CN104394543A - 基于Adaboost算法的联合频谱感知方法 - Google Patents

基于Adaboost算法的联合频谱感知方法 Download PDF

Info

Publication number
CN104394543A
CN104394543A CN201410739148.7A CN201410739148A CN104394543A CN 104394543 A CN104394543 A CN 104394543A CN 201410739148 A CN201410739148 A CN 201410739148A CN 104394543 A CN104394543 A CN 104394543A
Authority
CN
China
Prior art keywords
frequency spectrum
user
cognitive
user terminals
training sequence
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201410739148.7A
Other languages
English (en)
Other versions
CN104394543B (zh
Inventor
鲍志强
凌翔
吴斌
陈亦欧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201410739148.7A priority Critical patent/CN104394543B/zh
Publication of CN104394543A publication Critical patent/CN104394543A/zh
Application granted granted Critical
Publication of CN104394543B publication Critical patent/CN104394543B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/14—Spectrum sharing arrangements between different networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种基于Adaboost算法的联合频谱感知方法，包括：认知用户终端分别独立地探测自身周围的无线通信环境中授权用户终端的出现，对其频段使用情况进行频谱感知，判断授权用户终端的频谱使用状态是否空闲，将判断结果分别上报到融合中心；融合中心接收判断结果，根据判断结果为认知用户终端各自分配对应的权重值；融合中心再根据每个认知用户终端的权重值和工作时认知用户终端实际上报的判断结果进行授权用户终端的频谱使用状态是否空闲的总判决。本发明可有效地减少低置信度从用户对总判决的干扰，提高频谱检测性能，增强在时变的无线通信环境下多用户频谱检测的自适应能力。

