[发明专利]基于迁移学习策略的频谱预测切换方法

说明书

本发明提供了一种基于迁移学习策略的频谱预测切换方法，包括如下步骤：将次用户SU的频谱切换的范围内划分为N+1个互不重叠的PUm，将没有被次用户SU占用的N个PU信道按照中心频率从小到大顺序，为第k个PU信道，k为正整数；将HCRNs系统的每一时隙划分为：频谱感知T_S、切换确认T_ACK和传输阶段T_D，在频谱感知T_S时间段内，次用户SU对应的基站SBS通过频谱预测感知，从N个PU信道中，选出能够使得次用户SU频谱切换接入的M个空闲信道φ_k为第k个空闲信道；检测次用户SU在切换确认T_ACK时间间隔内是否收到频谱切换完成的确认信号，当检测到所述确认信号时，则频谱切换过程结束。本发明在HCRNs时隙中，通过增加了一切换确认TACK环节，保证了频谱切换的鲁棒性。

技术领域

本发明涉及认知无线电技术领域，具体地，涉及一种基于迁移学习策略的频谱预测切换方法。

背景技术

认知无线电网络CRNs(Cognitive Radio Networks)通过动态频谱接入DSA(Dynamic spectrum access)及频谱资源管理技术，可有效解决当前无线频谱资源紧缺与无线频谱利用率低下之间的矛盾，提高系统的通信容量。混合式认知无线电网络HCRNs(Hybrid Cognitive Radio Networks)是将Interweave式和Underlay式频谱接入统一起来的一种模式，由于其较单一模式频谱接入技术的频谱利用率更高，故研究HCRNs技术更具理论和现实意义。

然而，HCRNs系统面临着诸多技术挑战，其中之一，就是频谱切换技术。根据频谱切换前次用户SU(Secondary user)是否对主用户PU(Primary user)目标信道进行预先选择判决，可将频谱切换分为非预测判决(被动判决)和预测判决(主动判决)两种频谱切换方法。预测判决式频谱切换有效克服了被动判决式频谱切换方法时延较长的缺点，大大节省了SU频谱切换的服务时间，极大地提高了频谱切换的敏捷性和系统性能。

因此，近年来，预测判决式频谱切换技术已成为CRNs技术的一个研究热点。有学者根据授权用户或主用户PU频谱空洞的残余时间分布函数，建立频谱切换概率的分析模型，进而推导出认知用户或次用户SU平均切换次数的解析表达式，并分析了切换次数对SU切换概率的影响。但未考虑SU传输速率、CRNs吞吐量等系统整体性能最优的问题。还有学者假设SU进行频谱切换均需K个固定时隙，并对目标空闲信道按照获得连续K个空闲时隙的概率，从大到小依次排序，以此作为SU频谱切换接入目标空闲信道时的先后顺序。该方法虽然可以将频谱切换次数降为最低，但是，由于该方法的频谱切换时间固定为K个时隙，因此无法减少频谱切换时间，且未考虑频谱切换中较为重要的系统吞吐量等问题。

上述基于预测判决的频谱切换方法仍然存在以下问题：1、只考虑一对发送和接收SU之间进行数据传输的情形，而未考虑周边SU的影响；2、只考虑到单一频谱接入模式下的CRNs频谱切换场景，而未考虑到频谱利用率更高、更贴近实际情况的混合频谱接入式HCRNs应用场景，以及该场景下多SU频谱切换问题；3、未对SU切换成功率或失败率进行分析。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种混合认知无线网络中基于迁移学习策略的频谱预测切换方法，与传统频谱预测切换方法相比，本发明方法具有更高的切换成功率和更大的系统容量。

根据本发明提供的一种基于迁移学习策略的频谱预测切换方法，包括如下步骤：

步骤S1：将次用户SU的频谱切换的范围内划分为N+1个互不重叠的PU信道，将不包括被次用户SU占用的N个PU信道按照中心频率从小到大排序，为第k个PU信道，k为正整数；