[发明专利]一种基于人工鱼群算法的安全频谱感知方法

权利要求书

1.一种基于人工鱼群算法的安全频谱感知方法，其特征在于：其具体步骤为：

S1.获取历史感知数据，并进行预处理；

S2.根据预处理后的感知数据，通过对称的KL散度的数据融合算法获取信号特征；

S3.根据获得的信号特征，设计一个直接在统计流形上聚类的新型人工鱼群算法，并求得最优的类中心；

S4.根据所获取的最优的类中心，构建一个用于频谱感知的分类器；

S5.获取新的感知数据，经由步骤S1和S2获取其对应的信号特征并通过所述的分类器进行频谱感知。

2.根据权利要求1所述的基于人工鱼群算法的安全频谱感知方法，其特征在于：步骤S1中的感知数据来自认知无线电网络，所述的认知无线电网络包括一个全连接层，即FC，一个主要用户，即PU，m个正常的次要用户，即NSU，每个NSU在一个感知周期的采样点数为n；第m个NSU的第根天线接收到的感知信号为:其中，H₁即被PU的授权频谱，H₀即未被PU占用的授权频谱，l表示第l根天线，其最大天线数为L，n表示第n个采样点，其最大采样点数为N，m表示第m个NSU，其最大NSU数为M，y′_m表示第m个NSU的第l根天线感知到的整体数据，x(n)表示PU信号，表示均值为零、方差为的加性高斯白噪声。

3.根据权利要求2所述的基于人工鱼群算法的安全频谱感知方法，其特征在于：所述的认知无线电网络还包括R个MSU,每个MSU在一个感知周期的采样点数为N，第r个MSU的第l根天线接收到的感知信号为：

其中，r＝1，2，...，R。

4.根据权利要求3所述的基于人工鱼群算法的安全频谱感知方法，其特征在于：步骤S1，进行预处理，具体步骤为：

S101.将每个NSU感知到的数据表示为：

S102.计算各个授权频谱的NSU的协方矩阵：

其中，表示关于的协方差矩阵，表示关于的协方差矩阵；

S103.获取各个授权频谱的MSU的协方矩阵：

S104.每个NSU和MSU发送协方差矩阵到FC，发送的协方差矩组合为C。

5.根据权利要求4所述的基于人工鱼群算法的安全频谱感知方法，其特征在于：步骤S2，通过对称的KL散度的数据融合算法获取信号特征，具体步骤为：

S201.令表示FC接受到的所有NSU和MSU发送的数据，获取其sKLD均值的表达

其中Q＝M+R表示次要用户SU的总数；

S202采用梯度下降法求解并将求得的将作为信号特征。

6.根据权利要求5所述的基于人工鱼群算法的安全频谱感知方法，其特征在于：步骤S202，采用梯度下降法求解，并将求得的将作为信号特征，具体步骤为：

St301.输入和步长ε：

St302.计算目标函数f(C)的梯度

St303.设n为迭代次数，计算迭代后的sKLD均值

St304.更新迭代次数n＝n+1；

St305.当满足时算法停止，并输出否则，回到步骤St303继续迭代。

7.根据权利要求6所述的基于人工鱼群算法的安全频谱感知方法，其特征在于：步骤S3，设计一个直接在统计流形上聚类的新型人工鱼群算法，具体步骤为：

S301.初始化新型人工鱼群算法设置；

S302.计算初始鱼群各个体的适应值，取最优人工鱼状态及其值赋予给公告牌；

S303.对每个人工鱼个体进行评价，对其要执行的行为进行选择，包括觅食Pray、聚群Swarm、追尾Follow和评价行为bulletin；

S304.执行人工鱼的行为，进行更新，并生成新人工鱼鱼群；

S305.评价所有个体，若某个体优于公告牌，则将公告牌更新为该个体；

S306.当公告牌上最优解达到满意误差界内或者达到迭代次数上限时算法结束，否则回到步骤S303。