Description

基于Adaboost算法的联合频谱感知方法
技术领域
本发明涉及无线通信领域，特别涉及一种基于Adaboost算法的联合频谱感知系统及方法。
背景技术
随着无线通信技术与网络的飞速发展，无线用户的数量急剧增加，通过无线网络接入的业务形式日趋多样化，并对系统提出了越来越高的带宽要求，使得频谱资源变得非常紧张。另外，随着无线网络宽带化及数据、业务、网络IP化与一体化的逐步演进，人们对带宽和频谱的利用率提出了越来越高的要求。而认知无线电就是用于解决这种频谱使用不均衡、频谱利用率不高等问题的非常具有潜力的技术手段。目前，认知无线电的一个典型应用就是机会频谱接入。其核心思想是通过无线通信设备对通信环境的认知，进而按照某种“伺机”的方式，在空域、时域、和频域中实时地去发现授权频段上出现的可以被利用的频谱机会，即“频谱空穴”，并合理的利用。当未授权用户（SU，也称为从用户）通过这种“借用”的方式使用已授权用户（PU，也称为主用户）的频谱资源时，必须保证其通信过程不会影响到PU的通信，或对PU的干扰被控制在某个特定的范围之内。
频谱检测指的是认知无线电设备在特定的时间、特定的区域上感知并分析无线通信环境中的频段使用情况的能力。其目的是为了找出适合通信的“频谱空穴”，使得认知无线电系统能够在不影响已有通信系统的前提下有效地进行工作。现有的频谱检测方法有能量检测（H. Urkowitz, “Energy detection of unknown deterministic signals,” Proceedings of IEEE, vol. 55,pp.523-531,April 1967；F. F. Digham, M.-S. Alouini and M. K. Simon, “On the energy detection of unknow signals over fading channels,” IEEE Trans. Commun, vol. 55, no. 1, pp. 3575-3579, Jan. 2007）、匹配滤波器与相关检测(S. M. Kay, Fundamental of Statistical Signal Processing: Dection Theory. New Jersey: Prentice Hall, 1998)和循环特征检测(S. Enserink and D. Cochran, “A cycolstationary feature detector,” in Proc. 28thAsilomar Conference on Signals, Systems, and Computers, Monterey, CA, Oct. 1994, pp. 806-810)等。后两种方法检测方法需要知道当前频段PU的先验知识，同时其实现复杂度及成本较高，检测时间也较长。因此，频谱检测一般是在SU的发送端通过能量检测与判决来完成。能量检测器具有实现简单、无需预先知道PU的信号特征与调制方式信息等优势，目前认知无线电中的频谱检测大多采用能量检测判决机制。信号首先通过从用户的能量检测器的一个带通滤波器滤除带外噪声，然后通过平方器和积分器计算总能量Y，最后通过判决器与一个能量判决门限值ξ进行比较，以判断两个可能的情况：H 0和H 1，其中H 0代表PU未占用频谱，而H 1代表PU正在使用频谱。如果Y<ξ，能量检测的结果为H 0；反之，为H 1。在谱交织模式（SU只在PU的空闲期工作）下，通常SU只能在判决结果为H 0的时候才能传输数据。从用户通过对所观察的频段内的无线信号进行测量及能量计算，并与特定的门限值进行比较，从而判决是否出现了符合通信要求的“频谱空穴”。频谱检测的性能决定了SU能否有效地抓住频谱机会来实现高效的数据传输，以及能否比较准确地判定射频信号碰撞事件，使SU在PU出现的情况下能够尽快主动退避，避免过多地影响PU的通信，
在实际的无线信道中，单一用户的检测结果常常受到衰落、阴影和多径的影响，无法达到一个很好的检测性能。通过将多个用户的检测结果加以综合，就能以少量的开销——传递用户判决信息，极大地提高检测的性能。
