[发明专利]一种基于XGBoost的认知无线电协作频谱感知方法及系统

权利要求书

1.一种基于XGBoost的认知无线电协作频谱感知方法，其特征在于：该方法包括如下步骤：

(1)认知用户和距离认知用户较近的次级用户节点分别利用压缩感知观测矩阵对信号进行压缩抽样得到观测序列，对观测序列进行归一化的处理，并分别发送到数据融合中心，其中观测矩阵为满足约束等距性的压缩感知观测矩阵；

(2)数据融合中心接收到认知用户和次级用户的归一化观测序列后输入到采用XGBoost算法设计的频谱感知分类器，利用频谱感知分类器输出判决结果；

(3)将步骤(2)中的认知用户和次级用户的判决结果根据融合判决规则得到最后的判决结果；

所述步骤(1)中采用Dijkstra算法确定距离认知用户较近的次级用户节点，具体步骤包括：

(1.1)计算认知用户节点到次级用户节点的直接距离d_dir；

(1.2)利用Dijkstra算法计算认知用户节点到次级用户节点的最短距离d_indir；

(1.3)若直接距离d_dir大于最短距离d_indir，那么就舍弃该次级用户节点；若直接距离d_dir等于最短距离d_indir，那么就保留该次级用户节点；

所述步骤(1)中的压缩感知观测矩阵选取的是基于Walsh序列的哈达玛矩阵Φ；经抽样得到的观测序列表示为：y＝Φx，x表示次级用户时域离散信号；观测序列的归一化预处理表示为：y′＝(y-y_max)/(y_max-y_min)，其中y′是观测序列预处理后的信号，取值范围为：y′∈[0,1]，y_max表示的是观测序列的最大值，y_min表示的是观测序列的最小值；

所述步骤(2)中融合数据中心的基于XGBoost的频谱感知分类器，其中XGBoost的推导过程为：

(2.1)给定训练样本集合D＝{(y′₁,z₁),...,(y′_N,z_N)}，其中N是样本数量，y′_i是观测序列y_i经过归一化处理后的训练样本，i＝1,2,...N，z_i表示的是某段子信道处于空闲还是占用的状态；树的集成模型表示为：其中F＝{f(y)＝w_q(x)}(q:Rⁿ→T,w∈R^T)是回归树的集合空间，K表示的是树的个数，q表示的是每一棵树的结构映射到样本所对应的叶子索引，T表示的是树上叶子的数量，每一棵f_k对应一个队里的树结构q和叶子的权重w；Rⁿ表示样本x用n维实数表示，R^T表示叶子的权重用T维实数表示，w_q(x)表示样本x对于树结构q映射到叶子的权重w；

(2.2)目标函数定义为：其中公式的前半部分l是预测值和目标真实值的训练误差，后半部分表示的是每棵树的复杂度之和，其中其中γ和λ是正则化系数；

(2.3)采用加法训练模型分步优化目标函数：

是第i个样本在第t轮的模型预测值，保留t-1轮的模型预测值后，加入了一个新的函数f_t(y′_i)；在每一轮的加法过程中都选择加入一个新的函数，目标函数可以改写为：

采用泰勒级数展开近似定义目标函数：

把常数项cons移除以后就得到判决函数，表示对求偏导。