[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

说明书

本发明涉及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，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。与现有技术相比，本发明通过边界用户搜索算法筛选出距离频谱状态边界较远的次要用户，这些次要用户可无需参与检测目标频段，从而降低频谱图构建的能量开销和时间开销。

技术领域

本发明涉及一种频谱图构建方法，尤其是涉及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。

背景技术

当今的无线通信环境中干扰频发，无线电干扰导致的公共网络通信中断问题大量存在。认知无线电技术(CR)能够有效解决这些问题。认知无线电被定义为一种建立在软件无线电(SDR)基础上的智能无线通信技术。它能够连续不断地感知周围的无线电环境，并进行分析，做出决策，动态地选择空闲的频率进行通信，然后运用无线电知识表示语言(RKRL)自适应地修改设备内部的通信参数。

认知无线电网络由两类用户组成，分别是拥有授权频段使用权限的主要用户(PU)以及具备认知功能，机会式地使用授权频段的次要用户(SU)。认知能力指的是认知无线电用户可以在其工作的无线环境中捕获或检测有用信息的能力。在无线环境中获取感知数据并进行分析，最终获得目标频谱可用性判决结果的过程即为频谱感知。频谱感知可分为单点频谱感知和多点协作频谱感知，分别由一个次要用户和多个次要用户来完成。传统的频谱感知多选择协作频谱感知策略，将次要用户根据其频谱状态分簇，即可对簇内节点的感知信息统一处理做出可用性判决。在本发明面对的大规模认知无线电网络中，次要用户频谱状态由于地形、主要用户位置等原因无法准确分簇，因此在各个感知节点上使用单点频谱感知策略，即各节点根据其自身感知到的信息对目标频段独立做出可用性判决。

目前的频谱感知对于历史数据的利用并不充分，还有很大的研究空间，而将机器学习算法引入认知无线电领域也是提高认知无线电网络性能的行之有效的方式。在大规模认知无线电网络中，由于历史数据具有数据量较大、冗余信息多等特点，使用现有技术建立频谱图的时间复杂度较高。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供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。

本发明的目的可以通过以下技术方案来实现：

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，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。

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；