一種頻譜感知訓練方法及系統與流程
2023-04-25 14:46:41
本發明涉及信息技術領域，具體涉及一種頻譜感知訓練方法及系統。
背景技術：
隨著無線通信網絡的迅猛發展，頻譜資源開始日趨緊張，無線資源越來越成為一種緊缺的自然資源。目前，頻譜資源由國家統一進行分配與管理，頻譜的分配方式是固定的。其中頻譜分為授權頻譜與非授權頻譜，授權頻譜是分配給特定用戶與設備使用的，只有指定的用戶或設備才可以接入，而非授權頻譜則可以給任意只要不幹擾其他用戶工作的設備進行使用。
相較於傳統的技術，認知無線網絡技術可以更加有效的解決頻譜資源利用率低下的問題：傳統技術受限於香農信道容量的極限值，無法從根本上解決問題，然而認知無線網絡因具有可以自主學習並可自適應調節的特點，對於解決頻譜資源問題更為有效。目前常用的頻譜感知方法主要有：能量感知方法、匹配濾波器感知方法。
能量感知是最常用的頻譜感知技術，因其實現簡單易於操作，且是一種非相干檢測，無需知道主用戶的先驗信息，因此傳統的頻譜檢測技術都是基於能量感知的。能量感知方法首先將輸入的信號進行A/D模數轉換，將模擬信號轉換為數位訊號，對轉換之後的信號求模平方，在一段時間內進行抽樣平均，求其能量值，將這個值作為檢驗統計量。將檢驗統計量與門限值進行比較，如果大於門限值，則判決為主用戶存在，如果小於門限值，則判決為主用戶不存在。能量檢測並不需要主用戶信號的先驗信息即可進行判決，屬於非相干檢測，所以是一種較為簡單且常用的頻譜感知方法，但是其抗幹擾性能較差，對於信噪比較小的信號感知性能不佳。
匹配濾波器是一種相干檢測，需知道主用戶信號的先驗信息，在這種情況下，匹配濾波器檢測是性能最優的檢測方法。其原理是在接收端利用發端所發射的信號與所接收到的信號取樣之後相乘作為檢驗統計量，與所設定的門限值進行比較，如果大於門限值，則主用戶存在，如果小於門限值，則只存在噪聲，即存在頻譜空洞。匹配濾波器檢測的設計原則就是使輸出信號的信噪比在某一時刻達到最大值，所以在知道主用戶先驗信息的前提下，匹配濾波器檢測是一種最佳檢測方法。相應的，其計算複雜度較高，實現過程比能量檢測要繁雜。
由於感知過程之前的實際檢測概率是由歷史信息而決定的，然而，由於認知用戶的位置以及環境的影響，實際檢測概率並不是一成不變的，實際輸出的檢測概率與期望輸出的檢測概率之間存在誤差，如何從根本上減小頻譜感知系統實際檢測概率和期望檢測概率之間的誤差，是信息技術領域亟待解決的問題。
技術實現要素：
本發明所要解決的技術問題是針對現有技術中所存在的上述缺陷，提供一種頻譜感知訓練方法及系統，用以解決現有技術中存在的多個感知用戶進行頻譜感知時實際檢測概率和期望檢測概率之間存在的誤差。
為實現上述目的，本發明提供一種頻譜感知訓練方法，應用於包括至少兩個感知用戶的頻譜感知系統中，所述方法包括：
獲取各感知用戶第1次至第J次的感知結果；
根據所述各感知用戶第1次至第J次的感知結果分別計算第1次至第J次的檢測概率，所述檢測概率為感知到頻譜佔用或未感知到頻譜佔用的用戶的佔所有感知用戶的比例，根據所述各感知用戶第1次至第J次的檢測概率計算第H次的實際檢測概率，其中H≤J；
根據所述各感知用戶第1次至第J次的感知結果計算第J次的期望檢測概率；
根據所述第J次的期望檢測概率和第H次的實際檢測概率計算系統感知差值，並根據所述差值調整所述各感知用戶。
