[发明专利]一种采用聚类处理噪声不确定性问题的协作频谱感知方法

说明书

本发明涉及一种采用聚类处理噪声不确定性问题的协作频谱感知方法，包括下列步骤：构建包含一个主要用户PU与两个次要用户SU的认知无线电网络，并且使各个次级用户都处于活跃状态；在噪声不确定性场景下，各个SU对当前信道状态进行检测与感知；各个SU对检测的结果进行运算，得到相应的能量值；所有SU将其能量值传递给数据融合中心；FC对得到的能量值进行预处理，赋予不同的数据点不同的影响因子，分为两大类别，聚类中心分别为c₀,c₁，遍历所有能量数据，为每数据赋予不同的影响因子，如果第i个能量数据属于聚类中心c₀一类，则影响因子计算中采用d₀₀，否则，采用d₀₁。

技术领域

本发明属于协作频谱感知技术领域，涉及能量检测技术与协作频谱感知数据融合算法。针对在噪声不确定性场景下，协作频谱感知过程中，通过对采集数据的优化处理，降低噪声对数据融合与判决结果的影响。

背景技术

认知无线电是一种智能的频谱共享技术，它是一种可以对其工作环境进行感知、自主推理并自适应调整工作参数的无线电系统。频谱感知是认知无线电实现获取无线电频谱环境的关键技术，是保证频谱资源实现高效分配的先决条件。

在认知无线电网络中，各个次级用户SU通过对信道状态的感知，判断当前通信频段是否被占用或者被干扰，在噪声波动较小的情况下各个SU可以独立地做出对信道状态的判断，但是当噪声波动较大——即噪声不确定性问题发生时，各个SU的独立判断容易受到噪声不确定性的影响而做出错误的判断。在这种情况下，数据融合中心FC需要对全部SU的数据进行综合处理。

聚类算法是一种性能优良的数据分类算法，可以通过聚类过程寻找数据内在的分布结构，从而判断出数据的隶属类别与隶属度。聚类分析又称群分析，它是研究分类问题的一种统计分析方法，同时也是数据挖掘的一个重要算法。聚类算法以相似性为基础，在一个聚类中的模式之间比不在同一聚类中的模式之间具有更多的相似性。

发明内容

本发明涉及一种采用聚类算法处理噪声不确定性问题的协作频谱感知方法，针对处于噪声不确定性场景下的协作频谱感知，通过对采集数据的优化处理，降低噪声对数据融合与判决结果的影响。技术方案如下：

一种采用聚类处理噪声不确定性问题的协作频谱感知方法，包括下列步骤：

(1)构建包含一个主要用户PU与两个次要用户SU的认知无线电网络，并且使各个次级用户都处于活跃状态；

(2)在噪声不确定性场景下，各个SU对当前信道状态进行检测与感知；

(3)各个SU对检测的结果进行运算，得到相应的能量值，记录为记录为Y_i，i＝1,2；

(4)所有SU将其能量值传递给数据融合中心(Fusion Center，FC)；

(5)FC对得到的能量值进行预处理，得到二维的能量向量Y＝(Y₁,Y₂)^T，其中T表示转置运算，赋予不同的数据点不同的影响因子，分为两大类别，聚类中心分别为c₀,c₁，方法如下：

1)通过随机确定数据的初始分类中心c₀,c₁，并且满足：c₀,c₁∈Y＝[Y₁,Y₂]^T；

2)遍历Y中的全部数据，分别计算该数据到c₀,c₁的欧几里德距离d₀,d₁，若d₀＜d₁，则将该数据归类到c₀，否则，归类到c₁；