一种基于全盲图像特征提取的授权用户场景识别方案制造技术

本发明专利技术涉及一种基于全盲图像特征提取的授权用户场景识别方案，属于无线通信领域。该方法为：根据系统模型，获得目标地理区域的频谱观测数据集X；根据所述频谱观测数据集X和映射算法，获得所述频谱观测数据集X的场景图像集将所述场景图像集输入至非监督机器学习算法模型中，获取所述场景图像集的标签集y；根据所述场景图像集和图像特征提取算法，获取所述图像集的表示特征集利用所述特征集和所述标签集y训练监督式分类器，获得训练好的监督分类器模型。由于图像特征提取算法能够快速、有效提取数据的表示特征，利用提取后的低维图像特征作为训练数据，缩短了分类器模型的训练时间并且提升了分类器的检测性能。本发明专利技术为基于机器学习的频谱感知方案中数据预处理提供了一个新方法，为下一步的动态频谱接入决策提供更加可靠的无线环境分析依据。境分析依据。境分析依据。

An authorized user scene recognition scheme based on blind image feature extraction

【技术实现步骤摘要】
一种基于全盲图像特征提取的授权用户场景识别方案


[0001]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，具体涉及一种基于全盲图像特征提取的授权用户场景识别方案。

技术介绍

[0002]近年来随着无线设备的数量急剧增加和国内外的大部分频谱资源都采用固定的分配方式，导致可分配的频谱资源匮乏和利用率低下。认知无线电(Cognitive Radio,CR)作为解决该问题的一种有效方案，通过机会接入方式重用未充分利用的授权频谱资源来提高频谱的利用率。频谱感知技术作为CR技术的基础，主要通过次用户(Secondary User,SU)对主用户(Primary User,PU)即授权用户工作状态进行感知，根据PU工作状态来决定SU是否接入PU的授权频段。
[0003]频谱感知算法主要利用SU作为感知节点检测频谱空穴是否存在，若存在，SU可暂时利用PU的授权频谱进行通信服务；若不存在，则禁止SU接入授权频谱，防止对PU的通信服务质量(Quality of Service,QoS)造成干扰。工作在授权频段内的SU，一旦检测到PU重新恢复工作状态，SU需要立即中断目前正在使用的频谱资源并退出，以保证PU能够进行正常通信。在SU中断频谱使用的过程中，SU还需不断检测其他可用的频段，以保证自身的通信服务不会中断。在整个频谱感知的过程中，SU都不能对PU产生干扰，这就要求频谱感知算法能够快速且准确的对PU工作状态进行感知，这对算法的鲁棒性、硬件性能都是一个很大的考验。
[0004]随着人工智能的发展，硬件设备、智能设备获取能量数据相对容易，近年来，基于机器学习的频谱感知方案得以提出。尽管利用机器学习的频谱感知算法需要训练时间获得分类器，但一旦分类器训练完成后，就可以用来分类判决当前时刻PU的工作状态。从频谱观测数据中找到具有良好泛化能力和判别能力的低维特征是提高机器学习分类器性能并将其应用于频谱感知的关键，目前针对频谱观测数据的特征提取方式有：主成分分析(Principle Component Analysis,PCA)、概率密度函数(Probability Density Function,PDF)、样本的协方差矩阵的特征值等，这些方法的计算复杂度随着样本数量的增加呈指数提升。此外高维的样本数据集也会增加机器学习分类器模型训练的时间，这不利于感知过程的快速与准确。

