[发明专利]一种基于机器学习的频谱感知方法及装置

权利要求书

1.一种基于机器学习的频谱感知方法，其特征在于，包括：

提取训练信号的RMET特征；

利用所述RMET特征确定特征向量，利用K-medoids算法与所述特征向量确定分类器；

在当前频道获取测试信号，提取所述测试信号的测试RMET特征；

利用所述分类器对所述测试RMET特征进行分类，通过分类结果计算检测概率；

所述提取训练信号的RMET特征，包括：

在已知网络中确定训练信号；其中，所述已知网络包括有主用户使用的网络与无主用户使用的网络；

根据所述训练信号得到一个感知时间段内多个次用户的第一感知矩阵；其中，第一感知矩阵为，为第i个次用户的所述训练信号的采样矩阵；

将所述第一感知矩阵按预设组数进行分组得到所述预设组数个的第二感知矩阵；

计算得到每组第二感知矩阵的RMET特征；

利用所述RMET特征确定特征向量，利用K-medoids算法与所述特征向量确定分类器，包括：

S401，利用所述RMET特征确定特征向量；

S402，在所述特征向量中随机确定medoid与非medoid；

S403，将所述特征向量中的非medoid分配到与所述非medoid距离最近的medoid，形成簇内数据集合，其中所述medoid为簇心，所述非medoid为簇内的普通点；

S404，利用公式更新每个簇内数据集合的medoid；其中为所述medoid，为所述簇内数据集合，、为所述非medoid；

S405，判断更新后的medoid是否与更新前的medoid一致；

S406，若是，则停止，确定分类器；

S407，若否，则将更新后的medoid作为medoid，返回S403。

2.根据权利要求1所述的频谱感知方法，其特征在于，将所述第一感知矩阵按预设组数进行分组得到所述预设组数个的第二感知矩阵之后，还包括：

将每组第二感知矩阵进行IQ分解得到每组第三感知矩阵；

则所述计算得到每组第二感知矩阵的RMET特征，包括：

计算得到每组第三感知矩阵的RMET特征。

3.根据权利要求1或2所述的频谱感知方法，其特征在于，所述通过分类结果感知所述当前频道是否可用并计算检测概率之后，还包括：

利用所述分类结果计算虚警概率。