[发明专利]Nakagami-m衰落信道下的合作频谱感知方法

摘要

本发明提出一种Nakagami-m衰落信道条件下的合作频谱感知方法。本发明通过两个环节来提高认知用户对授权频谱的感知效率。一是在认知用户处引入基于改进的反向传播神经网络实现的自适应均衡器，认知用户首先将接收到的经过衰落信道的信号送入自适应均衡器中进行处理，以提高接收信号的质量；二是在数据融合中心将Chair-Varshney准则的思想用于判决准则的改进算法，并采用基于L-M算法的BP神经网络来实现。上述两个环节中涉及的神经网络的结构可以根据Nakagami-m衰落信道的形式进行自适应调整，通过这两个环节的改进，能够有效地提高认知用户的频谱正确感知率，从而更合理、有效地使用授权频谱资源。

主权项

1.一种Nakagami-m衰落信道下的合作频谱感知方法，其特征在于，包括以下步骤：引入自适应均衡器：在认知用户节点处引入基于改进的第一BP神经网络实现的自适应均衡器，用于对接收到来自衰落信道的信号进行均衡处理，其中，第一BP神经网络中包括输入层、单隐层和输出层，网络连接方式为全连接；初始化权值：随机变量初始化第一BP神经网络中的各个连接权值，再根据下式重新对第一BP神经网络中的网络连接权值进行赋值：wji=γwji/Σi=1n1wji2,]]>其中，w_ji(n)为网络连接权值，n₀为输入分量的个数，n₁为隐层神经元的个数；给定训练样本：利用训练样本使第一BP神经网络训练收敛，训练样本是网络输入向量和网络期望输出向量组成的向量对；将输入向量从第一BP神经网络的输入层输入，并将期望输出向量输入到第一BP神经网络的输出层；计算第一BP神经网络实际输出对期望输出的误差值：输入向量在输入到第一BP神经网络的输入层后，以前向传播的方式不断地经过第一BP神经网络的隐层传递到输出节点得到第一BP神经网络的输出信号y⁽³⁾(n)，输入信号在第一BP神经网络中前向传播的过程由以下两式定义：vj(l)(n)=Σi=1m0wji(l)(n)yi(l-1)(n),]]>其中，表示第一BP神经网络第n次迭代时神经元j前一层神经元i的输出信号，并且，当j是一个隐层神经元时，是输入层神经元的输出信号，表示为x_i(n)，x_i(n)是输入向量的第i个元素；当j是一个输出层神经元时，则可以通过下式计算出误差值：ej(n)=dj(n)-yi(3)(n),]]>其中，e_j(n)为误差值，d_j(n)为期望响应向量的第j个元素；判断误差值是否满足精度要求：根据下式计算网络的总平方误差E(n)，并将其与设定的网络学习目标值ε作比较：E(n)=12Σj∈Cej2(n),]]>若E(n)＞ε，则说明第一BP神经网络对期望输出的逼近程度未达到预定的要求，继续对网络连接权值进行调整；若E(n)＜ε，则说明达到预定的要求，迭代停止，第一BP神经网络进入收敛状态；利用误差值的反向传播更新网络连接权值：当第一BP神经网络的平方误差不满足收敛条件时，则根据下式反向计算第一BP神经网络各神经元的局部梯度值δ：在得到局部梯度值之后，利用下式更新网络连接权值：Δw_ji(n)＝αΔw_ji(n-1)+ηδ_j(n)y_j(n)，(0＜α＜1)，其中，η为BP算法的学习率，第一BP神经网络以η的步长依据梯度调节网络连接权值。