[发明专利]一种深度学习的认知无线网络多用户协作频谱感知方法在审
| 申请号： | 201711366712.5 | 申请日： | 2017-12-18 |
| 公开（公告）号： | CN107995628A | 公开（公告）日： | 2018-05-04 |
| 发明（设计）人： | 黎海涛 | 申请（专利权）人： | 北京工业大学 |
| 主分类号： | H04W16/14 | 分类号： | H04W16/14;H04B17/382;H04B17/391 |
| 代理公司： | 北京思海天达知识产权代理有限公司11203 | 代理人： | 张慧 |
| 地址： | 100124 *** | 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： | 本发明提供了一种深度学习的认知无线网络多用户协作频谱感知方法，利用相邻次用户和频率信道在空间和频谱域的相关性，采用卷积神经网络对频谱感知数据进行细粒度特征区分从而提高感知精度。其具体实施时，首先利用各个用户感知数据对构建的多层卷积神经网络模型进行训练，然后把次用户当前频谱感知结果输入已训练完成的卷积神经网络模型，该模型自动地提取感知数据的特征，并根据提取的特征进行分类识别，获得次用户对主用户当前频率信道的协作频谱感知结果。 | ||
| 搜索关键词： | 一种 深度 学习 认知 无线网络 多用户 协作 频谱 感知 方法 | ||
【主权项】：
一种深度学习的认知无线网络多用户协作频谱感知方法，其特征在于：包括以下步骤，步骤1：离线训练阶段，不同位置空间处的次用户独立地对主用户的频率信道进行频谱感知；步骤2：次用户把感知结果发送到融合中心；步骤3：融合中心利用感知结果生成CNN的输入数据矩阵，该矩阵中每个元素可以是硬判决或软判决值；步骤4：构建用于频谱感知的多层卷积神经网络模型；步骤5：利用步骤3中的样本对步骤4中构建的卷积神经网络模型进行训练；步骤6：在线感知阶段，次用户把当前频谱感知数据传送到融合中心；步骤7：融合中心把次用户当前频谱感知结果输入已训练完成的卷积神经网络模型，CNN模型自动地提取感知数据的特征，并根据提取的特征进行分类识别，获得次用户对当前频率信道的协作频谱感知结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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工业大学，未经北京工业大学许可，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/patent/201711366712.5/，转载请声明来源钻瓜专利网。
