[发明专利]一种非高斯干扰下多天线系统频谱智能感知方法、系统、设备及介质

权利要求书

1.一种非高斯干扰下多天线系统频谱智能感知方法，其特征在于，包括：

步骤一，对多天线接收信号x(n)进行预处理，选取广义协方差矩阵C_r和广义Wigner-Ville分布W_r表征接收信号的不同模态；

步骤二，基于步骤一构建基于多模态融合的网络模型，在该网络模型下，利用通道注意力机制对所选取的不同模态进行特征的提取；

步骤三，在步骤二构建的基于多模态融合的网络模型下，采用多模态自适应融合方法对所提取的特征进行特征融合，得到基于网络输出的特征向量

步骤四，利用步骤三得到的网络输出的特征向量构建频谱感知的检测统计量T及检测门限η，将检测统计量T与检测门限η进行比较，实现非高斯干扰下多天线系统频谱智能感知。

2.如权利要求1所述的一种非高斯干扰下多天线系统频谱智能感知方法，其特征在于，所述步骤一的具体过程为：

基于多天线认知无线电网络，设一个主用户被拥有多天线矩阵的认知用户围绕，认知用户接收端的天线数为M，其第i根天线的接收信号可以表示为：

x_i(n)＝h_i(n)s(n)+u_i(n)+w_i(n)；

其中，s(n)是主用户的发射信号，h_i(n)是主用户和第i根天线之间的信道系数，u_i(n)是非高斯脉冲干扰，w_i(n)是高斯白噪声；

首先，接收信号矩阵表示为：

对接收信号进行非线性预处理：

其中，τ₀通常为常数，τ₀＝1，为第m行接收信号绝对值的中位数；

计算广义协方差矩阵C_r,并将其作为接收信号的一种模态：

通过广义Wigner-Ville分布得到表征接收信号的另一模态：

3.如权利要求1所述的一种非高斯干扰下多天线系统频谱智能感知方法，其特征在于，所述步骤二的具体过程为：

首先，将步骤一中接收信号的两种模态广义协方差矩阵和广义Wigner-Ville分布分别送入模态处理模块，将其处理为两个相同大小的二维矩阵，同时进行归一化；

然后，将广义协方差矩阵和广义Wigner-Ville分布对应的两个二维矩阵并行地输入到两个卷积块中，对其进行卷积、池化操作，实现对两个二维矩阵特征的首次提取；

接着，将提取的两个特征分别送入两个SE注意力模块；在SE注意力模块中，首先进行压缩操作,采用全局平均池化，将每个通道上的特征图池化为一个全局特征；假设输入的通道数为m，经过压缩操作后特征向量表示为a＝[a₁,a₂,,a_m]；之后是激励操作，通过两个全连接层，对特征向量降维处理和还原维度，分别得到降维特征向量b＝[b₁,b₂,,b_n]和还原特征向量c＝[c₁,c₂,,c_m]；最后将还原特征向量和原特征向量相乘作为SE模块的输出；

最后，通过全连接层将卷积块和SE模块提取的特征展开成相同长度的列向量，得到单模态特征向量分别记为其中m1＝m2表示向量的维数。

4.如权利要求3所述的一种非高斯干扰下多天线系统频谱智能感知方法，其特征在于，所述步骤二中，模态处理模块，卷积块，SE注意力模块，全连接层以及Auto-Fusin模块共同构成了基于多模态融合的网络模型；其中的卷积块包括卷积层、批次归一化、ReLu激活函数、最大池化层组成。