優選的，在獲取各感知用戶第1次至第J次的感知結果的步驟之後，在根據所述各感知用戶第1次至第J次的感知結果計算第J次的期望檢測概率的步驟之前，所述方法還包括：
將所述第2次至第J次的感知結果分別與第1次的感知結果進行比較，分別確定第2次至第J次的比較感知結果，
所述根據所述各感知用戶第1次至第J次的感知結果計算第J次的期望檢測概率，還包括：
根據所述各感知用戶第2次至第J次的比較感知結果計算第J次的期望檢測概率。
優選的，所述根據所述各感知用戶第1次至第J次的感知結果計算第J次的期望檢測概率，具體包括：
利用公式(1)計算所述第J次的期望檢測概率：
其中：
i為感知用戶；
ri(m)為感知用戶i第m次感知結果；
ki(j)為感知用戶i第j次感知的期望檢測概率。
優選的，所述根據所述各感知用戶第1次至第J次的檢測概率計算第H次的實際檢測概率，具體包括：
根據第1次至第L次的檢測概率組成的數組Q計算所述第H次的實際檢測概率，其中，L≤H；
所述數組Q為Q＝[q1，…，q(L-1)，q(L)]，其中，q1為所有感知用戶第1次的檢測概率，q(L)為所有感知用戶第L次的檢測概率。
優選的，所述根據第1次至第L次的檢測概率組成的數組Q計算所述第H次的實際檢測概率，具體包括：
利用公式(2)計算所述第H次的實際檢測概率：
其中，
Si(H)為各感知用戶第H次的實際檢測概率；
Q為第1次至第L次的檢測概率組成的數組Q。
本發明還提供一種頻譜感知訓練系統，包括：
接收模塊，用於獲取各感知用戶第1次至第J次的感知結果；
實際檢測概率模塊，用於根據所述各感知用戶第1次至第J次的感知結果分別計算第1次至第J次的檢測概率，所述檢測概率為感知到頻譜佔用或未感知到頻譜佔用的用戶的佔所有感知用戶的比例，根據所述各感知用戶第1次至第J次的檢測概率計算第H次的實際檢測概率，其中H≤J；
期望檢測概率模塊，用於根據所述各感知用戶第1次至第J次的感知結果計算第J次的期望檢測概率；
調整模塊，用於根據所述第J次的期望檢測概率和第H次的實際檢測概率計算系統感知差值，並根據所述差值調整所述各感知用戶。
優選的，還包括：
比較模塊，用於將所述第2次至第J次的感知結果分別與第1次的感知結果進行比較，分別確定第2次至第J次的比較感知結果，
所述期望檢測概率模塊，還用於根據所述各感知用戶第2次至第J次的比較感知結果計算第J次的期望檢測概率。
優選的，所述期望檢測概率模塊，具體用於：
利用公式(1)計算所述第J次的期望檢測概率：
其中：
i為感知用戶；
ri(m)為感知用戶i第m次感知結果；
ki(j)為感知用戶i第j次感知的期望檢測概率。
優選的，所述實際檢測概率模塊，具體用於：
根據第1次至第L次的檢測概率組成的數組Q計算所述第H次的實際檢測概率，其中，L≤H；
所述數組Q為Q＝[q1，…，q(L-1)，q(L)]，其中，q1為所有感知用戶第1次的檢測概率，q(L)為所有感知用戶第L次的檢測概率。
優選的，所述實際檢測概率模塊，具體用於：
利用公式(2)計算所述第H次的實際檢測概率：
其中，
Si(H)為各感知用戶第H次的實際檢測概率；
Q為第1次至第L次的檢測概率組成的數組Q。
本發明所提供的頻譜感知訓練方法及系統，能夠減小頻譜感知系統的實際檢測概率和期望檢測概率之間的誤差值，提高頻譜感知的檢測效率和檢測速度。
附圖說明
