[发明专利]一种信道占用状态检测方法、装置、电子设备及存储介质

说明书

本申请公开了一种信道占用状态检测方法，为优化无法被K‑means聚类算法准确处理的不服从高斯分布的信号，本申请利用谱聚类算法中的高斯核函数将对应于实际信号的实际特征映射至高维空间，使得即使不服从高斯分布的信号也能够在该高维空间中很好的表达，并参与后续的特征分类，使得基于高斯核函数的谱聚类算法构造出的信道占用分类器相比于K‑means聚类算法构造出的分类器拥有更高的分类精准度。本申请还同时公开了一种信道占用状态检测装置、电子设备及计算机可读存储介质，具有上述有益效果。

技术领域

本申请涉及频谱感知技术领域，特别涉及一种信道占用状态检测方法、装置、电子设备及计算机可读存储介质。

背景技术

无线通信技术的迅猛发展激发了越来越多的无线网络业务，而频谱作为无线网络中最宝贵的资源，已经难以满足目前及将来的无线业务需求。现有的固定频谱分配方式使得频谱利用率低且严重不均，通过调查研究发现，任意时间、任意地点的频谱平均利用率低于5％。所以，频谱利用率过低是目前面临的一个主要的问题。

频谱利用率主要通过将当前处于空闲状态的信道分配给其它需要使用的用户的方式来提升，此种方式下最重要的部分是如何检测信道是否处于占用状态或空闲状态。比较常用的最为简单的能量检测算法、基于随机矩阵理论的检测方法，随着数据复杂度的上升和对检测精准度要求的提升，基于机器学习的聚类算法因能够带来更好的分类检测结果被引入频谱感知领域。

现今应用在频谱感知领域中用于判别信道占用状态的聚类算法绝大多数为K-means聚类算法(中文称K均值聚类算法)，但K-means聚类算法采取二次欧氏距离作为相似性的度量，并且假设分类时的聚类误差是服从正态分布(高斯分布)的，因此K-means聚类算法在处理非标准正态分布和非均匀样本集合时会得到不甚理想的聚类效果。

因此，如何提供一种比K-means算法更优的聚类算法来提升频谱感知领域下对信道占用状态的检测精准度，是本领域技术人员亟待解决的问题。

发明内容

本申请的目的在于提供一种信道占用状态检测方法、装置、电子设备及检测方法，旨在提供一种信道占用状态检测精准度比现有K-means聚类算法更高的聚类算法，以尽可能的降低因检测结果错误带来的信道冲突现象的发生概率。

为实现上述目的，本申请提供一种信道占用状态检测方法，该方法包括：

获取目标信道的实际信号，并根据所述实际信号构造目标采样矩阵；

从所述目标采样矩阵中提取得到实际特征；

利用根据谱聚类算法构造的信道占用分类器确定特征为所述实际特征的目标信道是否处于被占用状态；其中，所述信道占用分类器是利用所述谱聚类算法下的高斯核函数构造得到的。

可选的，构造得到所述信道占用分类器的过程包括：

获取样本信道的样本信号，并根据所述样本信号构造样本采样矩阵；

从所述样本采样矩阵中提取得到样本特征；

利用所述高斯核函数将所述样本特征在高维空间进行表达，得到高维样本特征；

利用将聚类中心数预设为2的谱聚类算法对各所述高维样本特征进行聚类处理，得到聚类结果；

根据所述聚类结果构造得到所述信道占用分类器。

可选的，从所述目标采样矩阵中提取得到实际特征，包括：

对所述目标采样矩阵分别按照顺序拆分重组和间隔拆分重组的方式进行拆分重组，对应得到第一拆分重组矩阵和第二拆分重组矩阵；

分别根据所述第一拆分重组矩阵和所述第二拆分重组矩阵提取得到第一实际特征和第二实际特征。

可选的，该信道占用状态检测方法还包括：