[发明专利]基于最大最小距离分簇的分布式协作频谱感知方法有效
申请号: | 201910079086.4 | 申请日: | 2019-01-28 |
公开(公告)号: | CN109547136B | 公开(公告)日: | 2020-03-17 |
发明(设计)人: | 许文俊;聂汝柳;张治;冯志勇;张平;林家儒 | 申请(专利权)人: | 北京邮电大学 |
主分类号: | H04B17/382 | 分类号: | H04B17/382 |
代理公司: | 北京风雅颂专利代理有限公司 11403 | 代理人: | 陈宙 |
地址: | 100876 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 最大 最小 距离 分布式 协作 频谱 感知 方法 | ||
1.基于最大最小距离分簇的分布式协作频谱感知方法,适用于认知无人机网络,所述认知无人机网络中具有一个主用户和N个认知无人机,其特征在于,其步骤为:
利用最大最小距离分簇算法将认知无人机分成多个簇,簇内选出簇头;
各认知无人机使用能量检测得到主用户的感知信息;
根据分簇情况和各认知无人机的感知信息进行两步融合,使各认知无人机均得到一个一致收敛的全局感应信息;
根据全局感知信息作出主用户是否占用频谱的判决;
所述最大最小距离分簇的算法包括:
步骤一、随机选择一个认知无人机作为第一个聚类中心Z1;
步骤二、计算其余认知无人机与Z1之间的欧式距离,选择距离Z1最远的认知无人机为第二个聚类中心Z2,并D1,2=||Z1-Z2||,令D1,2作为判别参数;
步骤三、计算其余认知无人机与Z1和第二个聚类中心Z2的欧式距离,并选出其中的最小距离,即min(Di,1,Di,2,...),i=1,2,3,...N,所有最小距离的集合表示为{min(D11,D12,...),min(D21,D22,...),min(Di1,Di2,...)...},i=1,2,3,...N;
步骤四、选出所有最小距离集合中的最大距离D=max(min(Di,1,Di,2,...)),其中,i=1,2,3,...;
步骤五、对最大距离D与判别参数D1,2进行判断,若D>θ·D1,2,则产生最大距离的认知无人机为新增的聚类中心,并返回执行步骤三、步骤四,直至没有新的聚类中心产生;若D<θ·D1,2,执行下一步,其中θ为初始化参数;
步骤六、将聚类中心之外的认知无人机划分至距离其最近的聚类中心代表的簇中;
步骤七、对簇中认知无人机的数量进行判断,如果一个簇中只有一个认知无人机,则重复执行步骤六,如果一个簇中有多个认知无人机,则执行下一步;
步骤八、计算各认知无人机的信任值,取一个簇内信任值最大的认知无人机为簇头;
所述两步融合包括簇内集中式融合与簇间分布式融合,其具体步骤为:
在簇内各认知无人机使用能量检测得到主用户的感知信息;
簇内各认知无人机将感知信息发送至簇头;
簇头在簇内对各认知无人机的感知信息进行软融合,得到融合感知信息;
各簇头与其相邻簇头交换融合感知信息,进行分布式融合,对融合结果进行判断,如果融合结果不为收敛的,则继续融合,如果得到一致收敛的融合结果则执行下一步;
由融合结果得出全局感应信息,所述全局感应信息即为收敛值x*,将收敛值x*与判决门限λ相比做出最终判决,得出主用户是否占用频谱的结果。
2.根据权利要求1所述的基于最大最小距离分簇的分布式协作频谱感知方法,其特征在于,所述欧式距离的计算方式为:其中Di,j为无人机i与无人机j的欧式距离,xi、xj代表认知无人机i、认知无人机j在三维空间的位置,移动速度和移动方向,ω1为第一个聚类中心的权重因子,ω2为第二个聚类中心的权重因子,分别为认知无人机i、认知无人机j在时隙开始和结束时的距离。
3.根据权利要求1所述的基于最大最小距离分簇的分布式协作频谱感知方法,其特征在于,所述认知无人机的信任值计算方式为:认知无人机i的信任值为ωi是权重因子,i=1,2,3,△t为一个时隙,d0为主用户到认知无人机在时隙开始时的位置的距离,d1为主用户到认知无人机在时隙结束时的位置的距离,v为认知无人机的移动速度。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京邮电大学,未经北京邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910079086.4/1.html,转载请声明来源钻瓜专利网。