[发明专利]认知无线电系统中基于卷积神经网络的频谱预测方法

权利要求书

1.一种认知无线电系统中基于卷积神经网络的频谱预测方法，其特征在于，所述方法包括：

步骤1、以周期T对频带F进行不间断地频谱感知，从t₀时刻起记录多个频谱感知的信道环境状态矩阵和它们对应的信道空闲时长矢量将t₀+kT记为t_k,k＝0,1,…；

表示t_k时刻频带F所有信道占用情况，表示从t_k+T时刻起各信道的空闲的感知周期数；

步骤2、将记录的多个频谱感知结果矩阵和对应的喂入卷积神经网络中，对卷积神经网络进行训练，在训练中，用于制作标签；

步骤3、利用训练完成的卷积神经网络不断地根据各个时刻的信道环境状态矩阵预测出未来空闲概率最大的信道C；

所述步骤2中，在卷积神经网络训练过程中，在预测一个感知周期后，在卷积神经网络不断地进行空闲概率最大的信道预测的同时，计算选择最优信道接入时的碰撞率，将最优信道接入时的碰撞率与随机选择信道接入时的碰撞率进行比较；当最优信道接入时的碰撞率低于随机选择信道接入时的碰撞率时，改用卷积神经网络作为接入信道选择策略。

2.根据权利要求1所述的频谱预测方法，其特征在于，所述步骤3还包括，在利用卷积神经网络预测时，根据不断获得的信道环境状态矩阵来训练修正卷积神经网络内的参数。

3.根据权利要求1所述的频谱预测方法，其特征在于，所述步骤3还包括：若预测结果中可用频带的宽度超过设定值，将下一段时间的所需感知的频带替换为预测结果中部分大概率空闲频段。

4.根据权利要求1所述的频谱预测方法，其特征在于，所述步骤2包括：

步骤2.1、将单个信道环境状态矩阵S输入到未训练的卷积神经网络，进行前向传播，卷积神经网络最终输出O，O用于表征未来一段时间内各信道空闲概率的相对大小；

步骤2.2：使用每个S对应的I制作标签label，标签为一个1×N的矢量且其中的所有元素和为1，标签制作公式：

其中，n＝1,2,…,N，label_n是标签矢量中第n个元素的值，表示t时刻第n个信道内存在主用户，否则不存在；当时，label_n＝0；N个信道的S所对应的标签L＝[label_1,label_2,…,label_N]；

在获得每个信道环境状态矩阵S和其对应的标签L后，将S输入卷积神经网络得到输出O，利用L和所述输出O进行比对，获得误差，利用误差选定学习率后使用梯度下降法完成对卷积神经网络内参数的训练。