[发明专利]一种基于狼群优化的人工神经网络频谱感知方法

说明书

技术领域

本发明涉及一种基于狼群优化的人工神经网络频谱感知方法。

背景技术

“认知无线电”最早是由Joseph Mitola于1999年提出，它以软件无线电为扩展平台，是一种新的智能无线通信技术。它能够感知周围的无线环境，通过对环境的理解、主动学习来实时调整传输参数等以适应外部无线环境的变化。频谱感知技术是指认知用户通过各种信号检测和处理手段来获取无线网络中的频谱使用信息。目前频谱感知技术的研究大多数集中在本地感知、协作感知和感知机制优化三个方面。

本地检测的方法，目前主要有三种，第一种是匹配滤波器检测，该方法检测性能最优，检测时间短，但是需要获取主用户信号的先验信息；第二种是循环平稳特性检测，该方法可以区分信号类型、低信噪比环境下也有较好的检测性能，但是计算复杂度较高检测时间较长；第三种方法就是能量检测的方法，实现简单、无需先验信息，受到广泛的应用，虽然精度低、性能易受信噪比不确定性影响、不能辨别干扰，但是应用在协作式频谱感知方面，作为认知用户的本地检测方法，能够很好的弥补这方面的问题。

协作频谱感知的融合算法，经典的有‘与’融合，‘或’融合以及‘K秩’融合等算法，用在协作频谱感知算法上都有非常明显的缺陷，如，‘与’融合对认知用户的本地检测有过高的要求，‘或’融合高虛警概率等，并且都不够智能，没有自主学习能力。

人工神经网络作为一门活跃的边缘性交叉学科，众多方面有着十分广泛的应用。人工神经网络是由多个简单(通常是自适应的)单元及其层次化组织所构成的大规模并行互联的网络，它以类似于生物神经系统的方式与真实世界中的对象进行交互。通过在线学习的方法来积累主用户信号的先验信息，在某个噪声波动范围内进行学习和训练以克服噪声不确定性的影响，使认知用户能够快速地，准确地感知“频谱空穴”(即判断主用户是否存在)，伺机的接入频谱，达到提高频谱利用率的目的。一般将神经网络分为五类，单层前向网络、多层前向网络、反馈网络、随机神经网络以及竞争神经网络。而其中采用误差反向传播算法(Back—Propagation algorithm，BP算法)和反馈网络中的Hopfield神经网络已经被广泛应用于多种学科中，而自组织神经网络作为竞争神经网络的一种，相对于这些神经网络来说，更加的智能化，可以自主学习，可以将输出结果划分种类区域等，拥有其他神经网络不可比拟的优势。

狼群优化方法是在分析狼群的协作捕猎活动特点的基础上提出一种新的群体智能算法。该算法将人工狼群分为头狼、探狼和猛狼三种，其中头狼是以胜者为王的方式选出来的，探狼在一定范围内游走并寻找猎物，猛狼在头狼发出召唤时，向召唤发出方向进行奔袭并发起围攻。

与本发明最相关的现有技术为，在2012年1月北京邮电大学的柳青在硕士学位论文《基于竞争神经网络的的认知无线电协作频谱感知》中，提出了一种基于自组织神经网络的频谱感知方法，该方法检测的虚警概率为0，在低信噪比环境下，依然具有一定的感知正确概率，但是该正确概率并不高。

发明内容

本发明目的在于提供一种基于狼群优化的人工神经网络频谱感知方法，具有更优化的性能，能够有效提高感知正确概率。

实现本发明目的技术方案：

一种基于狼群优化的人工神经网络频谱感知方法，其特征在于:

步骤1：神经网络训练阶段；决策中心依次打开各个子区域内的主用户信号模拟发射机，决策中心接收来自认知用户的本地检测结果，将接收的认知用户发送的本地检测信息及统计和计算的认知用户的检测概率信息，生成训练样本集，将训练样本输入神经网络训练模块中进行训练；训练结束后，根据神经网络结构及训练样本生成神经网络测试函数；

步骤2：神经网络优化阶段；基于神经网络测试函数和训练后生成的神经元权值矩阵，运用狼群优化方法在神经网络优化模块中对权值矩阵进行优化处理，将优化后的权值矩阵输入神经网络工作模块中；

步骤3：神经网络工作阶段；认知用户对主用户信号进行检测，将本地检测结果发往决策中心，决策中心将接收到的认知用户的本地检测结果与累计的认知用户检测概率进行融合，融合值输入优化后的神经网络，判断主用户信号是否出现，并将检测结果发送给各认知用户。

认知用户频谱感知区域划分方法为，选定一块方形区域，均分成若干块子区域并编号，在同一时间内每块子区域内只存在一个认知用户。

神经网络网络结构分为输入神经元与输出神经元两层，输入神经元个数与子区域数量相等，输出神经元个数表示主用户出现情况。