在多用户认知无线电网络中，存在一个主用户和N个从用户。从用户之间互不干扰，每个从用户独立地进行频谱感知，然后通过控制信道把相关检测数据发送至融合中心FC，由FC按照特定融合规则集中判决。现有的融合规则有K/N规则等。基于K/N规则的联合频谱检测方法指的是，若N个用户中有大于或等K个的判决为真，则总判决为真，否则总判决为假。K/N规则的经典应用就是少数服从多数原则。在实际无线环境中，各个从用户的信道质量各不相同。由于可能存在信道条件恶劣的从用户，其判决的准确度较低，导致融合中心FC在进行总判决时受其干扰，总判决的准确度下降。
      发明内容
本发明的目的在于克服现有技术中所存在的上述不足，提供一种基于Adaboost算法的联合频谱感知系统及方法。其可有效地减少低置信度从用户对总判决的干扰，提高频谱检测性能，增强在时变的无线通信环境下多用户频谱检测的自适应能力。
为了实现上述发明目的，本发明采用的技术方案是：一种基于Adaboost算法的联合频谱感知方法，包括：
a）探测步骤：至少两个认知用户终端分别独立地探测自身周围的无线通信环境中授权用户终端的出现，对其频段使用情况进行频谱感知，判断所述授权用户终端的频谱使用状态是否空闲，将判断结果分别上报到融合中心；
b）权重分配步骤：所述融合中心接收所述判断结果，根据所述判断结果为所述至少两个认知用户终端各自分配对应的权重值，每个所述至少两个认知用户终端的所述权重值与对应的所述判断结果的可信性成正比关系；
c）集中判断步骤：所述融合中心再根据每个所述至少两个认知用户终端的所述权重值和工作时所述至少两个认知用户终端实际上报的判断结果进行授权用户终端的频谱使用状态是否空闲的总判决。
所述融合中心为所述至少两个认知用户终端各自分配对应的权重值，具体为：
所述融合中心与所述授权用户终端进行协商，确定预定的训练序列，根据所述预定的训练序列对所述至少两个认知用户终端进行频谱感知训练，训练过程中计算得到每个所述至少两个认知用户终端的频谱感知能力对应的权重值。
所述预定的训练序列为{s 1 、s 2  ... s j }，                                                ；H 0代表所述授权用户终端未占用频谱，而H 1代表所述授权用户终端正在使用频谱；
所述融合中心根据所述预定的训练序列对所述至少两个认知用户终端进行频谱感知训练，训练过程中计算得到各个认知用户终端的对应权重值，具体为：
所述授权用户终端按照所述训练序列在规定时隙j占用或不占用频谱， s j =H 1 则占用频谱，s j =H 0 则不占用频谱；
所述至少两个认知用户终端各自独立地对所述授权用户终端进行频谱检测，判断所述授权用户终端的频谱使用状态是否空闲，分别将各自判断的检测结果向融合中心上报；
所述融合中心接收每个所述至少两个认知用户终端的所述检测结果，根据所述训练序列采用Adaboost算法得出每个所述至少两个认知用户终端的对应权重值。
所述融合中心接收每个所述至少两个认知用户终端的所述检测结果，根据所述训练序列采用Adaboost算法得出每个所述至少两个认知用户终端的对应权重值，具体为：
步骤4.1：初始化迭代轮次t=1，首轮所述至少两个认知用户终端中的任一个，即从用户i的从用户权重，i=1,2…N，其中N是所述至少两个认知用户终端的数量，首轮所述训练序列的权重，j=1,2…S，其中S是所述训练序列的长度，s j 是所述训练序列第j个时隙的频谱使用状态，k为训练序列中s j =H 1 的样本的总数，l为训练序列中s j =H 0 的样本的总数；
      步骤4.2.1：计算第t轮更新的从用户i的加权误差，
其中是第t轮所述训练序列的权重，h i (s j )是从用户i对所述训练序列第j个时隙的频谱使用状态s j 的判断结果；
步骤4.2.2：找出满足的从用户，若则跳转到步骤4.3结束，否则更新当前，然后跳转到步骤4.2.3；
其中是第t+1轮更新的从用户i的从用户权重；
      步骤4.2.3：更新第t+1轮所述训练序列的权重，j=1,2…S；
归一化，j=1,2…S；
t++，跳转到步骤4.2.1；
步骤4.3：分别记录N个从用户最后的权重。
当频谱感知训练结束后，所述授权用户终端随机占用频谱进行通信，所述至少两个认知用户终端各自实时检测所述授权用户终端的频谱使用状态并向所述融合中心上报检测结果，所述融合中心根据下式进行集中总判决：
                       
