[发明专利]一种基于门控循环单元的频谱感知方法及系统

说明书

本发明公开了一种新型频谱感知方法及系统，能够实现用较低采样速率对较高频点的频段进行高性能且低消耗的频谱感知。将采样序列经过窗口滑动的绝对值平均来降低输入的维度，减少计算量；网络模型采用门控循环单元(GRU)在能达到较高性能的同时参数更少、复杂度更低；将频谱感知问题看为一个回归问题并应用多门限的思想，依据不同的准确率和感知数量的要求来设定参与判决的距离门限值，依据输出到0和1的距离将频段判决为是否被占用；引用自适应想法，依据输出概率的模糊程度调节选择不同的感知速度以保证感知的准确性和预备的数目充足并减少不必要的资源开销。因此本发明能够保证感知准确性的同时降低资源开销，本方法在不同场景下具有一定的适应性。

技术领域

本发明涉及频谱感知技术领域，特别是涉及一种基于门控循环单元的频谱感知方法及系统。

背景技术

由于无线通信设备的与日俱增，有限的无线频谱资源日益短缺。认知无线电技术能够让不同用户使用同一频谱资源，即频谱共享。频谱感知就是在要在复杂多变的电磁环境中，尽可能精确地找出时域、频域和空域等多个维度上被称为“频谱空洞”的闲置频谱资源进行分配利用。基于机器学习的频谱感知检测性能表现良好，目前以及得到了较为广泛的研究。现有的基于(Long Short-Term Memory，LSTM)的频谱感知方法得益于循环神经网络模型在处理时间序列上的天然优势，取得了不错的性能表现，但是复杂度较高。通过选用LSTM的优化变体——门控循环单元(Gated Recurrent Unit，GRU)模型，并融合现有的一些其他思想方法，实现较高频点和较大带宽下的较高性能频谱感知效果的同时，尽可能降低复杂度从而减少资源的开销。

发明内容

本发明提供一种基于门控循环单元的频谱感知方法及系统，目的在于在保持现有方法性能的基础上降低复杂度，减少方法的资源开销，通过选用门控循环单元(GRU)模型，降低网络的参数规模，减少空间和时间上的开销；基于在对高频点大带宽频段用较低采样率采样时，噪声分量和主用户信号分量均可能零均值随机分布，直接平均容易丢失信息的情况，进而采用绝对值平均对输入进行降维处理以减少运算复杂度；融合现有的多门限、自适应等思想对方法进行改进。

本发明第一方面提供一种基于门控循环单元的频谱感知方法，包括：

在感知节点处对接收信号进行滤波得到感知频段范围内信号，对所述感知频段范围的信号进行采样得到连续的感知频段范围内信号采样点；

对所述感知频段范围内信号采样点进行窗口滑动绝对值平均处理，得到感知频段范围内信号值，通过滑动步幅进行多次窗口滑动绝对值平均处理，得到感知频段范围内信号序列；

将所述感知频段范围内信号序列输入至频谱感知模型，得到感知频段中当前时段的频谱占用情况的感知值；

判断所述感知频段中当前时段的频谱占用情况的感知值是否满足第一预设条件；若否，则确定模糊区间；若是，则确定判决区间；其中，所述第一预设条件为：感知值大于距离门限值且小于1与距离门限值的差值；

根据模糊区间内的频段数与判决区间内的频段数调整选择不同的滑动步幅大小以及对应的训练模型。

进一步地，所述确定判决区间，包括：

依据距离门限值进行感知判决：若所述感知值与0的距离值小于距离门限值，则判断为无主用户；若所述感知值与1的距离值小于距离门限值，则判断为有主用户；所述距离门限值大于0且小于0.5。

进一步地，所述根据模糊区间内的频段数与判决区间内的频段数调整滑动步幅大小，包括：

若所述模糊区间内的频段数大于第一预设值或者判决区间内的频段数小于第二预设值，则选择滑动步幅小于第三预设值的滑动步幅以及对应的训练模型；

若所述模糊区间内的频段数小于第一预设值或者判决区间内的频段数大于第二预设值，则选择滑动步幅大于第三预设值的滑动步幅以及对应的训练模型。