[发明专利]一种基于相位差鲁棒统计特征的频谱感知方法及相关设备

权利要求书

1.一种基于相位差鲁棒统计特征的频谱感知方法，其特征在于，包括：

对接收到的接收信号进行采样处理；其中，所述采样处理得到若干采样点；

分别计算相邻两个所述采样点的相位差，得到所述接收信号对应的相位差概率分布；

对所述相位差概率分布进行特征提取，得到所述接收信号对应的相位差鲁棒统计特征；

将所述相位差鲁棒统计特征输入预先训练的频谱感知模型，根据所述频谱感知模型的输出确定主用户信号是否存在；

其中，当所述接收信号的载波频率已知时，所述对所述相位差概率分布进行特征提取，得到所述接收信号对应的相位差鲁棒统计特征，具体包括：

计算所述相位差概率分布的相对熵、最大值、最小值、起点值和终点值；

根据所述相对熵、最大值、最小值、起点值和终点值构建向量，以得到所述相位差鲁棒统计特征；

其中，当所述接收信号的载波频率未知时，所述对所述相位差概率分布进行特征提取，得到所述接收信号对应的相位差鲁棒统计特征，具体包括：

计算所述相位差概率分布的相对熵、最大值和最小值；

根据所述相对熵、最大值和最小值构建向量，以得到所述相位差鲁棒统计特征。

2.根据权利要求1所述的方法，其特征在于，还包括：

获取若干正弦调制信号和若干高斯噪声；

对所述正弦调制信号和所述高斯噪声，在载波频率已知的条件下进行特征提取，得到第一训练用相位差鲁棒统计特征；

对所述正弦调制信号和所述高斯噪声，在载波频率未知的条件下进行特征提取，得到第二训练用相位差鲁棒统计特征；

载波频率已知时，根据所述第一训练用相位差鲁棒统计特征，构建第一训练数据集；载波频率未知时，根据所述第二训练用相位差鲁棒统计特征，构建第二训练数据集；

通过所述第一训练数据集或所述第二训练数据集，对一初始的机器学习模型进行训练，并在训练结束后得到所述频谱感知模型。

3.根据权利要求1所述的方法，其特征在于，所述频谱感知模型为BP神经网络模型。

4.一种基于相位差鲁棒统计特征的频谱感知装置，其特征在于，包括：

特征提取模块，被配置为对接收到的接收信号进行采样处理；其中，所述采样处理得到若干采样点；分别计算相邻两个所述采样点的相位差，得到所述接收信号对应的相位差概率分布；对所述相位差概率分布进行特征提取，得到所述接收信号对应的相位差鲁棒统计特征；

频谱感知模块，被配置为将所述相位差鲁棒统计特征输入预先训练的频谱感知模型，根据所述频谱感知模型的输出确定主用户信号是否存在；

其中，所述特征提取模块，具体被配置为当所述接收信号的载波频率已知时，计算所述相位差概率分布的相对熵、最大值、最小值、起点值和终点值；根据所述相对熵、最大值、最小值、起点值和终点值构建向量，以得到所述相位差鲁棒统计特征；

其中，所述特征提取模块，具体被配置为当所述接收信号的载波频率未知时，计算所述相位差概率分布的相对熵、最大值和最小值；根据所述相对熵、最大值和最小值构建向量，以得到所述相位差鲁棒统计特征。

5.根据权利要求4所述的装置，其特征在于，还包括：

训练模块，被配置为获取若干正弦调制信号和若干高斯噪声；对所述正弦调制信号和所述高斯噪声，在载波频率已知的条件下进行特征提取，得到第一训练用相位差鲁棒统计特征；对所述正弦调制信号和所述高斯噪声，在载波频率未知的条件下进行特征提取，得到第二训练用相位差鲁棒统计特征；载波频率已知时，根据所述第一训练用相位差鲁棒统计特征，构建第一训练数据集；载波频率未知时，根据所述第二训练用相位差鲁棒统计特征，构建第二训练数据集；通过所述第一训练数据集或所述第二训练数据集，对一初始的机器学习模型进行训练，并在训练结束后得到所述频谱感知模型。

6.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至3任意一项所述的方法。