图3是本专利技术动态频谱共享检测方法第一实施例的流程图；图4是本专利技术动态频谱共享检测方法第二实施例的流程图；图5是本专利技术动态频谱共享检测方法第三实施例的流程图；图6是本专利技术动态频谱共享检测方法第四实施例的流程图；图7是本专利技术动态频谱共享检测方法第五实施例的流程图；图8是本专利技术动态频谱共享检测方法第六实施例的流程图；图9是本专利技术动态频谱共享检测方法第七实施例的流程图；图10是本专利技术动态频谱共享检测方法第八实施例的流程图；图11是本专利技术动态频谱共享检测方法第一实施例的随NR用户增加的频谱重耕示意图；图12是本专利技术动态频谱共享检测方法第一实施例的随NR用户增加的动态频谱共享示意图；图13是本专利技术动态频谱共享检测方法第一实施例的不同性噪比环境下的ROC曲线；图14是本专利技术动态频谱共享检测方法第一实施例的不同检测方案在相同环境下的ROC曲线；图15是本专利技术动态频谱共享检测方法第一实施例的不同检测方案在不同信噪比下的检测效率（PFA=0.1）曲线；图16是本专利技术动态频谱本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种动态频谱共享检测方法，其特征在于，所述方法包括：获取用于检测载波占用状态的检测信号；将所述检测信号的协方差矩阵输入至预设的卷积神经网络；训练所述卷积神经网络，输出用于指示所述载波占用状态的判断概率的二维矩阵；根据所述二维矩阵得到检测数据，以及，根据所述检测数据与预设阈值的比较结果得到所述载波占用状态，并根据所述载波占用状态执行对应的频谱共享操作。2.根据权利要求1所述的动态频谱共享检测方法，其特征在于，所述获取用于检测载波占用状态的检测信号，包括：在多天线环境下，设有M根天线，每根所述天线接收到的一帧信号有N个数据；得到用于检测所述载波占用状态的M*N信号矩阵，以作为所述检测信号。3.根据权利要求2所述的动态频谱共享检测方法，其特征在于，所述将所述检测信号的协方差矩阵输入至预设的卷积神经网络，包括：预设I
M
为M为单位矩阵，u(n)为独立同分布的加性白高斯噪声，为方差；构造所述检测信号的协方差矩阵R
x
，其中，4.根据权利要求3所述的动态频谱共享检测方法，其特征在于，所述将所述检测信号的协方差矩阵输入至预设的卷积神经网络，还包括：确定由输入层、输出层、两层卷基层、两层降采样层以及两层全连接层构成的所述卷积神经网络；在所述卷积神经网络的L组数据集中，确定每一组数据集的数据X以及所述数据X对应的标签Z。5.根据权利要求4所述的动态频谱共享检测方法，其特征在于，所述将所述检测信号的协方差矩阵输入至预设的卷积神经网络，还包括：将所述L组数据集中的70％的数据作为训练集，以及，将所述L组数据集中的30％的数据作为验证集；其中，所述L为10000，则有7000个数据用于训练模型参数θ，3000个数据作为验证。6.根据权利要求5所述的动态频谱共享检测方法，其...

【专利技术属性】
技术研发人员：刘锐帆，
申请(专利权)人：努比亚技术有限公司，
类型：发明
国别省市：