為了更清楚的說明本發明實施例中的技術方案，下面將對實施例描述中所需要使用的附圖做簡單地介紹，顯而易見地，下面描述中的附圖是本發明的一些實施例，對於本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。
圖1為本發明提供的頻譜感知訓練方法的流程示意圖；
圖2為本發明提供的頻譜感知訓練系統的結構示意圖。
具體實施方式
為使本領域技術人員更好地理解本發明的技術方案，下面結合附圖和實施例對本發明作進一步詳細描述。顯然，所描述的實施例是本發明一部分實施例，而不是全部的實施例。基於本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於本發明保護的範圍。
圖1為本發明提供的頻譜感知訓練方法的流程示意圖，如圖1所示的頻譜感知訓練方法包括如下步驟：
步驟S101，獲取各感知用戶第1次至第J次的感知結果。
具體的，在包括至少兩個感知用戶的頻譜感知訓練系統中，所述各感知用戶向融合中心發送每次的感知結果。所述的感知結果包括已佔用和未佔用，在實際的應用中，可用數字1表示已佔用，0表示未佔用。
步驟S102，根據所述各感知用戶第1次至第J次的感知結果分別計算第1次至第J次的檢測概率，所述檢測概率為感知到頻譜佔用或未感知到頻譜佔用的用戶的佔所有感知用戶的比例，根據所述各感知用戶第1次至第J次的檢測概率計算第H次的實際檢測概率，其中H≤J。
具體的，首先，根據所述各感知用戶第1次至第J次的感知結果，並根據所述第1次至第J次的感知結果，分別計算第1次至第J次的檢測概率，所述檢測概率為感知到頻譜佔用或未感知到頻譜佔用的用戶的佔所有感知用戶的比例，如，共有10個感知用戶，所述10個感知用戶中，第1次的感知結果中有8個感知用戶的感知結果為已佔用，則所述第1次的檢測概率為0.8；第5次的感知結果中有6個感知用戶的感知結果為已佔用，則所述第5次的檢測概率為0.6。在實際的應用中，也可根據其他已知的計算檢測概率的算法進行第1次至第J次的檢測概率的計算。
在確定了第1次至第J次的檢測概率後，根據所述第1次至第J次的檢測概率，計算第H次的實際檢測概率，其中H≤J。
優選的，本發明提供一種優選的方案為，根據第1次至第L次的檢測概率組成的數組Q計算所述第H次的實際檢測概率，其中，L≤H；
所述數組Q為Q＝[q1，…，q(L-1)，q(L)]，其中，q1為所有感知用戶第1次的檢測概率，q(L)為所有感知用戶第L次的檢測概率。
利用公式(2)計算所述第H次的實際檢測概率：
其中，
Si(H)為各感知用戶第H次的實際檢測概率；
Q為第1次至第L次的檢測概率組成的數組Q。
即，將第1次至第L次的檢測概率組成的數組，帶入實際檢測概率的結算公式，即公式(2)中，確定第L次以後的第H次的實際檢測概率。
步驟S103，根據所述各感知用戶第1次至第J次的感知結果計算第J次的期望檢測概率。
具體的，所述根據所述各感知用戶第1次至第J次的感知結果計算第J次的期望檢測概率，具體包括：
利用公式(1)計算所述第J次的期望檢測概率：
其中：
i為感知用戶；
ri(m)為感知用戶i第m次感知結果；
ki(j)為感知用戶i第j次感知的期望檢測概率。
本發明還提供一種優選的方案為，在獲取各感知用戶第1次至第J次的感知結果的步驟之後，在根據所述各感知用戶第1次至第J次的感知結果計算第J次的期望檢測概率的步驟之前，所述方法還包括：
將所述第2次至第J次的感知結果分別與第1次的感知結果進行比較，分別確定第2次至第J次的比較感知結果，
