基于神經(jīng)網(wǎng)絡(luò)的認知無線電感知

基于神經(jīng)網(wǎng)絡(luò)的認知無線電感知學院：通信工程學院

一、相關(guān)背景隨著無線通信技術(shù)的飛速發(fā)展，頻譜資源變得越來越緊張。當前在頻譜分配制度采用固定頻譜分配，將頻譜分為兩個部分：授權(quán)頻段（LFB）和非授權(quán)頻段（UFB）。無線網(wǎng)絡(luò)技術(shù)大多使用非授權(quán)的頻段（UFB）工作（例如WIFI無線網(wǎng)絡(luò)）。由于無線通信業(yè)務(wù)的迅猛發(fā)展，非授權(quán)頻段已經(jīng)漸趨飽和。當前為了提高頻率利用率常用的技術(shù)手段是：為提高頻率的利用率,當前主流的方法是頻分復(fù)用、時分復(fù)用等。頻譜資源短缺的問題仍然沒有解決。一次在紐約進行的現(xiàn)場頻譜測量已經(jīng)顯示了從30MHz－3GHz內(nèi)最大頻譜占有率僅為13.1%。因而解決頻譜稀缺與頻譜利用率低之間的矛盾，成為了亟待解決的問題。認知無線電是可以認知外界通信環(huán)境的智能通信系統(tǒng)。認知無線電系統(tǒng)通過學習，不斷地認知外界的環(huán)境變化，并通過自適應(yīng)地調(diào)整其自身內(nèi)部的通信機理來達到對環(huán)境變化的適應(yīng)，以達到改進系統(tǒng)的穩(wěn)定性和提高頻譜資源利用率的目的.認知無線電：二、認知無線電基本原理在時域、頻域和空域多維空間，對被分配給主用戶（授權(quán)用戶）的頻段不斷進行頻譜檢測，檢測這些頻段授權(quán)用戶是否工作，得到頻譜使用的情況，在不干擾授權(quán)用戶正常通信的前提下進行的，所以要尋找和發(fā)現(xiàn)到授權(quán)頻段中出現(xiàn)的可被機會式利用的頻譜機會（頻譜空穴）。通?？蓪㈩l譜區(qū)域分成以下3種類型：黑色區(qū)域：該頻譜區(qū)域大部分時間內(nèi)通常存在高功率的干擾；灰色區(qū)域：該頻譜區(qū)域在部分時間內(nèi)存在著低功率的干擾；白色區(qū)域：該頻譜區(qū)域只存在著環(huán)境噪聲，包括熱噪聲、瞬時反射、脈沖噪聲等，而沒有其它的射頻干擾。三、認知無線電基本模型Mitola模型四、BP神經(jīng)網(wǎng)絡(luò)神經(jīng)元是一個多輸入單輸出的信息處理單元，而且，它對信息的處理是非線性的。根據(jù)神經(jīng)元的特性和功能，可以把神經(jīng)元模型抽象為一個簡單的數(shù)學模型。是神經(jīng)元的輸入，即是來自前級n個神經(jīng)元軸突的信息；是i神經(jīng)元的閾值；分別是i神經(jīng)元對的權(quán)值連接，即突觸的傳遞效率；是i神經(jīng)元的輸出；是傳遞函數(shù)，決定i神經(jīng)元受到輸入的共同作用達到閾值時以何種方式輸出。傳遞函數(shù)有多種形式，其中最常見的有階躍型、線性型和S型三種形式。假設(shè)，則對應(yīng)三種典型傳遞函數(shù)描述如下：(1)階躍型傳遞函數(shù)：它的輸出是電位脈沖，故這種激發(fā)函數(shù)的神經(jīng)元稱離散輸出模型。(2)線性傳遞函數(shù)：它的輸出是與輸入的綜合作用成正比的，故這種神經(jīng)元稱線性連續(xù)型模型。(3)S型傳遞函數(shù)：它的輸出是非線性的，故這種神經(jīng)元稱非線性連續(xù)性模型。

