[发明专利]基于历史判决数据学习的低开销实时频谱图构建方法

权利要求书

1.一种基于历史判决数据学习的低开销实时频谱图构建方法，其特征在于，包括：

步骤S1：载入采集的大规模认知无线电网络中所有感知节点通过单点频谱感知算法得到的目标频谱可用性历史判决数据，

步骤S2：使用最小二乘支持向量机分析载入的历史判决数据确定频谱状态边界以构建频谱图，

步骤S3：通过边界用户搜索算法确定历史判决数据中的支持向量以优化频谱图；

所述步骤S2具体包括：

步骤S21：构建频谱状态边界的约束方程，

步骤S22：通过拉格朗日乘子法求解约束方程；，

步骤S23：根据求解结果确定核函数以构建频谱图；

所述步骤S21具体包括：

步骤S211：构建样本空间或更高维空间中的频谱状态边界公式：

w^Tφ(x)+b＝0

其中：w＝{w₁,w₂,...,w_N}^T为频谱状态边界的法向量，N为空间维数，b为频谱状态边界的位移参数，φ(x)为位置信息向量x在更高维空间上的映射函数，若不需要映射到更高维空间，则φ(x)＝x，

步骤S212：构建法向量w的约束方程：

s.t.S_m＝w^Tφ(x_m)+b+ξ_m,m＝1,2,...,M

其中：||·||²为范数的平方，ξ_m为第m个次要用户根据位置信息和频谱状态边界所划分的频谱状态与频谱可用性判决结果之间的误差，C为对误差ξ_m的容忍度参数，M为次要用户数，S_m为第m个次要用户的频谱可用性判决结果，x_m为第m个次要用户的位置信息向量。

2.根据权利要求1所述的一种基于历史判决数据学习的低开销实时频谱图构建方法，其特征在于，所述步骤S1具体包括：

步骤S11：设定单点频谱感知的能量判决门限；

步骤S12：建立某一时刻网络中所有次要用户的接收信号能量集合；

步骤S13：对接收信号能量集合中每个元素与能量判决门限比较，若信号能量小于判决门限，则该次要用户将判定目标频谱可用，反之，该次要用户将判定目标频谱不可用；

步骤S14：根据所有元素的判决结果形成判决结果集；

步骤S15：将判决结果集和次要用户位置信息形成的特征集汇入数据融合中心。

3.根据权利要求1所述的一种基于历史判决数据学习的低开销实时频谱图构建方法，其特征在于，所述步骤S22具体包括：

步骤S221：将代入步约束方程中，解出拉格朗日乘子集α；

步骤S222：根据拉格朗日乘子集α得到频谱状态边界的法向量w和位移参数b，得到频谱状态边界。

4.根据权利要求3所述的一种基于历史判决数据学习的低开销实时频谱图构建方法，其特征在于，所述步骤S221中变形后的约束方程为：

其中：α＝{α₁,α₂,…α_m,…,α_M}。

5.根据权利要求3所述的一种基于历史判决数据学习的低开销实时频谱图构建方法，其特征在于，所述法向量为：

所述位移参数通过使拉格朗日函数取最小值得到。

6.根据权利要求1所述的一种基于历史判决数据学习的低开销实时频谱图构建方法，其特征在于，所述核函数为径向基函数：

exp(-||x_i-x_j||²/2σ²)

其中：σ为径向基函数的宽度参数。