专利名称：Nakagami-m衰落信道下的合作频谱感知方法
Nakagam i-m衰落信道下的合作频谱感知方法技术领域
本发明属于认知无线电技术领域，尤其涉及一种Nakagami-m衰落信道下合作频谱感知方法。
背景技术：
认知无线电是一种智能的频谱共享技术，无线终端具备足够的智能或认知能力， 其通过对周围无线环境的历史和当前状况进行检测、分析、学习、推理和规划，并利用相应的结果自动调整相关发射参数或接收参数。实现认知无线电的关键技术之一是频谱感知，它也是认知用户与授权用户共享频谱的前提条件。在多径衰落信道条件下，由于接收到的信号的信噪比较低，单个认知节点很难获取精确的频谱空洞信息，因此，目前已提出多种关于多径衰落信道条件下的合作频谱感知方法，例如“Opportunistic Spectrum Access in Fading Channels Through Collaborative Sensing，，公开一禾中基于能量检测禾口 “k-out-of-n”判决准则的合作频谱感知方法。在该方法中，参与合作的η个认知用户经历独立同分布衰落，各认知用户采用能量检测的方法对共享频谱进行检测，并通过无错信道将采集到的有关频谱占用情况的信息传送给融合中心，融合中心根据“k-out-of-n”判决准则对频谱占用情况作出全局判决。
虽然上述合作频谱感知方法能允许认知用户接入授权用户频谱，提高频谱利用率，并且能够降低满足感知要求的时间和带宽，但是其只考虑Rayleigh多径衰落信道下合作感知方法，没有考虑其他多径衰落信道情况下的合作感知方法，而且融合中心采用的判决准则也不是最优的。发明内容
本发明的目的在于提供一种Nakagami-m衰落信道下合作频谱感知方法，以解决现有合作频谱感知方法存在的仅适用单一多径衰落信道、融合中心采用的判决准则有待提高的问题。
为了实现上述目的，本发明提供的Nakagami-m衰落信道下的合作频谱感知方法， 包括以下步骤引入自适应均衡器在认知用户节点处引入基于改进的第一 BP神经网络实现的自适应均衡器，用于对接收到来自衰落信道的信号进行均衡处理，其中，第一 BP神经网络中包括输入层、单隐层和输出层，网络连接方式为全连接；初始化权值随机变量初始化第一 BP神经网络中的各个连接权值，再根据下式重新对第一 BP神经网络中的网络连接权值进行赋值其中，(η)为网络连接权值、=^7* Iitl为输入分量的个数，H1为隐层神经元的个数；给定训练样本禾Ij用训练样本使第一 BP神经网络训练收敛，训练样本是网络输入向量和网络期望输出向量组成的向量对；将输入向量兴《) 从第一 BP神经网络的输入层输入，并将期望输出向量减输入到第一 BP神经网络的输出5层；计算第一 BP神经网络实际输出对期望输出的误差值输入向量兴《)在输入到第一 BP神 经网络的输入层后，以前向传播的方式不断地经过第一 BP神经网络的隐层传递到输出节 点得到第一 BP神经网络的输出信号y(3) (n)，输入信号在第一 BP神经网络中前向传播的过
程由以下两式定义
权利要求
1. 一种Nakagami-m衰落信道下的合作频谱感知方法，其特征在于，包括以下步骤引入自适应均衡器在认知用户节点处引入基于改进的第一 BP神经网络实现的自适应均衡器，用于对接收到来自衰落信道的信号进行均衡处理，其中，第一 BP神经网络中包括输入层、单隐层和输出层，网络连接方式为全连接；初始化权值随机变量初始化第一 BP神经网络中的各个连接权值，再根据下式重新对第一 BP神经网络中的网络连接权值进行赋值wP=^flj jfe其中， (η)为网络连接权值，7 = 0.7* IItl为输入分量的个数，II1为隐层神经元的个j，数；给定训练样本利用训练样本使第一 BP神经网络训练收敛，训练样本是网络输入向量和网络期望输出向量组成的向量对；将输入向量兴《)从第一BP神经网络的输入层输入，并将期望输出向量减输入到第一 BP神经网络的输出层；计算第一 BP神经网络实际输出对期望输出的误差值输入向量兴《)在输入到第一 