[发明专利]一种认知无线电网络中实时检测多主用户数目的方法

权利要求书

1.一种认知无线电网络中实时检测多主用户数目的方法，其特征在于，包括：

S1，通过多个次用户接收主用户信号，对接收到的主用户信号进行特征提取，得到两类特征向量：估计协方差矩阵的所有元素之和与估计协方差矩阵的迹的比值、估计协方差矩阵盖氏圆半径的均值；其中，所述估计协方差矩阵是由接收到的主用户信号确定的；

S2，将提取得到的两类特征向量组成新的特征向量作为支持向量机的训练输入数据，新的特征向量对应的主用户信号个数作为支持向量机的训练输出数据，设置支持向量机的类型以及核函数类型，并通过遗传算法，得到最优的惩罚因子和最优的核函数宽度；

S3，将得到的最优的惩罚因子和最优的核函数宽度作为支持向量机的模型参数，生成训练模型；

S4，将多个次用户实时接收到的主用户信号输入生成的所述训练模型，通过所述训练模型实时检测并估计出主用户的数目；

其中，所述通过多个次用户接收主用户信号，对接收到的主用户信号进行特征提取，得到两类特征向量包括：

S11，通过多个次用户接收主用户信号，根据接收到的主用户信号构造接收信号矩阵Z；

S12，对接收信号矩阵Z进行协方差矩阵分析，得到接收信号矩阵Z的估计协方差矩阵R；

S13，计算估计协方差矩阵R的迹和估计协方差矩阵R的所有元素之和，将估计协方差矩阵R的所有元素之和与估计协方差矩阵R的迹的比值作为次用户接收到的主用户信号的第一类特征向量；

S14，计算估计协方差矩阵R盖氏圆半径的均值并将其作为次用户接收到的主用户信号的第二类特征向量。

2.根据权利要求1所述的认知无线电网络中实时检测多主用户数目的方法，其特征在于，所述接收信号矩阵Z表示为：

其中，Z是p×(1+j)维的矩阵，p为次用户的个数，i为起始采样点，j为继续采样点的数目，i+j为停止采样点，1+j为每个次用户接收信号的样本总数，z_p(n)表示第p个次用户的接收信号的第n个采样点；

所述估计协方差矩阵R表示为：

其中，H表示矩阵的共轭，Z^H表示接收信号矩阵Z的共轭矩阵，j为继续采样点的数目。

3.根据权利要求1所述的认知无线电网络中实时检测多主用户数目的方法，其特征在于，所述计算估计协方差矩阵R盖氏圆半径的均值包括：

S141，对估计协方差矩阵R进行分块，得到子矩阵R₁；

S142，对子矩阵R₁进行特征值分解，得到酉矩阵U₁；

S143，根据得到的酉矩阵U₁，构造新的酉矩阵U，并根据构造得到的新的酉矩阵U，对估计协方差矩阵R进行酉变换得到矩阵S；

S144，根据矩阵S，得到估计协方差矩阵R的盖氏圆半径，根据得到的估计协方差矩阵R的盖氏圆半径，计算估计协方差矩阵R盖氏圆半径的均值。

4.根据权利要求3所述的认知无线电网络中实时检测多主用户数目的方法，其特征在于，所述对估计协方差矩阵R进行分块，得到子矩阵R₁表示为：

其中，子矩阵R₁为估计协方差矩阵R的子矩阵，子矩阵R₁由估计协方差矩阵R的前p－1行和p－1列构成；r为估计协方差矩阵R的第p列的前p－1个元素构成的向量；r^H表示r向量的共轭向量；r_pp表示估计协方差矩阵R的第p行第p列的元素；p为次用户的个数。

5.根据权利要求4所述的认知无线电网络中实时检测多主用户数目的方法，其特征在于，所述对子矩阵R₁进行特征值分解，得到酉矩阵U₁表示为:

其中，U₁表示酉矩阵，U₁^H表示酉矩阵U₁的共轭矩阵，D₁表示由子矩阵R₁的特征值组成的对角矩阵。