一种面向非正交多址场景的频谱感知方法和系统技术方案

本发明专利技术公开了一种面向非正交多址场景的频谱感知方法和系统，涉及无线通信的技术领域；包括建立非正交多址场景的频谱感知模型，各主用户分别产生发射信号，在信道上分别与加性高斯白噪声叠加，生成叠加信号；融合中心收集各次用户接收的叠加信号，整合为二维信号张量；将二维信号张量输入构建的自编码器中进行去噪处理，获得去噪信号；对去噪信号进行特征提取，获得特征向量；对特征向量进行分类，获得信道的状态类别，实现频谱感知。本发明专利技术对信号要求低，去噪性能强，实现了在低信噪比环境下的高效、高速、高鲁棒性的频谱感知。高鲁棒性的频谱感知。高鲁棒性的频谱感知。

【技术实现步骤摘要】
一种面向非正交多址场景的频谱感知方法和系统


[0001]本专利技术涉及无线通信的
，更具体地，涉及一种面向非正交多址场景的频谱感知方法和系统。

技术介绍

[0002]随着互联网的发展，无线通信的需求也与日俱增。然而根据香农信息论，有限信道带宽下的频谱资源也是有限的。非正交多址技术与认知无线电是提升频谱效率的两种重要方法。其中，非正交多址允许多个用户共用同个信道，因此可以在不引入额外带宽的同时提高系统的吞吐量。此外，非正交多址还在延迟、大规模连接、边缘传输方面具有优势，可能会成为6G无线网络的关键技术。认知无线电是另一种提升频谱资源使用效率的方法，其原理是通过频谱感知来检测主用户的频谱空洞。将频谱感知与非正交多址技术结合可以进一步挖掘未利用的频谱资源。在非正交多址环境中，可以通过频谱感知检测主用户的状态，当主用户为空闲状态时，可以将空闲的频谱资源重新分配利用。
[0003]已有的非正交多址频谱感知算法都是基于特征的，即提取信号的特征来判断信道状态。例如，可以利用循环延时分集技术提取特征，并通过公式推导得出最终的频谱感知结果。但更多算法采用的结构是：利用信号特征和机器学习算法来进行频谱感知。例如，提取信号的能量特征，或者利用信号的协方差矩阵来提取征值，并通过机器学习算法对特征样本分类，最终实现频谱感知。这些方法都依赖于人工提取特征，即基于信号的内部特性，手动推导出固定的提取特征公式。因此，特征提取的效果会直接影响到频谱感知的准确性。在低信噪比环境下，信号的特征提取将会变得困难，这会导致频谱感知准确性的降低。因此，如何从低信噪信号中提取特征成为了一个问题。
[0004]而去噪能有效地减小噪声因素的干扰，并提高特征提取的效果。已有的传统去噪方法如小波分解、经验模态分解等方法，需要根据信号特性来做出调整，如修改小波函数、模态阶数等，因此，这些方法缺乏鲁棒性。随着机器学习领域的发展，也有许多基于神经网络的深度去噪算法被提出，例如Noise
‑
to
‑
Noise方法、Noiser
‑
to
‑
Noise。这些方法能利用自编码器自动地过滤信号的噪声，但它们对信号样本有具有严格要求，如要求获得信号的成对形式。因此，它们难以应用于频谱感知场景。
[0005]现有技术公开了一种NOMA系统中基于机器学习的频谱感知方法、装置、计算机设备和存储介质。方法包括：当需要采用目标频段发送消息时，向对应基站发送目标频段的感知申请，使基站向覆盖范围内的各次用户发布对目标频段的频谱感知任务；获取基站的覆盖范围内的各次用户在感知时隙内采集的频谱观测能量信号；根据各次用户的位置信息，将各频谱观测能量信号对应的频谱观测能量值填入频谱能量观测矩阵中，对获得的能量观测矩阵进行预处理，将处理后的能量观测矩阵进行图像转化，获得灰度图像输入到基于Shuffle
‑
Dense神经网络的频谱感知模型进行识别，输出目标频段当前的信道状态。但是，该申请在低信噪比环境下的频谱感知差，鲁棒性低。