其中h i 为第i个从用户的检测结果取值,。
与现有技术相比，本发明的有益效果：  
本发明在认识无线电系统运行过程中，只需要进行一次样本序列训练即可，后续的判决为加权和形式，计算简单，完全能够实现对环境变化的快速响应并极大地减少运行过程中所需要的功耗开销，同时可有效地减少低置信度用户对总判决的干扰，极大地提高频谱检测系统的检测能力，增强了在时变的无线通信环境下多用户频谱检测系统的自适应能力。
附图说明：
图1为认知无线电系统模型图；
图2为基于Adaboost的联合频谱感知系统模型。
具体实施方式
下面结合具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例，凡基于本发明内容所实现的技术均属于本发明的范围。
本发明的提出一种基于Adaboost算法的联合频谱感知方法，包括如下步骤：a）探测步骤：至少两个认知用户终端分别独立地探测自身周围的无线通信环境中授权用户终端的出现，对其频段使用情况进行频谱感知，判断所述授权用户终端的频谱使用状态是否空闲，将判断结果分别上报到融合中心；b）权重分配步骤：所述融合中心接收所述判断结果，根据所述判断结果为所述至少两个认知用户终端各自分配对应的权重值，每个所述至少两个认知用户终端的所述权重值与对应的所述判断结果的可信性成正比关系；c）集中判断步骤：所述融合中心再根据每个所述至少两个认知用户终端的所述权重值和工作时所述至少两个认知用户终端实际上报的判断结果进行授权用户终端的频谱使用状态是否空闲的总判决。
所述融合中心为所述至少两个认知用户终端各自分配对应的权重值，具体为：
所述融合中心与所述授权用户终端进行协商，确定预定的训练序列，根据所述预定的训练序列对所述至少两个认知用户终端进行频谱感知训练，训练过程中计算得到每个所述至少两个认知用户终端的频谱感知能力对应的权重值。
所述预定的训练序列为{s 1 、s 2  ... s j }，；H 0代表所述授权用户终端未占用频谱，而H 1代表所述授权用户终端正在使用频谱；
所述融合中心根据所述预定的训练序列对所述至少两个认知用户终端进行频谱感知训练，训练过程中计算得到各个认知用户终端的对应权重值，具体为：
所述授权用户终端按照所述训练序列在规定时隙j占用或不占用频谱， s j =H 1 则占用频谱，s j =H 0 则不占用频谱；
所述至少两个认知用户终端各自独立地对所述授权用户终端进行频谱检测，判断所述授权用户终端的频谱使用状态是否空闲，分别将各自判断的检测结果向融合中心上报；
所述融合中心接收每个所述至少两个认知用户终端的所述检测结果，根据所述训练序列采用Adaboost算法得出每个所述至少两个认知用户终端的对应权重值。
所述融合中心接收每个所述至少两个认知用户终端的所述检测结果，根据所述训练序列采用Adaboost算法得出每个所述至少两个认知用户终端的对应权重值，具体为：
步骤4.1：初始化迭代轮次t=1，首轮所述至少两个认知用户终端中的任一个，即从用户i的从用户权重，i=1,2…N，其中N是所述至少两个认知用户终端的数量，首轮所述训练序列的权重，j=1,2…S，其中S是所述训练序列的长度，s j 是所述训练序列第j个时隙的频谱使用状态，k为训练序列中s j =H 1 的样本的总数，l为训练序列中s j =H 0 的样本的总数；
      步骤4.2.1：计算第t轮更新的从用户i的加权误差，
其中w t,j 是第t轮所述训练序列的权重，h i (s j )是从用户i对所述训练序列第j个时隙的频谱使用状态s j 的判断结果；
步骤4.2.2：找出满足的从用户，若则跳转到步骤4.3结束，否则更新当前，然后跳转到步骤4.2.3；
其中是第t+1轮更新的从用户i的从用户权重；
      步骤4.2.3：更新第t+1轮所述训练序列的权重，j=1,2…S；
归一化，j=1,2…S；
t++，跳转到步骤4.2.1；
步骤4.3：分别记录N个从用户最后的权重。
当频谱感知训练结束后，所述授权用户终端随机占用频谱进行通信，所述至少两个认知用户终端各自实时检测所述授权用户终端的频谱使用状态并向所述融合中心上报检测结果，所述融合中心根据下式进行集中总判决：
                       
