[发明专利]一种基于Bagging的认知无线电网络频谱的预测方法

权利要求书

1.一种基于Bagging的认知无线电网络频谱的预测方法，其特征在于：包括如下步骤：

步骤1：收集CRN中主用户信道的状态数据；

步骤2：对CRN中主用户信道状态数据进行预处理，并将该预处理后的状态数据作为预设的T个基学习器的输入数据，分别对该T个基学习器进行训练；

步骤3：运用结合策略将该T个基学习器结合形成频谱预测模型；

步骤4：通过该频谱预测模型对CRN中主用户信道的状态数据进行频谱预测。

2.根据权利要求1所述的基于Bagging的认知无线电网络频谱的预测方法，其特征在于：在步骤2中，T个基学习器均采用BP神经网络结构，该BP神经网络结构包括一层输入层、两层隐含层和一层输出层，从输入层输入的信号通过两层隐含层逐层处理后作用于输出层，经过输出层的非线性变换后，产生输出信号；BP神经网络结构的训练参数设计为：输入层的节点个数设置为4，第一层隐含层的节点个数为15，第二层隐含层的节点个数为20，输出层有1个输出神经元；权值的范围为[-1，1]，偏置的范围为[0，1]。

3.根据权利要求2所述的基于Bagging的认知无线电网络频谱的预测方法，其特征在于：在步骤2中，每个基学习器的训练过程包括如下步骤：

步骤21：用预处理后的状态数据作为基学习器的输入数据，获取基学习器实际的输出数据；

步骤22：根据基学习器的实际输出数据和期望输出数据，获取基学习器的输出误差；

步骤23：判断输出误差是否小于预设值或者训练次数是否超过预设次数，若是，则结束训练；否则，将获取的输出误差按原来的连接通路反向反馈，并修改权值和偏置，回到步骤21。

4.根据权利要求3所述的基于Bagging的认知无线电网络频谱的预测方法，其特征在于：在步骤21中，基学习器的输出数据计算方法如下：

Ijl=ΣiOil-1wijl+θjl]]>

Ojl=1-exp(-Ijl)1+exp(-Ijl)]]>

其中，表示第l层第j个节点单元的输入值，表示第l层第j个节点单元的输出值，w_ij∈[-1,1]为相邻层之间的节点单元连接的权重，为第l层第j个节点单元的阀值；

在步骤22中，所述输出误差的计算方法如下：

et=x‾t+τ-xt+τ]]>

E=12Σet2]]>

其中，对于第t个时刻长度为τ的目标输入样本，对应一个目标输出值为x_t+τ；表示为输出层的节点单元输出值，它是目标输出值x_t+τ的预测值。