技术实现思路

[0006]本专利技术为克服上述现有技术无法在低信噪比环境下准确提取信号特征，进而导致频谱感知准确性差的缺陷，提供一种面向非正交多址场景的频谱感知方法和系统，对信号样本要求低，能够在低信噪比环境下准确提取信号特征，实现频谱感知。
[0007]为解决上述技术问题，本专利技术的技术方案如下：
[0008]本专利技术提供了一种面向非正交多址场景的频谱感知方法，包括：
[0009]S1：建立非正交多址场景的频谱感知模型，所述模型包括：若干个主用户、若干个次用户和一个融合中心；
[0010]S2：各主用户分别产生发射信号，在信道上分别与加性高斯白噪声叠加，生成叠加信号，并由各次用户接收；
[0011]S3：融合中心收集各次用户接收的叠加信号，整合为二维信号张量；
[0012]S4：将二维信号张量输入构建的自编码器中进行去噪处理，获得去噪信号；
[0013]S5：基于现有的特征提取算法，对去噪信号进行特征提取，获得特征向量；
[0014]S6：基于现有的聚类算法，对特征向量进行分类，获得信道的状态类别，实现频谱感知。
[0015]优选地，所述叠加信号具体为：
[0016]所述非正交多址场景的频谱感知模型包括M个主用户，M个主用户共用一个信道，则信道的状态有2
M
种，分别记为包括S个次用户，设定每个次用户接收的叠加信号的信号长度均为L，则：
[0017][0018]式中，x
j
(t)表示第j个次用户在第t个时间节点接收的叠加信号，j＝1,2,
…
,S；n(t)表示第t个时间节点的加性高斯白噪声，y
M
(t)表示第M个主用户在第t个时间节点的无噪信号，由主用户的发射信号计算获得：
[0019]y
i
(t)＝h
i
(t)Ω
i
s
i
(t)
[0020]式中，y
i
(t)表示第i个主用户在第t个时间节点的无噪信号，i＝1,2,
…
,M；h
i
(t)表示第i个主用户在第t个时间节点与次用户之间的莱斯信道衰落，Ω
i
表示第i个主用户的功率因子，s
i
(t)表示第i个主用户在第t个时间节点的发射信号；t＝1,2,
…
,L。
[0021]优选地，所述二维信号张量具体为：
[0022][0023]式中，X表示二维信号张量，x
j
(t)表示第j个次用户在第t个时间节点接收的叠加信号。
[0024]优选地，所述构建的自编码器包括第一卷积层、第二卷积层、第一门控循环单元、
拼接层、最大池化层、第三卷积层、第二门控循环单元、反卷积层、第四卷积层和第五卷积层；
[0025]第一卷积层、第二卷积层、第一门控循环单元、拼接层、反卷积层、第四卷积层和第五卷积层依次连接；
[0026]最大池化层、第三卷积层和第二门控循环单元依次连接；
[0027]第一卷积层的输出端还与最大池化层的输入端连接，第二门控循环单元的输出端与拼接层的输入端连接。
[0028]优选地，在所述将二维信号张量输入构建的自编码器中进行去噪处理前，还需对构建的自编码器进行训练，包括：
[0029]对主用户的发射信号求和，作为无噪信号数据集Y；对加性高斯白噪声求和，获得加性噪声数据集n，n服从正态分布且满足二维信号张量X＝Y+N；根据二维信号张量X构造训练数据对构造方法为：
[0030][0031][0032]式中，表示输入训练数据，表示期望输出数据，∈表示添加噪声，服从标准正态分布A,B分别表示第一预设矩阵和第二预设矩阵；
[0033]设定自编码器的训练损失函数：
[0034][0035]式中，g
θ<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向非正交多址场景的频谱感知方法，其特征在于，包括：S1：建立非正交多址场景的频谱感知模型，所述模型包括：若干个主用户、若干个次用户和一个融合中心；S2：各主用户分别产生发射信号，在信道上分别与加性高斯白噪声叠加，生成叠加信号，并由各次用户接收；S3：融合中心收集各次用户接收的叠加信号，整合为二维信号张量；S4：将二维信号张量输入构建的自编码器中进行去噪处理，获得去噪信号；S5：基于现有的特征提取算法，对去噪信号进行特征提取，获得特征向量；S6：基于现有的聚类算法，对特征向量进行分类，获得信道的状态类别，实现频谱感知。2.根据权利要求1所述的面向非正交多址场景的频谱感知方法，其特征在于，所述叠加信号具体为：所述非正交多址场景的频谱感知模型包括M个主用户，M个主用户共用一个信道，则信道的状态有2
M
种，分别记为包括S个次用户，设定每个次用户接收的叠加信号的信号长度均为L，则：式中，x
j
(t)表示第j个次用户在第t个时间节点接收的叠加信号，j＝1,2,...,S；n(t)表示第t个时间节点的加性高斯白噪声，y
M
(t)表示第M个主用户在第t个时间节点的无噪信号，由主用户的发射信号计算获得：y
i
(t)＝h
i
(t)Ω
i
s
i
(t)式中，y
i
(t)表示第i个主用户在第t个时间节点的无噪信号，i＝1,2,
…
,M；h
i
(t)表示第i个主用户在第t个时间节点与次用户之间的莱斯信道衰落，Ω
i
表示第i个主用户的功率因子，s
i
(t)表示第i个主用户在第t个时间节点的发射信号；t＝1,2,...,L。3.根据权利要求2所述的面向非正交多址场景的频谱感知方法，其特征在于，所述二维信号张量具体为：式中，X表示二维信号张量，x
j
(t)表示第j个次用户在第t个时间节点接收的叠加信号。4.根据权利要求1或3所述的面向非正交多址场景的频谱感知方法，其特征在于，所述构建的自编码器包括第一卷积层、第二卷积层、第一门控循环单元、拼接层、最大池化层、第三卷积层、第二门控循环单元、反卷积层、第四卷积层和第五卷积层；第一卷积层、第二卷积层、第一门控循环单元、拼接层、反卷积层、第四卷积层和第五卷积层依次连接；
最大池化层、第三卷积层和第二门控循环单元依次连接；第一卷积层的输出端还与最大池化层的输入端连接，第二门控循环单元的输出端与拼接层的输入端连接。5.根据权利要求3所述的面向非正交多址场景的频谱感知方法，其特征在于，在所述将二维信号张量输入构建的自编码器中进行去噪处理前，还需对构建的自编码...

【专利技术属性】
技术研发人员：王永华，廖宁康，郑冰锋，万频，齐蕾，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：