其中h i 为第i个从用户的检测结果取值,。
本发明在认识无线电系统运行过程中，只需要进行一次样本序列训练即可，后续的判决为加权和形式，计算简单，完全能够实现对环境变化的快速响应并极大地减少运行过程中所需要的功耗开销，同时可有效地减少低置信度用户对总判决的干扰，极大地提高频谱检测系统的检测能力，增强了在时变的无线通信环境下多用户频谱检测系统的自适应能力。
下面具体说明本发明。本发明提出了一种基于Adaboost的联合频谱感知方法，主要原理是通过融合中心FC与主用户PU（即所述授权用户终端）预先定义的训练序列，让多个从用户SU（即认知用户终端）独立地进行频谱感知；融合中心根据从用户各自的检测结果，计算得到从用户的权重值。在其后的检测中，融合中心根据从用户的检测结果和已知的从用户的权重值得出最终的判决结果。
该方案不仅可以极大地提高频谱检测系统的检测能力，还能有效地减少低置信度用户对总判决的影响，极大地增强了在时变的无线通信环境下多用户频谱检测系统的自适应能力。在系统运行过程中，只需要进行一次样本序列训练，训练后的判决为加权和形式，计算简单。
图1为认知无线电系统模型图，其中γ ps 表示主用户到从用户发送端的信噪比，γ pr 表示主用户到从用户接收端的信噪比，γ sr 表示从用户发送端到从用户接收端的信噪比。
图2为基于Adaboost的联合频谱感知系统模型。假定在认知无线电网络中，存在一个主用户和N个从用户。从用户之间互不干扰，每个从用户独立地进行频谱感知，然后通过控制信道把相关数据发送至融合中心FC，由FC集中判决。主用户首先按照训练序列占用或不占用频谱；从用户将判决结果上报给融合中心，融合中心将各个从用户的判决结果与训练序列比较，采用Adaboost算法进行估计得到各个从用户的权重值，用于以后的集中判决。
本发明对从用户的判决进行权重的分配，并以此提高认知无线电用户的智能化水平，减少低置信度用户对总判决的干扰。首先通过融合中心与主用户预先定义的训练序列，让多个从用户SU独立进行频谱感知，根据从用户各自的感知结果对从用户进行训练后得到从用户的权重值。基于Adaboost的联合检测方法着重考虑了各个从用户的判决的可靠性，为无线通信环境中不同的从用户提供了一定的容错能力，通过训练从用户的方法，为每个从用户分配了相应的判决权重。信道质量好的从用户，判决准确度高，则权重高，反之，则权重低。在以后的判决中，融合中心根据各个用户的加权和得出总的判决结果。 其步骤包括：
步骤1：融合中心FC与主用户PU进行协商，确定训练序列{s 1 、s 2  ... s j }，；S是训练序列的长度，s j 是训练序列第j个时隙的频谱使用状态（即 H 0 或H 1 ）。
步骤2：主用户PU按照训练序列s j 在规定时隙j占用或不占用频谱（s j =H 0 则不占用频谱，s j =H 1 则占用频谱），所有N个从用户SUi各自独立进行频谱检测，当检测结果为H 1 时向融合中心上报1，检测结果为H 0 时向融合中心上报0；其中H 0代表PU未占用频谱，而H 1代表PU正在使用频谱。所述时隙是指一个固定长度的时间片段，时隙j根据训练序列中s j 决定是否发送信号占用频谱。训练序列长度为S，则需要S个时隙用于训练。
步骤3：融合中心收集所有从用户SUi的检测结果，根据已知的训练序列使用Adaboost算法得出各SUi的对应权重α i ；
具体的，在融合中心进行训练的过程中，通过Adaboost算法计算出各从用户SUi的对应权重α i ；权重越大表明此从用户SU的检测结果越可信，权重越小表明此SU的检测结果越不可信，权重为0表明忽略此SU的检测结果。
Adaboost算法步骤如下：
步骤3.1：初始化迭代轮次t=1；首轮从用户i的从用户权重，i=1,2…N，其中N是从用户数量；首轮训练序列权重，j=1,2…S，其中S是训练序列长度，s j 是训练序列第j个时隙的频谱使用状态，k为训练序列中s j =H 1 的样本的总数，l为训练序列中s j =H 0 的样本的总数；
      步骤3.2.1：计算第t轮更新的从用户i的加权误差
其中w t,j 是第t轮所述训练序列的权重，h i (s j )是从用户i对所述训练序列第j个时隙的频谱使用状态s j 的判断结果；
步骤3.2.2：找出满足的从用户SUi，若则跳转到步骤3.3结束，否则更新当前，然后跳转到步骤3.2.3；其中是第t+1轮更新的从用户i的从用户权重；
      步骤3.2.3：更新第t+1轮训练序列权重，j=1,2…S；
归一化，j=1,2…S；
t++；跳转到步骤3.2.1；
步骤3.3：记录N个从用户SUi最后的权重。
步骤4：训练结束后，主用户PU随机占用频谱进行通信，各个从用户SU实时检测PU频谱使用状态并向融合中心上报检测结果；融合中心使用下式进行集中总判决：
                       