技术实现思路

[0005]针对传统频谱感知算法性能的局限性和基于机器学习的频谱感知算法特征提取问题，本专利技术提供了一种基于全盲图像特征提取的授权用户场景识别方案，缩短了分类器模型的训练时间和频谱感知过程。
[0006]第一方面，提供一种基于全盲图像特征提取的授权用户场景识别方案，所述方法包括：根据系统模型，获得目标地理区域的频谱观测数据集X；根据所述频谱观测数据集X和映射算法，获得所述频谱观测数据集X的场景图像集将所述场景图像集输入至非监督
机器学习算法模型中，获取所述场景图像集的标签集y；根据所述场景图像集和图像特征提取算法，获取所述图像集的表示特征集利用所述特征集和所述标签集y训练监督式分类器，获得训练好的监督分类器模型。
[0007]进一步地，所述将所述场景图像集输入至非监督机器学习算法模型中，获取所述场景图像集的标签集y，包括：根据所述场景图像集计算聚类中心轮廓系数sc，获得所述场景图像集的类别个数k；将所述场景图像集和所述类别个数k输入非监督的机器学习算法中，获得所述场景图像集的标签集y。
[0008]进一步地，所述方法还包括：将所述频谱观测数据集X输入到映射网络中，经过映射计算后进行归一化处理；得到所述频谱观测数据集X对应的场景图像集
[0009]进一步地，所述根据所述场景图像集和图像特征提取算法，获取所述图像集的表示特征集包括：利用所述场景图像集和图像特征提取算法，获得图像各部分的特征提取计算值；统计图像所述各部分计算值，归一化后得到所述场景图像集对应的特征集
[0010]进一步地，所述利用所述特征集和所述标签集y训练监督式分类器，获得训练好的监督分类器模型，包括：将和y输入到未训练的监督式分类器模型中，得到模型参数；根据获得的模型参数得到监督式分类器模型。
[0011]进一步地，在利用所述的监督式分类器模型之前，包括：待测数据，根据待测频谱观测数据获得对应的场景图，提取待测场景图的表示特征，将其表示特征输入至训练好的监督式分类器，获得待测数据的识别结果。
[0012]第二方面，提供一种基于全盲图像特征提取的授权用户场景识别装置，包括：
[0013]获得单元，用于根据系统模型，获得目标地理区域的频谱观测数据集X；
[0014]处理单元，还用于根据所述频谱观测数据集X和映射算法，获得所述频谱观测数据集X的场景图像集
[0015]处理单元，还用于将所述场景图像集输入至非监督机器学习算法模型中，获取所述场景图像集的标签集y；
[0016]处理单元，还用于根据所述场景图像集和图像特征提取算法，获取所述图像集的表示特征集
[0017]处理单元，还用于利用所述特征集和所述标签集y训练监督式分类器，获得训练好的监督分类器模型。
[0018]第三方面，本申请提供一种电子设备，该电子设备包括：处理器和存储器，所述存储器与所述处理器耦合，所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令，当所述处理器从所述存储器中读取所述计算机指令，以使得所述电子设备执行如第一方面所述的全盲图像特征提取的授权用户场景识别方案。
[0019]第四方面，本申请提供一种计算机存储介质，包括计算机指令，当所述计算机指令
在终端上运行时，使得所述终端执行如第一方面所述全盲图像特征提取的授权用户场景识别方案。
[0020]第五方面，本申请提供一种计算机程序产品，当所述计算机程序产品在计算上运行时，使得所述计算机执行如第一方面所述的全盲图像特征提取的授权用户场景识别方案。
[0021]通过上述技术方案，将频谱观测数据转为场景图，从而利用图像特征提取的方式提取数据低维有效的表示特征、利用非监督的机器学习算法获得数据标签，将提取的表示特征和获取的标签作为监督式机器学习分类器的训练集输入，这样能够缩短机器学习分类器训练的时间，加快频谱感知过程。
[0022]本专利技术的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本专利技术的实践中得到教导。本专利技术的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
[0023]为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作优选的详细描述，下面描述中的附图是本专利技术的一些实施例，对于本领域或普通技术人员来讲，在不付出创造性劳动前提下，还可以根据这些附图获得其他的附图。
[0024]图1为本申请实施例应用系统模型构建后的通信场景图；
[0025]图2为本申请实施例提供的一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于全盲图像特征提取的授权用户场景识别方案，其特征在于，所述方法包括：根据系统模型，获得目标地理区域的频谱观测数据集X；根据所述频谱观测数据集X和映射算法，获得所述频谱观测数据集X的场景图像集将所述场景图像集输入至非监督机器学习算法模型中，获取所述场景图像集的标签集y；根据所述场景图像集和图像特征提取算法，获取所述图像集的表示特征集利用所述特征集和所述标签集y训练监督式分类器，获得训练好的监督分类器模型。2.根据权利要求1所述的是一种基于全盲图像特征提取的授权用户场景识别方案，其特征在于，所述将所述场景图像集输入至非监督机器学习算法模型中，获取所述场景图像集的标签集y，包括：根据所述场景图像集计算聚类中心轮廓系数sc，获得所述场景图像集的类别个数k；将所述场景图像集和所述类别个数k输入非监督的机器学习算法中，获得所述场景图像集的标签集y。3.根据权利要求1所述的是一种基于全盲图像特征提取的授权用户场景识别方案，其特征在于，所述方法还包括：将所述频谱观测数据集X输入到映射网络中，经过映射计算后进行归一化处理；得到所述频谱观测数据集X对应的场景图像集4.根据权利要求1所述的是一种基于全盲图像特征提取的授权用户场景识别方案，其特征在于，所述根据所述场景图像集和图像特征提取算法，获取所述图像集的表示特征集包括：利用所述场景图像集和图像特征提取算法，获得图像各部分的特征提取计算值；统计图像所述各部分计算值，归一化后得到所述场景图像集对应的特征集5.根据权利要求1所述的是一种基于全盲图像特征提取的授权用户场景识别方案，其特征在于，所述非监督的机器学习算法，包括：使用非监督的机器学习算法能够获取未标记样本数据集的标签，无需提前获得样本的先验信...

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