[发明专利]基于迁移学习策略的频谱预测切换方法

权利要求书

1.一种基于迁移学习策略的频谱预测切换方法，其特征在于，包括如下步骤：

步骤S1：将次用户SU的频谱切换的范围内划分为N+1个互不重叠的PU信道，将不包括被次用户SU占用的N个PU信道按照中心频率从小到大排序，为第k个PU信道，k为正整数；

步骤S2：将HCRNs系统的每一时隙划分为：频谱感知T_S、切换确认T_ACK和传输阶段T_D，在频谱感知T_S时间段内，次用户SU对应的基站SBS通过频谱预测感知，从N个PU信道中，选出能够使得次用户SU频谱切换接入的M个空闲信道φ_k为第k个空闲信道；

步骤S3：检测次用户SU在切换确认T_ACK时间间隔内是否收到频谱切换完成的确认信号，当检测到所述确认信号时，则频谱切换过程结束；

当没有检测到所述确认信号时，则触发如下步骤：

步骤S4：将所述空闲信道的总体空闲概率表征频谱切换成功的概率，在主用户PU信号出现过程为泊松过程条件下，计算切换成功率P_S；

步骤S5：根据主用户PU和次用户SU的发射功率，在基站PBS和基站SBS处，分别计算出主用户PU、次用户SU的信噪比分别为SINR^(p)、

步骤S6：根据SINR^(p)、分别设置门限值μ₀、μ_i；

步骤S7：根据门限值μ_i，求出次用户SU_i的传输速率R_i；

步骤S8：根据功率分配方法对次用户SU_i进行功率分配生成门限值μ₀和μ_i的统一表达式；

步骤S9：根据传输速率R_i和所述统一表达式生成所述次用户SU_i的最优门限值的约束最优化代式；

步骤S10：通过对所述约束最优化代式求解生所述最优门限值以使得次用户SU的回报最大，实现HCRNs系统整体吞吐量最大；

步骤S11：按照HCRNs系统的整体吞吐量由高到低的原则，对空闲信道进行预测判决并排序，得到频谱切换接入时的目标信道序列

2.根据权利要求1所述的基于迁移学习策略的频谱预测切换方法，其特征在于，将所述空闲信道的空闲状态持续时间的数学期望一一对应表示为

将空闲信道的总体空闲概率来表征频谱切换成功的概率，由泊松分布的概率密度函数P，推导出次用户SU在目标信道序列上进行频谱切换的成功率P_s，即空闲信道的总体空闲概率为：

其中，T_H为次用户SU在切换成功前需要花费的准备时间。

3.根据权利要求1所述的基于迁移学习策略的频谱预测切换方法，其特征在于，在所述步骤S4中PU信号出现的频率为1/λ，概率密度函数PDF为

x为随机信号的值，由泊松分布性质可知，λ＝E(X)，E(·)表示数学期望，X为随机信号。

4.根据权利要求1所述的基于迁移学习策略的频谱预测切换方法，其特征在于，所述主用户PU、所述次用户SU的信噪比分别为SINR^(p)、

其中，表示次用户SU_i，i＝1,2,…,L，的SINR值，L为次用户SU的个数，分别表示主用户PU、次用户SU_i到基站PBS之间的信道增益，分别表示次用户SU_i、次用户SU_j与基站SBS之间的信道增益，i≠j，为主用户PU和基站SBS之间的信道增益，P₀、P_i、P_j分别是主用户PU、次用户SU_i、次用户SU_j的发射功率，σ²为高斯白噪声功率。