其中h i 为从用户SUi的检测上报结果，。
进一步举例说明本发明，考虑一个按时隙划分传输信道的认知无线网络，网络内有一个PU、N个SU，假设N=10。假设,i=1,2…,N，，即不同的从用户具有不同的信噪比水平。PU对频谱占用时间的统计值可以通过提前统计已知，假设统计得到PU占用频谱的概率为Pr{H 1}=0.42，不占用频谱的概率为Pr{H 0}=0.58。在系统运行初始阶段，主用户和融合中心预先设定一个样本序列，主用户根据样本序列在对应时隙进行有规律的操作：占用频谱或不占用频谱。假设训练序列为{0 0 0 1 1 1……}，训练序列长度100000，训练序列共包含41791个H 1、58209个H 0。
所有从用户SU独立地进行频谱的检测，假设
SU1上报训练序列判决结果(1 1 0 1 1 1……)
SU2上报训练序列判决结果(1 1 1 1 1 1……)
SU3上报训练序列判决结果(1 0 0 1 1 1……)
SU4上报训练序列判决结果(1 0 1 1 1 1……)
SU5上报训练序列判决结果(1 1 0 1 1 1……)
SU6上报训练序列判决结果(0 1 1 1 1 1……)
SU7上报训练序列判决结果(1 0 0 1 1 1……)
SU8上报训练序列判决结果(0 0 1 1 1 1……)
SU9上报训练序列判决结果(0 1 0 0 1 1……)
SU10上报训练序列判决结果(0 1 0 1 1 1……)
融合中心收集所有从用户对样本序列的判决结果，初始化迭代轮次t=1；，i=1,2…N；，j=1,2…S，其中k为训练序列中s j =H 1 的样本的总数，l为训练序列中s j =H 0 的样本的总数；则
w 1=(0.0859 0.0859 0.0859 0.1196 0.1196 0.1196 ……)
α 1=(0 0 0 0 0 0 0 0 0 0)
融合中心计算第一轮加权误差，则=(0.3937 0.3732 0.3510 0.3229 0.2959 0.2659 0.2330 0.2015 0.1714 0.1477)
找出满足的SUi；则=0.1477<0.5，i=10
更新从用户权重，则α 2=(0 0 0 0 0 0 0 0 0 1.7527)
更新训练序列权重，j=1,2…S；则w 2=(0.0149 0.0859 0.0149 0.0207 0.0207 0.0207……)
归一化，j=1,2…S；则w 2=(0.0504 0.2908 0.0504 0.0702 0.0702 0.0702……)
更新迭代轮次t=2；
融合中心计算第二轮加权误差，则=(0.4313 0.4078 0.3828 0.3520 0.3212 0.2888 0.2473 0.2138 0.1827 0.5)
找出满足的SUi；则=0.1827<0.5，i=9
更新从用户权重，则α 3 =(0 0 0 0 0 0 0 0 1.4978 1.7527)
更新训练序列权重，j=1,2…S；则w 3=(0.0113 0.2908 0.0113 0.0702 0.0157 0.0157 ……)
归一化，j=1,2…S；则w 3=(0.0308 0.7956 0.0308 0.1920 0.0429 0.0429 ……)
继续进行迭代，最后α 10 =(0 0 0 0.0947 0.3278 0.5975 0.9078 1.2219 1.4978 1.7527)。这表明具备最优信噪比的从用户SU10具有最大的从用户权重；SU1、SU2、SU3的信噪比很差，其判决结果极不可靠，因此被忽略。
训练结束后，主用户PU根据传输需求随机占用频谱；所有从用户SU各自独立实时检测频谱，并向融合中心上报检测结果。假设10个从用户上报判决结果集合h=(1 1 1 0 0 0 1 1 0 0)；
融合中心根据以加权投票的方式进行集中总判决；因，，则此时最终判决是H 0。
实验表明，在各个从用户信道条件相差较大的条件下，使用了基于Adaboost的联合频谱感知技术，相比于传统的K/N规则的检测系统在误警概率方面有很大的改进，误警概率的减小带来的最直接的结果就是可以使得SU用户更多地发送数据，从而增大吞吐量，提高系统容量。在漏检概率方面，由于使用了联合检测技术，相对于单用户的频谱检测方法，漏检概率降低十分显著，系统的可靠性得到了提高。
值得注意的是，频谱检测技术不仅仅在“频谱空穴”的搜寻和判定中起到关键作用，还在频谱使用状态的监测与统计等方面发挥至关重要的作用。通过无线频谱的监测，可以搜集无线环境的统计资料，为高层的频谱管理提供辅助，并为SU的通信提供必要的参数支持。
本发明在认识无线电系统运行过程中，只需要进行一次样本序列训练即可，后续的判决为加权和形式，计算简单，完全能够实现对环境变化的快速响应并极大地减少运行过程中所需要的功耗开销，同时可有效地减少低置信度用户对总判决的干扰，极大地提高频谱检测系统的检测能力，增强了在时变的无线通信环境下多用户频谱检测系统的自适应能力。
上面结合附图对本发明的具体实施方式进行了详细说明，但本发明并不限制于上述实施方式，在不脱离本申请的权利要求的精神和范围情况下，本领域的技术人员可以作出各种修改或改型。 

