训练频谱感知模型的方法及系统、频谱感知方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110138480A(43)申请公布日2019.08.16(21)申请号201910179072.X(51)Int.Cl.(22)申请日2019.03.11H04B17/391(2015.01)H04B17/382(2015.01)(71)申请人全球能源互联网研究院有限公司地址102209北京市昌平区未来科技城滨河大道18号申请人国网浙江省电力有限公司嘉兴供电公司国网浙江省电力有限公司国家电网有限公司(72)发明人张东磊安春燕李建岐陆阳院成龙方景辉邵炜平郑伟军唐锦江(74)专利代理机构北京三聚阳光知识产权代理有限公司11250代理人马永芬权利要求书2页说明书8页附图3页(54)发明名称训练频谱感知模型的方法及系统、频谱感知方法及系统(57)摘要本发明公开一种训练频谱感知模型的方法及系统、频谱感知方法及系统，其中频谱感知方法包括：实时采集待检测的无线电信号；获取待检测的无线电信号的频谱采样协方差矩阵；将待检测的无线电信号的频谱采样协方差矩阵转为待检测的无线电信号的灰度图信息；根据待检测的无线电信号的灰度图信息，确定待检测的无线电信号所对应的频谱感知结果。本发明利用卷积神经网络模型对接收无线电信号的采样协方差矩阵提取特征，避免了能量检测法在低信噪比下检测性能恶化和循环平稳特征检测法需要信号的先验信息，利用卷积神经网络来学习协方差矩阵自身的特征，避免了提取特征时矩阵运算的复杂和阈值估计时的误差，最终达到实时检测的要求和真正意义上的盲检测。CN110138480ACN110138480A权利要求书1/2页1.一种训练频谱感知模型的方法，其特征在于，包括如下步骤：获取作为训练集的无线电信号的频谱采样协方差矩阵；将所述频谱采样协方差矩阵转化为无线电信号的灰度图信息；将所述灰度图信息作为特征数据对卷积神经网络模型训练，得到频谱感知模型。2.根据权利要求1所述的训练频谱感知模型的方法，其特征在于，所述无线电信号包括：频谱处于空闲状态的无线电信号及频谱处于占用状态的无线电信号。3.根据权利要求1或2所述的训练频谱感知模型的方法，其特征在于，所述将所述频谱采样协方差矩阵转化为无线电信号的灰度图信息的步骤，包括：将所述频谱采样协方差矩阵进行归一化处理后，转化为无线电信号的灰度图信息。4.根据权利要求3所述的训练频谱感知模型的方法，其特征在于，所述将所述灰度图信息作为特征数据，对卷积神经网络模型训练得到频谱感知模型的步骤，包括：将第一预设数量无线电信号的灰度图信息作为训练样本，输入到卷积神经网络模型进行训练，得到第一训练感知模型；将第二预设数量无线电信号的灰度图信息作为测试数据，输入到所述第一训练感知模型，得到频谱感知结果；判断所述频谱感知结果的准确率是否大于或等于预设阈值；当所述频谱感知结果的准确率大于或等于预设阈值时，将所述第一训练感知模型确定为所述频谱感知模型。5.根据权利要求4所述的训练频谱感知模型的方法，其特征在于，当所述频谱感知结果的准确率小于预设阈值时，调整所述第一训练感知模型的关键参数，返回将第一预设数量无线电信号的灰度图信息作为训练样本，输入到卷积神经网络模型进行训练，得到第一训练感知模型的步骤。6.一种频谱感知方法，其特征在于，包括如下步骤：实时采集待检测的无线电信号；获取所述待检测的无线电信号的频谱采样协方差矩阵；将所述待检测的无线电信号的频谱采样协方差矩阵转为待检测的无线电信号的灰度图信息；根据所述待检测的无线电信号的灰度图信息，确定所述待检测的无线电信号所对应的频谱感知结果。7.根据权利要求6所述的频谱感知方法，其特征在于，所述根据所述待检测的无线电信号的灰度图信息，确定所述待检测的无线电信号所对应的频谱感知结果的步骤，包括：将待检测的无线电信号的灰度图信息，输入到根据权利要求1-5中任一项所述的训练频谱感知模型的方法得到的频谱感知模型中，得到所述频谱感知结果。8.根据权利要求6所述的频谱感知方法，其特征在于，所述将所述待检测的无线电信号的频谱采样协方差矩阵转为待检测的无线电信号的灰度图信息的步骤，包括：将所述待检测的无线电信号的频谱采样协方差矩阵进行归一化处理后，转为待检测的无线电信号的灰度图信息。9.一种训练频谱感知模型的系统，其特征在于，包括：频谱采样协方差矩阵获取模块，用于获取作为训练集的无线电信号的频谱采样协方差2CN110138480A权利要求书2/2页矩阵；灰度图信息获取模块，用于将所述频谱采样协方差矩阵转化为无线电信号的灰度图信息；频谱感知模型获取模块，用于将所述灰度图信息作为特征数据对卷积神经网络模型训练，得到频谱感知模型。10.一种频谱感知系统，其特征在于，包括如下步骤：待检测的无线电信号获取模块，用于实时采集待检测的无线电信号