[发明专利]一种基于矩阵分解和粒子群优化聚类的协作频谱感知方法

权利要求书

1.一种基于矩阵分解和粒子群优化聚类的协作频谱感知方法，其特征在于，所述方法基于协作频谱感知模型完成，所述协作频谱感知模型包括：主用户、若干次用户、中心节点，所述主用户用于向次用户发送主用户信号，所述次用户用于接收主用户信号，并将感知到的主用户信号发送至中心节点，所述中心节点用于判断主用户是否存在；所述方法包括以下步骤：

S1：采集主用户信号，将主用户信号进行IQ分解分别得到信号的I分量和Q分量；

S2：利用I分量和Q分量分别构建I分量矩阵Y^I和Q分量矩阵Y^Q并分别计算其协方差矩阵R^I和R^Q；

S3：分别对协方差矩阵R^I和R^Q进行Cholesky分解得到上三角矩阵L^I和L^Q，所述分别对协方差矩阵R^I和R^Q进行Cholesky分解得到上三角矩阵L^I和L^Q具体如下：

协方差矩阵R^I＝(L^I)^TL^I，协方差矩阵R^Q＝(L^Q)^TL^Q，其中，L^I和L^Q分别为M×M的上三角矩阵，(L^I)^T和(L^Q)^T分别为其的共轭转置，L^I和L^Q分别表示为：

S4：计算上三角矩阵L^I和L^Q元素和记为T^I和T^Q，利用T^I和T^Q构建一个特征二维向量用于表征次用户感知到的信号特征；

S5：将若干次用户感知到的信号特征组成训练特征集，利用所述训练特征集训练粒子群优化聚类算法得到分类器，将待感知信号的特征二维向量输入所述分类器完成待感知信号的频谱感知，所述分类器其数学模型表示为：

其中，γ为度量参数；T_i为信号特征向量，Ψ₁为类中心，当所述分类器其数学模型中不等式成立时，则表示主用户存在，当所述分类器其数学模型中不等式不成立时则表示主用户不存在；粒子群优化聚类算法步骤如下：

步骤1：随机初始化每个粒子的位置和速度向量，其中，位置和速度向量均由K个R^N中的向量构成的向量；

步骤2：对每个粒子z_i(t)，计算待分类集合{x₁，x₂，...，x_n}到粒子对应的K个中心的距离，根据距离将{x₁，x₂，...，x_n}分类；

步骤3：由分类计算出粒子的适应度f(z_i)；

步骤4：计算粒子的个体最优与群最优；

步骤5：通过粒子群优化算法的速度v_i(t)和位置z_i(t)更新式对粒子状态进行更新；

步骤6：若到达最大迭代次数，则停止；否则返回步骤2，此时得到K个类中心Ψ_K；

所述速度v_i(t)更新式如下：

v_i(t)＝ωv_i(t)+c₁r₁(t)[p_i(t)-z_i(t)]+c₂r₂(t)[g(t)-z_i(t)]

位置z_i(t)更新式：

z_i(t+1)＝z_i(t)+v_i(t+1)

其中，ω表示惯性因子，ω≥0，c₁和c₂是非负常数，表示学习因子，g(t)表示全局极值，r₁(t)和r₂(t)是均匀分布在(0，1)区间的随机数。