Claims (5)

1.一种基于Adaboost算法的联合频谱感知方法，其特征在于，包括：
a）探测步骤：至少两个认知用户终端分别独立地探测自身周围的无线通信环境中授权用户终端的出现，对其频段使用情况进行频谱感知，判断所述授权用户终端的频谱使用状态是否空闲，将判断结果分别上报到融合中心；
b）权重分配步骤：所述融合中心接收所述判断结果，根据所述判断结果为所述至少两个认知用户终端各自分配对应的权重值，每个所述至少两个认知用户终端的所述权重值与对应的所述判断结果的可信性成正比关系；
c）集中判断步骤：所述融合中心再根据每个所述至少两个认知用户终端的所述权重值和工作时所述至少两个认知用户终端实际上报的判断结果进行授权用户终端的频谱使用状态是否空闲的总判决。
2.根据权利要求1所述的基于Adaboost算法的联合频谱感知方法，其特征在于，所述融合中心为所述至少两个认知用户终端各自分配对应的权重值，具体为：
所述融合中心与所述授权用户终端进行协商，确定预定的训练序列，根据所述预定的训练序列对所述至少两个认知用户终端进行频谱感知训练，训练过程中计算得到每个所述至少两个认知用户终端的频谱感知能力对应的权重值。
3.根据权利要求2所述的基于Adaboost算法的联合频谱感知方法，其特征在于，所述预定的训练序列为{s 1 、s 2  ... s j }，                                               ；H 0代表所述授权用户终端未占用频谱，而H 1代表所述授权用户终端正在使用频谱；
所述融合中心根据所述预定的训练序列对所述至少两个认知用户终端进行频谱感知训练，训练过程中计算得到各个认知用户终端的对应权重值，具体为：
所述授权用户终端按照所述训练序列在规定时隙j占用或不占用频谱， s j =H 1 则占用频谱，s j =H 0 则不占用频谱；
所述至少两个认知用户终端各自独立地对所述授权用户终端进行频谱检测，判断所述授权用户终端的频谱使用状态是否空闲，分别将各自判断的检测结果向融合中心上报；
所述融合中心接收每个所述至少两个认知用户终端的所述检测结果，根据所述训练序列采用Adaboost算法得出每个所述至少两个认知用户终端的对应权重值。
4.根据权利要求3所述的基于Adaboost算法的联合频谱感知方法，其特征在于，所述融合中心接收每个所述至少两个认知用户终端的所述检测结果，根据所述训练序列采用Adaboost算法得出每个所述至少两个认知用户终端的对应权重值，具体为：
步骤4.1：初始化迭代轮次t=1，首轮所述至少两个认知用户终端中的任一个，即从用户i的从用户权重，i=1,2…N，其中N是所述至少两个认知用户终端的数量，首轮所述训练序列的权重，j=1,2…S，其中S是所述训练序列的长度，s j 是所述训练序列第j个时隙的频谱使用状态，k为训练序列中s j =H 1 的样本的总数，l为训练序列中s j =H 0 的样本的总数；
    步骤4.2.1：计算第t轮更新的从用户i的加权误差，
其中w t,j 是第t轮所述训练序列的权重，h i (s j )是从用户i对所述训练序列第j个时隙的频谱使用状态s j 的判断结果；
步骤4.2.2：找出满足的从用户，若则跳转到步骤4.3结束，否则更新当前，然后跳转到步骤4.2.3；
其中是第t+1轮更新的从用户i的从用户权重；
    步骤4.2.3：更新第t+1轮所述训练序列的权重，j=1,2…S；
归一化，j=1,2…S；
t++，跳转到步骤4.2.1；
步骤4.3：分别记录N个从用户最后的权重。
5.根据权利要求4所述的基于Adaboost算法的联合频谱感知方法，其特征在于，当频谱感知训练结束后，所述授权用户终端随机占用频谱进行通信，所述至少两个认知用户终端各自实时检测所述授权用户终端的频谱使用状态并向所述融合中心上报检测结果，所述融合中心根据下式进行集中总判决：
                       
其中h i 为第i个从用户的检测结果取值,。
CN201410739148.7A 2014-12-08 2014-12-08 基于Adaboost算法的联合频谱感知方法 Expired - Fee Related CN104394543B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410739148.7A CN104394543B (zh) 2014-12-08 2014-12-08 基于Adaboost算法的联合频谱感知方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410739148.7A CN104394543B (zh) 2014-12-08 2014-12-08 基于Adaboost算法的联合频谱感知方法

Publications (2)

Publication Number Publication Date
CN104394543A true CN104394543A (zh) 2015-03-04
CN104394543B CN104394543B (zh) 2018-01-30

Family

ID=52612367

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410739148.7A Expired - Fee Related CN104394543B (zh) 2014-12-08 2014-12-08 基于Adaboost算法的联合频谱感知方法

Country Status (1)

