[发明专利]一种基于改进BP神经网络算法的动态信道接入方法

说明书

本发明涉及一种在认知无线电网络中基于改进BP神经网络算法的动态信道接入方法，属于无线通信技术领域。本发明通过获取信道中的频谱感知数据为数据集，来训练改进的BP神经网络算法，改进的BP神经网络算法将全反传式网络变为局部反传式网络，提高训练效率，之后再通过训练完成的BP神经来预测认知无线电中各个信道主用户接入的概率，对比预测结果得出可用的信道集合，为次级用户传输提供可用信道。本发明能有效提高认知无线电网络的通信性能、信道利用率和系统稳定性，并减少了主用户与次用户之间的接入冲突。

技术领域

本发明涉及一种在认知无线电网络中基于改进BP神经网络算法的动态信道接入方法，属于无线通信技术领域。

背景技术

伴随着移动通信技术的高速发展，频谱资源变得越来越紧张。尤其是随着无线局域网 (WLAN)技术、无线个人域网络(WPAN)技术的发展，越来越多的人通过这些技术以无线的方式接入互联网。各级各类用户对无线电频谱资源的需求与日俱增。但目前大部分国家主要还是采用独占授权的方式分配频谱资源，这导致可用的频谱资源越来越少。虽然这种分配方式具有很高的稳定性和可靠性，但是这也成为了部分频谱利用率不高和频谱资源供需出现矛盾的主要原因。

认知无线电技术的出现为解决无线频谱资源紧缺供求不足的现状提供了全新的思路。在认知无线电的通信中，次级用户(secondary user，SU)能够动态地使用主用户(primary user，PU)的空闲信道来传输自己的数据，将信道的空闲频段充分利用。当PU需要使用信道时，SU迅速切换到其它空闲的信道中，实现SU的动态信道接入，在尽量避免对PU的造成影响的前提下，动态地调整认知用户占用的频段、发射功率等参数，充分利用频率和时间等多个维度的频谱资源，实现无线信道的智能接入和空闲频谱资源的高效利用。SU 的动态接入需要通过频谱感知来完成，但频谱感知容易受多方面因素的影响，因此通过改进BP神经网络算法来预测PU的接入情况，为SU动态传输提供支持。

为了提高认知无线电网络的通信效率，改善PU与SU对信道的利用率，本发明将信道可用性的预测和SU的动态信道接入相结合。BP神经网络算法在通信的信道预测方面也发挥着重要的作用，结合神经网络算法实现的信道预测，相对于传统的频谱感知方法更高效。而信道的预测刚好为动态信道接入的选择提供了参考依据，通过信道预测的结果来选择可行性最优的信道集合，SU通过信道集合在认知无线电网络中传输数据来避免与PU的接入冲突。并且本发明提出的基于改进BP神经网络算法的动态信道接入方法，在传统的BP神经网络算法中加入协调器来提高神经网络的训练速率，根据预测误差的大小来进行局部阈值的调整，加快算法的训练速度。

发明内容

针对现有技术的不足，本发明提供了一种基于改机BP神经网络算法的动态信道接入方法，采用改进BP神经网络算法预测信道状态，具有提高信道利用率，降低网络损耗等优点，解决了频谱资源不足的问题。

为实现上述能够及时预测空闲信道，完成次级用户动态接入信道的目的，本发明提供如下技术方案：一种基于改进BP神经网络算法的动态信道接入方法，具体步骤如下：

Step1、在动态信道接入的系统模型中，假设有M个信道，每一个信道中存在一个独立的主用户，模拟主用户接入情况，主用户接入到达信道速率服从参数为λ_p的泊松分布，泊松分布数据流的等待时间服从负指数分布，每一个信道中主用户的速率和等待时间参数都随机产生；

Step2、获取M个信道中主用户接入产生的数据集，获取各个主用户在信道中接入时刻、传输时间、离开时刻和信道中的信噪比；

Step3、通过获取的数据集对已有的BP神经网络模型进行训练学习，具体的训练流程如下：

(1)初始化BP神经网络模型隐藏层权值w_ij、输出层取值w_jk及对应的阈值以及误差设定值ε，设置循环次数R；

(2)输入样本数据即步骤Step2中获取的数据集；