王子力 武警工程大學(xué)信息工程學(xué)院

1 引言

認(rèn)知無(wú)線電能夠?qū)崿F(xiàn)對(duì)授權(quán)頻譜的二次利用，通過(guò)頻譜感知進(jìn)行動(dòng)態(tài)智能接入，解決頻譜緊張問(wèn)題，提高頻譜利用率。傳統(tǒng)的頻譜感知可分為單點(diǎn)頻譜感知和合作頻譜感知。合作頻譜感知利用空間多樣性緩解單點(diǎn)頻譜感知中存在的的信號(hào)衰落和隱藏終端問(wèn)題。頻譜感知的關(guān)鍵在于判決門限的劃定和主用戶信號(hào)數(shù)據(jù)的分類處理。現(xiàn)有的檢測(cè)算法一般適用于PU信號(hào)和噪聲概率分布已知的情形。相對(duì)于傳統(tǒng)的信號(hào)檢測(cè)算法，利用機(jī)器學(xué)習(xí)可以對(duì)所處進(jìn)行環(huán)境學(xué)習(xí)，通過(guò)自適應(yīng)算法運(yùn)行參數(shù)調(diào)整。按照樣本數(shù)據(jù)的不同，機(jī)器學(xué)習(xí)可以分為監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)。監(jiān)督學(xué)習(xí)利用含有標(biāo)記信息的樣本找到符合輸入和輸出的函數(shù)關(guān)系，構(gòu)建系統(tǒng)模型。無(wú)監(jiān)督學(xué)習(xí)應(yīng)用在先驗(yàn)信息未知的條件下，從環(huán)境中提取系統(tǒng)所需參數(shù)。

2 集中式合作頻譜感知框架

集中式合作頻譜感知框架主要分為三個(gè)部分。第一個(gè)部分本地認(rèn)知用戶進(jìn)行信息收集。處于不同空間位置的本地認(rèn)知用戶在針對(duì)特定檢測(cè)頻段中采用信號(hào)檢測(cè)算法收集主用戶活動(dòng)狀態(tài)信息，對(duì)主用戶存在與否做出判決或不做出判決。第二個(gè)部分本地認(rèn)知用戶進(jìn)行數(shù)據(jù)傳輸。本地認(rèn)知用戶將初步感知結(jié)果，經(jīng)由報(bào)告信道傳送到數(shù)據(jù)融合中心。第三個(gè)部分融合中心進(jìn)行信息判決。融合中心根據(jù)一定的準(zhǔn)則進(jìn)行判決，判決后將結(jié)果發(fā)送至各個(gè)用戶。融合中心如果不能做出判決，本地用戶仍須傳輸信息。

3 機(jī)器學(xué)習(xí)在集中式合作頻譜感知模型中的具體應(yīng)用

合作頻譜感知模型為學(xué)習(xí)訓(xùn)練模塊和實(shí)際檢測(cè)模塊。在學(xué)習(xí)訓(xùn)練模塊，訓(xùn)練樣本的準(zhǔn)確全面采集十分重要，關(guān)乎到在實(shí)際檢測(cè)模塊中能否達(dá)到預(yù)期目標(biāo)，得到有效的檢測(cè)結(jié)果。

3.1 認(rèn)知用戶的信息收集

認(rèn)知用戶首先進(jìn)行信息收集，各個(gè)本地認(rèn)知用戶之間相互獨(dú)立，利用算法從授權(quán)頻譜中采集PU信號(hào)活動(dòng)的原始信息。由于主用戶的先驗(yàn)信息一般難以得到，能量檢測(cè)算法應(yīng)用較為廣泛。但是能量檢測(cè)存在門限效應(yīng)，在低信噪比的環(huán)境下，難于達(dá)到良好的檢測(cè)效果。為了使認(rèn)知用戶在低信噪比條件下也能繼續(xù)工作，文獻(xiàn)提出支持向量機(jī)（Support Vector Machine，SVM）的感知模型。SVM基本原理是利用合適的核函數(shù)將不能線性可分?jǐn)?shù)據(jù)集進(jìn)行映射，在新的空間中找到可以線性可分的函數(shù)。文獻(xiàn)進(jìn)一步利用粒子群優(yōu)化SVM。離線模塊根據(jù)產(chǎn)生的訓(xùn)練信號(hào)樣本和噪聲樣本，對(duì)于不同的參數(shù)和采樣點(diǎn)需要產(chǎn)生對(duì)應(yīng)的判決統(tǒng)計(jì)量，并進(jìn)行粒子群優(yōu)化SVM得到?jīng)Q策函數(shù)。之后利用T1對(duì)決策函數(shù)測(cè)試，離線模塊得到在一定虛警概率下的非線性門限。在線模塊根據(jù)實(shí)際的虛警概率和樣本個(gè)數(shù)需要選取對(duì)應(yīng)的門限進(jìn)行判決。