所述根據所述各感知用戶第1次至第J次的感知結果計算第J次的期望檢測概率，還包括：
根據所述各感知用戶第2次至第J次的比較感知結果計算第J次的期望檢測概率。
獲取第2次至第J次放入比較感知結果後在進一步對期望檢測概率進行計算，可以消除系統中存在的系統噪聲，使計算結果更加準確。
利用所述第2次至第J次的比較感知結果計算第J次的期望檢測概率的計算公式同公式(1)。
步驟S104，根據所述第J次的期望檢測概率和第H次的實際檢測概率計算系統感知差值，並根據所述差值調整所述各感知用戶。
根據系統感知差值，對各感知用戶的感知方法，或感知的閾值進行調整，使得各感知用戶在相同的感知條件下，輸出不同的感知結果，以使各感知用戶的檢測結果更加符合系統的期望感知概率。
本發明所提供的頻譜感知訓練方法及系統，能夠減小頻譜感知系統的實際檢測概率和期望檢測概率之間的誤差值，提高頻譜感知的檢測效率和檢測速度。
圖2為本發明提供的頻譜感知訓練系統的結構示意圖，如圖2所示的頻譜感知訓練系統包括：
接收模塊201，用於獲取各感知用戶第1次至第J次的感知結果。
實際檢測概率模塊202，用於根據所述各感知用戶第1次至第J次的感知結果分別計算第1次至第J次的檢測概率，所述檢測概率為感知到頻譜佔用或未感知到頻譜佔用的用戶的佔所有感知用戶的比例，根據所述各感知用戶第1次至第J次的檢測概率計算第H次的實際檢測概率，其中H≤J；具體用於根據第1次至第L次的檢測概率組成的數組Q計算所述第H次的實際檢測概率，其中，L≤H；所述數組Q為Q＝[q1，…，q(L-1)，q(L)]，其中，q1為所有感知用戶第1次的檢測概率，q(L)為所有感知用戶第L次的檢測概率。
利用公式(2)計算所述第H次的實際檢測概率：
其中，
Si(H)為各感知用戶第H次的實際檢測概率；
Q為第1次至第L次的檢測概率組成的數組Q。
期望檢測概率模塊203，用於根據所述各感知用戶第1次至第J次的感知結果計算第J次的期望檢測概率；還用於根據所述各感知用戶第2次至第J次的比較感知結果計算第J次的期望檢測概率。具體用於利用公式(1)計算所述第J次的期望檢測概率：
其中：
i為感知用戶；
ri(m)為感知用戶i第m次感知結果；
ki(j)為感知用戶i第j次感知的期望檢測概率。
調整模塊204，用於根據所述第J次的期望檢測概率和第H次的實際檢測概率計算系統感知差值，並根據所述差值調整所述各感知用戶。
比較模塊205，用於將所述第2次至第J次的感知結果分別與第1次的感知結果進行比較，分別確定第2次至第J次的比較感知結果。
本發明所提供的頻譜感知訓練方法及系統，能夠減小頻譜感知系統的實際檢測概率和期望檢測概率之間的誤差值，提高頻譜感知的檢測效率和檢測速度。
在本申請所提供的幾個實施例中，應該理解到，所揭露的方法、設備和系統，可以通過其它的方式實現。例如，以上所描述的設備實施例僅是是示意性的，所述功能模塊的劃分，僅為一種邏輯功能的劃分，實際實現時可以有另外的劃分方式，例如多個模塊可以結合或者可以集成到另一個系統，或者一些特徵可以忽略，或不執行。
最後應說明的是：以上實施例僅用以說明本發明的技術方案，而非對其限制；儘管參照前述實施例對本發明進行了詳細的說明，本領域的普通技術人員應當理解：其依然可以對前述各實施例所記載的技術方案進行修改，或者對其中部分技術特徵進行等同替換；而這些修改或者替換，並不使相應技術方案的本質脫離本發明各實施例技術方案的精神和範圍。