[发明专利]一种协作频谱感知方法及相关装置

权利要求书

1.一种协作频谱感知方法，其特征在于，包括：

S1，根据零空间追踪算法对已知信号进行分解得到多个子信号，将所述多个子信号进行组合得到子信号矩阵；

S2，对所述子信号矩阵进行IQ分解得到I矩阵和Q矩阵，对所述I矩阵和Q矩阵进行特征提取处理，得到第一特征值和第二特征值，将所述第一特征值和所述第二特征值进行组合得到信号特征；

S3，判断所述信号特征的数量是否大于等于预设数量；

S4，若否，则执行S1；若是，则根据聚类算法对所有所述信号特征进行分类，根据分类结果进行训练得到分类模型；

S5，当接收到未知信号时，根据所述分类模型对所述未知信号进行分类。

2.根据权利要求1所述的协作频谱感知方法，其特征在于，S1，根据零空间追踪算法对已知信号进行分解得到多个子信号，将所述多个子信号进行组合得到子信号矩阵，包括：

获取所述已知信号；

根据所述零空间追踪算法对所述已知信号进行分解得到多个子信号；

将所述多个子信号进行组合得到子信号矩阵。

3.根据权利要求2所述的协作频谱感知方法，其特征在于，S2，对所述子信号矩阵进行IQ分解得到I矩阵和Q矩阵，对所述I矩阵和Q矩阵进行特征提取处理，得到第一特征值和第二特征值，将所述第一特征值和所述第二特征值进行组合得到信号特征，包括：

对所述子信号矩阵进行IQ分解得到所述I矩阵和所述Q矩阵，对所述I矩阵和Q矩阵分别进行协方差计算，得到第一协方差矩阵和第二协方差矩阵；

对所述第一协方差矩阵和所述第二协方差矩阵进行特征计算，得到第一特征值和第二特征值；

将所述第一特征值和所述第二特征值进行组合得到信号特征。

4.根据权利要求3所述的协作频谱感知方法，其特征在于，根据聚类算法对所有所述信号特征进行分类，根据分类结果进行训练得到分类模型，包括：

根据FCM聚类算法对所述多个信号特征进行分类，得到分类结果；

根据所述分类结果进行模型训练处理，得到分类模型。

5.一种协作频谱感知系统，其特征在于，包括：

子信号矩阵获取模块，用于根据零空间追踪算法对已知信号进行分解得到多个子信号，将所述多个子信号进行组合得到子信号矩阵；

信号矩阵分解模块，用于对所述子信号矩阵进行IQ分解得到I矩阵和Q矩阵，对所述I矩阵和Q矩阵进行特征提取处理，得到第一特征值和第二特征值，将所述第一特征值和所述第二特征值进行组合得到信号特征；

特征数量判断模块，用于判断所述信号特征的数量是否大于等于预设数量；

分类模型训练模块，用于根据聚类算法对所有所述信号特征进行分类，根据分类结果进行训练得到分类模型；

频谱感知模块，用于当接收到未知信号时，根据所述分类模型对所述未知信号进行分类。

6.根据权利要求5所述的协作频谱感知系统，其特征在于，所述子信号矩阵获取模块，包括：

已知信号获取单元，用于获取所述已知信号；

已知信号分解单元，用于根据所述零空间追踪算法对所述已知信号进行分解得到多个子信号；

子信号组合单元，用于将所述多个子信号进行组合得到子信号矩阵。

7.根据权利要求6所述的协作频谱感知系统，其特征在于，所述信号矩阵分解模块，包括：

矩阵IQ分解单元，用于对所述子信号矩阵进行IQ分解得到所述I矩阵和所述Q矩阵，对所述I矩阵和Q矩阵分别进行协方差计算，得到第一协方差矩阵和第二协方差矩阵；

特征值计算单元，用于对所述第一协方差矩阵和所述第二协方差矩阵进行特征计算，得到第一特征值和第二特征值；

信号特征获取单元，用于将所述第一特征值和所述第二特征值进行组合得到信号特征。