[发明专利]一种频谱感知方法、装置、电子设备及介质

说明书

本发明实施例提供了一种频谱感知方法、装置、电子设备及介质，涉及频谱感知技术领域。该方法包括：对指定频段上的第一信号进行采样，获取第一信号数据；将第一信号数据输入频谱感知模型，并获取频谱感知模型输出的分类结果；频谱感知模型为采用样本训练集对深度学习网络进行训练得到的模型，其中，样本训练集包括原始训练集和拓展训练集，原始训练集包括主用户在指定频段上产生的信号数据以及指定频段上的噪声信号数据，拓展训练集包括生成对抗网络基于原始训练集包括的信号数据生成的信号数据；根据频谱感知模型的分类结果确定指定频段上当前是否存在主用户的信号。可以提高频谱感知的准确度。

技术领域

本发明涉及频谱感知技术领域，特别是涉及一种频谱感知方法、装置、电子设备及介质。

背景技术

随着无线通信技术的迅猛发展，频谱作为一种有限的资源越来越难以满足目前及将来的无线业务需求，而认知无线电技术是一项有望缓解无线频谱资源短缺、频谱利用率低下的智能无线通信技术。通过认知无线电技术可以允许认知无线电用户使用主用户当前没有使用的频谱空穴，从而提高频谱的利用率。

频谱感知则是认知无线电的一项关键技术，它的主要功能在于检测出可供认知用户使用的频谱空穴，同时监测主用户信号活动情况，保证主用户再次使用频谱时，认知用户能够快速退出相应频谱，而不影响主用户的正常使用。目前，随着深度学习在模式识别方面的快速发展，催生了基于深度学习模型的数据驱动的频谱感知算法，经过训练的深度学习模型可根据对主用户信号活动的频段的数据采集做出认知用户是否可以使用的频谱空穴判断。

但是，用于频谱感知的深度学习模型尤其是神经网络模型的训练都需要庞大的数据量来保证模型的有效性，而训练所需数据的收集和注释所需的高昂成本使我们无法在多种不同的通信环境下分别构建大型数据，因此神经网络模型的训练集内的训练数据不够充足会导致该神经网络模型的判断准确度不高，函待解决。

发明内容

本发明实施例的目的在于提供一种频谱感知方法、装置、电子设备及介质，以提高频谱感知的准确度。具体技术方案如下：

第一方面，本发明实施例提供了一种频谱感知方法，所述方法包括：

对指定频段上的第一信号进行采样，获取第一信号数据；

将所述第一信号数据输入频谱感知模型，并获取所述频谱感知模型输出的分类结果；所述频谱感知模型为采用样本训练集对深度学习网络进行训练得到的模型，其中，所述样本训练集包括原始训练集和拓展训练集，所述原始训练集包括主用户在所述指定频段上产生的信号数据以及所述指定频段上的噪声信号数据，所述拓展训练集包括生成对抗网络基于所述原始训练集包括的信号数据生成的信号数据；

根据所述频谱感知模型的分类结果确定所述指定频段上当前是否存在所述主用户的信号。

可选的，所述方法还包括：

在主用户占用所述指定频段的情况下，在不同通信环境下对所述指定频段上的多个信号进行采样，得到主用户在所述指定频段上产生的多个主用户信号数据；

在主用户未占用所述指定频段的情况下，在不同通信环境下对所述指定频段上的多个信号进行采样，得到多个噪声信号数据；

生成原始训练集，所述原始训练集包括所述多个主用户信号数据以及多个噪声信号数据；

将所述原始训练集中包括的信号数据输入所述生成对抗网络，获取所述生成对抗网络输出的信号数据，基于所述生成对抗网络输出的信号数据生成所述拓展训练集；

将所述原始训练集中的信号数据和所述拓展训练集中的信号数据的集合作为样本训练集，基于所述样本训练集对深度学习网络进行训练，得到所述频谱感知模型。

可选的，所述生成对抗网络中包括生成模型和判别模型；所述生成对抗网络通过以下步骤训练得到：