[发明专利]一种基于K均值算法的频谱感知方法与装置

说明书

本发明公开了一种基于K均值算法的频谱感知方法，获取训练信号，计算得到所述训练信号的MME特征；利用K均值聚类算法与所述MME特征得到分类器；获取测试信号，计算得到所述测试信号的测试MME特征；利用所述分类器对所述测试MME特征分类得到分类结果，利用所述分类结果计算检测概率。可见，本发明实施例提供的一种基于K均值算法的频谱感知方法，计算训练信号的MME特征，然后利用K均值算法得到分类器，训练好分类器后再将测试信号的测试MME特征导入分类器进行分类得到分类结果。利用MME特征与K均值算法结合，提高了频谱感知的检测性能。本发明还公开了一种基于K均值算法的频谱感知装置，同样可以实现上述技术效果。

技术领域

本发明涉及无线电技术领域，更具体地说，涉及一种基于K均值算法的频谱感知方法。

背景技术

随着无线电技术的进步和发展，各行各业对无线电频率的需求越来越多，频谱资源匮乏的问题日益严重。目前，频谱资源采用国家统一分配授权的管理模式，将频谱分为两种类型：授权频段和非授权频段。其中，授权频段占据着大部分频谱资源，如电视广播频段，但不少授权频段处于空闲状态；开放使用的非授权频段占整个频谱资源的很少一部分，如无线局域网、无线城域网等无线网络大多使用非授权频段在工作，该频段上的用户很多，业务量也很大，无线电频段已基本趋于饱和。所以说，频谱资源的匮乏并不是真正意义上的频谱资源不足，更多是由频谱利用率过低造成的。

想要提高频谱的利用率，首先要找到准确的频谱检测的方法。目前比较经典的频谱检测方法有能量检测算法，但是，在能量检测算法中由于判决门限比较难确定，在低信噪比环境下容易受到噪声不确定性影响产生误判从而导致检测性能急剧下降，即使是能够自适应的门限值，检测器也不能做出正确的判断，因此频谱的检测结果不够准确。

因此，如何得到准确的频谱检测结果，是本领域技术人员需要解决的问题。

发明内容

本发明的目的在于提供一种基于K均值算法的频谱感知方法，以得到准确的频谱检测结果。

为实现上述目的，本发明实施例提供了如下技术方案：

一种基于K均值算法的频谱感知方法，包括：

获取训练信号，计算得到所述训练信号的MME特征；

利用K均值聚类算法与所述MME特征得到分类器；

获取测试信号，计算得到所述测试信号的测试MME特征；

利用所述分类器对所述测试MME特征分类得到分类结果，利用所述分类结果计算检测概率。

其中，所述获取训练信号，计算得到所述训练信号的MME特征，包括：

采集第一信号特征与第二信号特征，所述第一信号特征与所述第二信号特征构成训练信号；其中所述第一信号特征为主用户存在时，次用户采集到的信号特征，所述第二信号特征为所述主用户不存在时，次用户采集到的信号特征；

利用所述训练信号计算得到一个感知时间段内多个次用户的第一感知矩阵；

将所述第一感知矩阵分为第一预设个数的第二感知矩阵；

计算得到每个第二感知矩阵的MME特征。

其中，利用K均值聚类算法与所述MME特征得到分类器，包括：

S301，在由所述MME特征构成的数据对象集中，随机确定第二预设个数的MME特征对象作为第二预设个数的类中心点，形成第二预设个数的初始类；其中，每个类中包括类中心点与非类中心点；

S302，计算每个初始类中的非类中心点到每个类中心点的距离，将每个非类中心点分配到距离每个非类中心点最近的类中心点所在的类，形成目标类；