BP 神经网络的输入层后，以前向传播的方式不断地经过第一 BP神经网络的隐层传递到输出节点得到第一 BP神经网络的输出信号y(3) (η)，输入信号在第一 BP神经网络中前向传播的过程由以下两式定义mQ0)=艺0)0)yf(n) = V(vf(n))其中，;;厂⑷表示第一BP神经网络第η次迭代时神经元j前一层神经元i的输出信号， 并且，当j是一个隐层神经元时，>f( )是输入层神经元的输出信号，表示为Xi (η)，Xi (η)是输入向量的第i个元素；当j是一个输出层神经元时，则可以通过下式计算出误差值ej{n) = d]{n)-yf\n)JJ9其中，ej(n)为误差值，Clj(Ii)为期望响应向量的第j个元素；判断误差值是否满足精度要求根据下式计算网络的总平方误差E (η)，并将其与设定的网络学习目标值ε作比较Ε(η) = \^β)(η) 1 ^c 若Ε(η) > ε，则说明第一BP神经网络对期望输出的逼近程度未达到预定的要求，继续对网络连接权值进行调整；若E(η) < ε，则说明达到预定的要求，迭代停止，第一 BP神经网络进入收敛状态；利用误差值的反向传播更新网络连接权值当第一 BP神经网络的平方误差不满足收敛条件时，则根据下式反向计算第一 BP神经网络各神经元的局部梯度值δ
2.根据权利要求1所述的Nakagami-m衰落信道下的合作频谱感知方法，其特征在于， 还包括以下步骤n = n+Ι网络进入一个新的迭代周期，第一 BP神经网络输入一个新的样本数据，并重新执行初始化权值的步骤至利用误差值的反向传播更新网络连接权值的步骤，直到第一 BP 神经网络输出信号误差满足设定的条件，或者达到预设的训练次数。
3.根据权利要求1所述的Nakagami-m衰落信道下的合作频谱感知方法，其特征在于， 训练样本分次输入到第一 BP神经网络，并通过计算总的平均误差对第一 BP神经网络的权值状态进行调整。
4.根据权利要求1所述的Nakagami-m衰落信道下的合作频谱感知方法，其特征在于， 还包括以下步骤输入信息至数据融合中心认知用户节点完成信号均衡及频谱占用情况检测后将相关信息送入数据融合中心，数据融合中心将Chair-Varshney准则用于判决准则的改进算法， 并采用基于L-M算法的第二 BP神经网络实现；第二 BP神经网络包括具有n个神经元的输入层、两个隐层及1个神经元输出层，网络连接方式为全连接；网络权值初始化将网络中各权值初始化为在内均勻分布的小数，F表示在这一权值所连神经元输入端的个数，然后初始化状态参数yk，4&在(0，1)之间取值;给定网络训练样本对利用输入的训练样本对计算输出层神经元的误差向量,然后利用下式计算当前连接向量访处的雅可比矩阵"7P)
5.根据权利要求4所述的Nakagami-m衰落信道下的合作频谱感知方法，其特征在于， 还包括以下步骤η = η+1网络进入一个新的迭代周期，网络输入一个新的样本数据，并重新运行上述算法，直到神经网络学习目标函数Ea (η)满足设定条件Ea < ε。
全文摘要
本发明提出一种Nakagami-m衰落信道条件下的合作频谱感知方法。本发明通过两个环节来提高认知用户对授权频谱的感知效率。一是在认知用户处引入基于改进的反向传播神经网络实现的自适应均衡器，认知用户首先将接收到的经过衰落信道的信号送入自适应均衡器中进行处理，以提高接收信号的质量；二是在数据融合中心将Chair-Varshney准则的思想用于判决准则的改进算法，并采用基于L-M算法的BP神经网络来实现。上述两个环节中涉及的神经网络的结构可以根据Nakagami-m衰落信道的形式进行自适应调整，通过这两个环节的改进，能够有效地提高认知用户的频谱正确感知率，从而更合理、有效地使用授权频谱资源。
文档编号H04W24/00GK102523055SQ201110410039
公开日2012年6月27日 申请日期2011年12月9日 优先权日2011年12月9日
发明者刘逸, 王丽娜, 王兵, 马瑞宽 申请人:北京科技大学