[发明专利]非高斯噪声下分布式协同的多天线协作频谱智能感知方法、系统、设备及介质

权利要求书

1.非高斯噪声下分布式协同的多天线协作频谱智能感知方法，其特征在于，包括以下步骤：

步骤一，构建基于分数阶随机共振的非线性模型，对多天线接收端的有用微弱信号y(n)进行增强，并选取分数低阶协方差矩阵R_y作为对预处理信号的智能表征；

步骤二，构建基于联邦学习的分布式协作频谱感知系统，在该系统下，利用基于视觉的自注意力机制网络模型，完成子感知节点的本地训练；

步骤三，同时在该系统下，利用动态加权联邦平均方法对传输到融合中心处的网络参数进行加权聚合，得到全局最优网络参数；

步骤四，利用获取到的全局最优网络参数w^*加载用于感知的全局网络模型，并利用网络输出的二维特征向量的比值构建频谱感知的检测统计量T和检测阈值γ，将获取到的检测统计量T和检测阈值γ大小进行比较，实现非高斯噪声下分布式协同的多天线协作频谱智能感知。

2.如权利要求1所述的非高斯噪声下分布式协同的多天线协同频谱智能感知方法，其特征在于，所述步骤一的具体过程为：

基于多天线协作频谱感知场景，当感知模型由一个主用户、L个次用户和一个融合中心所组成，主用户发射端有M根天线，次用户接收端有K根天线，在采样的n时刻，第d个次用户的接收端信号可以表示为：

H₀:y_d(n)＝w_d(n)

H₁:y_d(n)＝h_d(n)s(n)+w_d(n)

其中，H₁表示授权的主用户信号存在，H₀表示授权的主用户信号不存在，s(n)表示主用户的发射信号，h_d(n)＝[h_d,1(n),...,h_d,m(n),...,h_d,K(n)]，h_d,m(n)表示第d个次用户的第m根接收天线上的信道响应，w_d(n)表示非高斯噪声；接收信号y(n)的矩阵表示为：

其中，y_M(N)为第M根天线第N个采样数据；

采用alpha稳定分布噪声来对非高斯噪声进行描述，其特征函数的表示形式如下：

其中，α表示特征指数，取值为0＜α≤2，alpha稳定分布的脉冲程度是由这个参数所决定；μ表示对称参数，取值为-1≤μ≤1，alpha稳定分布的对称程度是由这个参数来决定；γ表示尺度参数，取值为γ≥0，样本相对于均值的分散程度可以用该参数来表示，相当于高斯分布中方差的定义；β表示位置参数，取值为-∞＜β＜+∞，稳定分布的概率密度函数在x轴上的偏移由该参数所决定，sign(t)表示符号函数；

接收信号y(n)的矩阵表示为：

其中，y_M(N)为第M根天线第N个采样数据；

利用分数阶随机共振系统进行多天线接收端的有用微弱信号增强，其分数阶郎之万方程表示为：

其中，y(t)表示输入信号，ξ(t)表示alpha稳定分布噪声，a和b表示系统结构参数，V'(x)表示对V(x)进行一阶求导，算子用来代表非整数微分和积分，其中阶次从整数扩展到了实数，包含了分数部分，a和t表示上下临界，算子定义为：

其中，α表示阶次，α＞0时，表示进行求α阶导数字运算，α＜0时表示进行积分运算，积分上限为a，积分下限为t；

求解出alpha稳定分布噪声下关于输入信号y(t)的分数阶郎之万方程的解x(t)，该解集就是增强后的有用接收信号。

计算分数低阶协方差矩阵R_y作为对增强后有用接收信号的智能表征：

其中，|y(n)|^p＝[|y₁(n)|^p,...,|y_m(n)|^p,...,|y_K(n)|^p]^T，y_m(n)是在采样时刻n，第m根天线所接收的信号经过分数阶随机共振系统增强后的信号表示，|·|表示取绝对值符号，T表示做转置运算，H表示共轭转置，|y_m(n)|^p表示对|y_m(n)|做p阶分数低阶矩运算。