一种协作频谱感知方法及相关装置.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CN108712222A(43)申请公布日2018.10.26(21)申请号201810474357.1(22)申请日2018.05.17(71)申请人广东工业大学地址510060广东省广州市越秀区东风东路729号(72)发明人张勇威万频王永华丁梓(74)专利代理机构北京集佳知识产权代理有限公司11227代理人罗满(51)Int.Cl.H04B17/382(2015.01)H04W16/14(2009.01)权利要求书2页说明书11页附图3页(54)发明名称一种协作频谱感知方法及相关装置(57)摘要本申请公开了一种协作频谱感知方法，包括：对已知信号进行经验模态分解得到高频段分量进行小波去噪处理，将去噪后的信号进行特征提取，在根据所提取的特征进行学习训练，利用训练得到的分类模型进行频谱感知。通过对分解后得到的高频段分量进行小波去噪处理，既可以去除已知信号中的噪声，还可以保留高频段分量中的有用信息，提高了频谱感知的感知性能。本申请还公开了一种协作频谱感知系统、协作频谱感知装置以及计算机可读存储介质，具有上述有益效果。CN108712222ACN108712222A权利要求书1/2页1.一种协作频谱感知方法，其特征在于，包括：S1，对已知信号进行经验模态分解得到多个本征模态函数信号分量，将所述多个本征模态函数信号分量进行高低频分段处理，得到高频段分量和低频段分量；S2，根据小波阈值算法对所述高频段分量进行去噪处理，得到去噪高频段分量；S3，将所述去噪高频段分量和所述低频段分量进行叠加处理，得到重构信号，对所述重构信号进行特征提取处理得到信号特征；S4，判断所述信号特征的数量是否大于等于预设数量；S5，若否，则执行S1；若是，则根据聚类算法对所述信号特征进行分类，根据分类结果进行训练得到分类器；S6，当接收到未知信号时，根据所述分类器对所述未知信号进行分类。2.根据权利要求1所述的协作频谱感知方法，其特征在于，S1，对已知信号进行经验模态分解得到多个本征模态函数信号分量，将所述多个本征模态函数信号分量进行高低频分段处理，得到高频段分量和低频段分量，包括：对已知信号进行经验模态分解得到多个本征模态函数信号分量；根据连续均方误差准则确定所述多个本征模态函数信号分量的临界值；根据所述临界值对所述多个本征模态函数信号分量进行分段处理，得到所述高频段分量和所述低频段分量。3.根据权利要求2所述的协作频谱感知方法，其特征在于，S2，根据小波阈值算法对所述高频段分量进行去噪处理，得到去噪高频段分量，包括：对所述高频段分量进行小波变换，得到小波系数；对所述小波系数进行阈值处理，得到估计系数；根据所述估计系数进行小波重构处理，得到去噪高频段分量。4.根据权利要求3所述的协作频谱感知方法，其特征在于，根据聚类算法对所述信号特征进行分类，根据分类结果进行训练得到分类器，包括：根据K均值聚类算法对所述信号特征进行分类，得到分类结果；根据所述分类结果进行训练处理，得到分类器。5.一种协作频谱感知系统，其特征在于，包括：信号分解处理模块，用于对已知信号进行经验模态分解得到多个本征模态函数信号分量，将所述多个本征模态函数信号分量进行高低频分段处理，得到高频段分量和低频段分量；信号分量去噪模块，用于根据小波阈值算法对所述高频段分量进行去噪处理，得到去噪高频段分量；信号叠加处理模块，用于将所述去噪高频段分量和所述低频段分量进行叠加处理，得到重构信号，对所述重构信号进行特征提取处理得到信号特征；特征数量判断模块，用于判断所述信号特征的数量是否大于等于预设数量；分类器训练模块，用于根据聚类算法对所述信号特征进行分类，根据分类结果进行训练得到分类器；频谱感知模块，用于当接收到未知信号时，根据所述分类器对所述未知信号进行分类。6.根据权利要求5所述的协作频谱感知系统，其特征在于，所述信号分解处理模块，包2CN108712222A权利要求书2/2页括：经验模态分解单元，用于对已知信号进行经验模态分解得到多个本征模态函数信号分量；临界值确定单元，用于根据连续均方误差准则确定所述多个本征模态函数信号分量的临界值；分段处理单元，用于根据所述临界值对所述多个本征模态函数信号分量进行分段处理，得到所述高频段分量和所述低频段分量。7.根据权利要求6所述的协作频谱感知系统，其特征在于，所述信号分量去噪模块，包括：小波系数获取单元，用于对所述高频段分量进行小波变换，得到小波系数；阈值处理单元，用于对所述小波系数进行阈值处理，得到估计系数；小波重构处理单元，用于根据所述估计系数进行小波重构处理，得到去噪高频段分量。8.根据权利要求7所述的协作频谱感知系统，其特征在于，所述分类器训练模块，包括：特征分类单元，用于根据K均值聚