3.2 認(rèn)知用戶的數(shù)據(jù)傳輸

本地認(rèn)知用戶通過(guò)特定的信道進(jìn)行數(shù)據(jù)傳輸。認(rèn)知用戶可以直接傳輸檢測(cè)得到的數(shù)據(jù)，交由融合中心統(tǒng)一進(jìn)行處理，也可以傳輸用戶對(duì)數(shù)據(jù)進(jìn)行獨(dú)立判決之后的結(jié)果。為了使融合中心理論上獲得最可靠的數(shù)據(jù)，本地認(rèn)知用戶需要傳輸當(dāng)前感知數(shù)據(jù)的加權(quán)信息。文獻(xiàn)利用神經(jīng)網(wǎng)絡(luò)對(duì)當(dāng)前時(shí)刻本地認(rèn)知用戶的檢測(cè)概率做出預(yù)測(cè)，并將預(yù)測(cè)得到的檢測(cè)概率作為加權(quán)信息傳輸?shù)饺诤现行摹?/p>

3.3 融合中心的數(shù)據(jù)處理

融合中心的作用是在接收本地用戶認(rèn)知傳輸?shù)臄?shù)據(jù)后，依據(jù)一定的準(zhǔn)則，對(duì)是否存在PU統(tǒng)一進(jìn)行判決，并將其判決結(jié)果發(fā)送至各個(gè)本地認(rèn)知用戶。文獻(xiàn)提出基于機(jī)器學(xué)習(xí)的融合中心算法，逐幀進(jìn)行頻譜感知的訓(xùn)練和判決。將頻譜感知時(shí)間劃分為固定長(zhǎng)度的幀。每一時(shí)間幀分為頻譜檢測(cè)和頻譜介入兩個(gè)部分。頻譜檢測(cè)又繼續(xù)劃分為不同的時(shí)間子幀。在T0幀內(nèi)，各個(gè)認(rèn)知用戶進(jìn)行檢測(cè)，并在接下來(lái)T1，T2 …Tk時(shí)間內(nèi)分別通過(guò)傳輸信道將數(shù)據(jù)發(fā)送至融合中心。融合中心進(jìn)行判決并進(jìn)行狀態(tài)更新。一旦判決存在主用戶信號(hào)，通知認(rèn)知用戶停止頻譜介入。

4 總結(jié)

頻譜感知在實(shí)際中需要綜合考慮其檢測(cè)時(shí)間、檢測(cè)精度、運(yùn)算復(fù)雜度、系統(tǒng)耗能等性能。本文分別從合作頻譜感知框架的三個(gè)不同模塊綜述機(jī)器學(xué)習(xí)在合作頻譜感知中具體的應(yīng)用。在認(rèn)知用戶信息收集階段利用SVM在低信噪比下得到自適應(yīng)門限，收集主用戶信息，在先驗(yàn)信息缺乏條件下利用聚類算法獲取主用戶特征；在認(rèn)知用戶數(shù)據(jù)傳輸階段利用神經(jīng)網(wǎng)絡(luò)算法或者Q-learning算法衡量用戶檢測(cè)概率作為加權(quán)信息；融合中心利用機(jī)器學(xué)習(xí)算法逐幀對(duì)數(shù)據(jù)進(jìn)行處理，提高檢測(cè)精度。