Country Link
CN (1) CN104394543B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105141385A (zh) * 2015-09-17 2015-12-09 宁波大学 多频段协作认知频谱感知方法
CN106034100A (zh) * 2015-03-13 2016-10-19 中国移动通信集团公司 一种干扰检测方法及装置
CN112468248A (zh) * 2020-11-25 2021-03-09 云南电网有限责任公司信息中心 基于电力无线专网的认知无线电频谱检测方法
CN117119465A (zh) * 2023-10-20 2023-11-24 电子科技大学 一种基于Adaboost的宽带信号并行频谱感知方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101917369A (zh) * 2010-07-30 2010-12-15 中国人民解放军信息工程大学 一种通信信号调制方式的识别方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101917369A (zh) * 2010-07-30 2010-12-15 中国人民解放军信息工程大学 一种通信信号调制方式的识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
齐晓龙等: "基于循环平稳PCA 和AdaBoost 的频谱感知算法", 《电视技术》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106034100A (zh) * 2015-03-13 2016-10-19 中国移动通信集团公司 一种干扰检测方法及装置
CN106034100B (zh) * 2015-03-13 2019-02-05 中国移动通信集团公司 一种干扰检测方法及装置
CN105141385A (zh) * 2015-09-17 2015-12-09 宁波大学 多频段协作认知频谱感知方法
CN105141385B (zh) * 2015-09-17 2017-07-11 宁波大学 多频段协作认知频谱感知方法
CN112468248A (zh) * 2020-11-25 2021-03-09 云南电网有限责任公司信息中心 基于电力无线专网的认知无线电频谱检测方法
CN117119465A (zh) * 2023-10-20 2023-11-24 电子科技大学 一种基于Adaboost的宽带信号并行频谱感知方法
CN117119465B (zh) * 2023-10-20 2023-12-22 电子科技大学 一种基于Adaboost的宽带信号并行频谱感知方法

Also Published As

Publication number Publication date
CN104394543B (zh) 2018-01-30

Similar Documents

Publication Publication Date Title
CN101521896B (zh) 认知无线电中的基于似然比的协同频谱感知方法
CN101640570A (zh) 频谱感知方法、能量检测方法及装置
Zeng et al. Reliability of spectrum sensing under noise and interference uncertainty
Guimarães Gini index inspired robust detector for spectrum sensing over Ricean channels
CN104469784A (zh) 一种异构网络中频谱感知数据的处理方法及装置
KR102154273B1 (ko) 다중 안테나 적용 통신 시스템에서 부분 간섭 정렬 장치 및 방법
CN104394543A (zh) 基于Adaboost算法的联合频谱感知方法
CN104780006A (zh) 基于最小错误概率准则的频谱检测器软融合方法
CN102324992B (zh) 一种自适应门限的能量检测方法
Lin et al. Cooperative spectrum sensing and optimization on multi-antenna energy detection in Rayleigh fading channel
Sharma et al. Cooperative spectrum sensing for heterogeneous sensor networks using multiple decision statistics
CN105007585B (zh) 基于中断概率能效最大的功率分配方法
CN109600181B (zh) 一种用于多天线的频谱感知方法
CN114727286B (zh) 一种无阈值多属性物理层认证方法及相关设备
Kansal et al. An efficient composite two-tier threshold cooperative spectrum sensing technique for 5G systems
CN106941715B (zh) 信道不确定性条件下大规模用户共享信道的功率分配方法
Vu‐Van et al. A cluster‐based sequential cooperative spectrum sensing scheme utilizing reporting framework for cognitive radios
CN104378169A (zh) 基于幂集置信度的联合频谱感知系统和方法
US9503923B2 (en) Cooperative modulation of classification in cognitive radio networks
Xin et al. Deep learning based MAC via joint channel access and rate adaptation
Valadão et al. Trends and Challenges for the Spectrum Efficiency in NOMA and MIMO based Cognitive Radio in 5G Networks
Akin et al. Cognitive radio transmission under QoS constraints and interference limitations
Sadeghi et al. Optimal multi-cycle cyclostationarity-based spectrum sensing for cognitive radio networks
Aravind et al. Spectrum sensing implementations for software defined radio in simulink
Wallace et al. Cognitive radio technology: system evolution

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20180130

Termination date: 20181208