[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

说明书

认知无线电系统中基于卷积神经网络的频谱预测方法，本发明经过较短时间训练即可获得较高预测准确度，属于信息与通信领域。本发明包括：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和它们对应的将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；将和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预测出未来空闲概率最大的信道C。

技术领域

本发明涉及信息与通信领域，具体涉及认知无线电系统中频谱感知后的一种空闲信道 智能分配算法。

背景技术

近些年来，无线通信技术飞速发展的同时，用户业务类型和业务需求也在不断地爆炸 式增长，这就导致了用户对无线电频谱资源的需求日益增加。然而，目前已授权频谱在时 间域、空间域、频率域、能量域的平均占用率都很低，频谱资源利用率普遍不高。频谱资 源紧张与频谱资源浪费的矛盾愈发突出。认知无线电技术(Cognitive Radio,CR)能够智 能地寻找当前频带中的空闲频谱接入，从而有效地提高频谱资源的利用率，受到了广泛的 关注并已有诸多相关研究成果。

其中频谱感知是CR系统中的重要基础，其主要功能是，一个处于地理空间中某一位 置的次用户(Secondary User，SU)在某一时刻对某一授权频段进行检测，寻找其中各个子频段中是否存在主用户(Primary User，PU)。频谱感知有两个关键点，其一是当判断 出授权频段内不存在PU时接入；其二是当检测到授权频段内已有PU或有PU准备接入， 要立刻退让。

一般来说，对于SU，一个授权频段是可以被划分为多个可用信道来接入的，通常情况下SU频谱感知的最终结果即是这描述些可用信道中是否存在PU，并且从目前PU对 于授权频段的占用率来看，这些信道中多数是不存在PU的(空闲)。在CR系统中，最 普遍被使用的工作流程是：SU首先进行频谱感知，感知出当前频段内的多个空闲信道， 之后随机选择一个信道接入传输，当检测到当前信道有PU重新接入时立即停止传输，再 重新感知其它空闲信道重传数据包。

但是，这种机制伴随着一个问题：如果当前频段中PU数量较多频繁接入退出信道或 存在大功率动态恶意干扰时SU有极大可能需要频繁地避让PU，重新频谱感知，重新接入，重传数据包。这就无疑会增加SU的资源消耗，降低SU的传输速率。另外，一旦对 PU重新接入信号发生漏检，还会与PU发生碰撞，干扰到PU通信。

对于上述问题，频谱预测技术是一个较好的解决方案。频谱预测技术的核心思想是 SU对历史频谱感知结果进行存储和分析，通过一定算法预测出未来一段时间某一信道中 被PU占用的可能性，从而通过预测结果更合理的选择信道接入或提前切换信道来避免数 据包传输残缺，避免和PU碰撞。可以预见地，如果SU能以较高准确率预测出未来一段 时间内信道被占用请款并合理的选择信道接入，可以实现降低SU通信过程中的碰撞概率 (碰撞率)，从而缩短SU感知用时，减少SU资源消耗，提高频谱资源利用率从而实现 提升通信系统整体性能。