BP神經(jīng)網(wǎng)絡(luò)（誤差反向傳播多層前饋神經(jīng)網(wǎng)絡(luò)），通過反向傳播來不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小。BP網(wǎng)絡(luò)是按層次結(jié)構(gòu)構(gòu)造的，包括一個輸入層，一個輸出層和一個（或多個）隱藏層，一層內(nèi)的節(jié)點（神經(jīng)元）只和該層緊鄰的下一層的各節(jié)點連接。學習過程由正向和反向傳播兩個過程組成，在正向傳播過程中輸BP神經(jīng)網(wǎng)絡(luò)模型入信息從輸入層經(jīng)隱藏層逐層處理，然后傳向輸出層，每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)；如果輸出層不能得到期望的輸出，則轉(zhuǎn)向反向傳播過程，將誤差信號沿原來的連接通路返回，通過修改各層神經(jīng)網(wǎng)絡(luò)的權(quán)值，使得誤差信號最小。在實際應(yīng)用過程中，誤差達到人們所希望的要求時，網(wǎng)絡(luò)的學習過程就結(jié)束。實際上，BP神經(jīng)網(wǎng)絡(luò)模型把一組樣本的輸入輸出問題變?yōu)橐粋€非線性優(yōu)化問題，我們可以把這種模型看成一個從輸入到輸出的映射，這個映射是高度非線性的。五、基于神經(jīng)網(wǎng)絡(luò)的認知無線電1、基本思想首先對每一個訓練樣本設(shè)定一個期望輸出值。然后對網(wǎng)絡(luò)輸入實際的學習記憶模式，并由輸入層經(jīng)中間層向輸出層傳播，即工作信號的正向傳播。在信號的向前傳遞過程中網(wǎng)絡(luò)的權(quán)值是固定不變的，如果在輸出層不能得到期望的輸出，則進行誤差信號的反向傳播過程。誤差是實際輸出與期望輸出的差。按照誤差平方最小這一原則，由輸出層往中間層逐層向前傳播，在此過程中修正網(wǎng)絡(luò)的連接權(quán)，即誤差信號的逆?zhèn)鞑ァｋS著工作信號的正向傳播和誤差信號的逆?zhèn)鞑ミ^程的交替反復(fù)進行，網(wǎng)絡(luò)的實際輸出逐漸向?qū)?yīng)的期望輸出逼近，網(wǎng)絡(luò)對訓練樣本輸出的正確率不斷上升。先對信號進行特征值提取，計算出能量值和三個最大的某一循環(huán)頻率處的循環(huán)頻譜值，把這四個特征值作為神經(jīng)網(wǎng)絡(luò)的輸入，經(jīng)過神經(jīng)網(wǎng)絡(luò)訓練，達到學習的目的，神經(jīng)網(wǎng)絡(luò)將輸入樣本的特征值進行記憶。然后根據(jù)儲存記憶對授權(quán)用戶信號進行感知。表示為：其中，T是神經(jīng)網(wǎng)絡(luò)訓練的目標向量，Z是神經(jīng)網(wǎng)對接收信號進行檢測后得到的輸出向量,將輸出的向量和目標向量進行異或運算，若邏輯值為0，則主用戶信號存在；若為假即邏輯值為1，則主用戶信號不存在。2.基本模型3.基本原理

（1）能量值定義能量有限信號，其傅立葉變化為，信號的能量表達式為：取簡單的AM信號進行測試。4個特征值：1個能量值和3個最大循環(huán)譜值，其中3個循環(huán)譜值是在循環(huán)頻

處的譜值。(2)循環(huán)譜值

AM信號的循環(huán)譜的計算。AM信號的循環(huán)譜在循環(huán)頻率

和

處都具譜相關(guān)特性，即有比較高的峰值。設(shè)a(t)為零均值平穩(wěn)隨機過程，AM調(diào)制信號x(t)可以表示為：式中，為載波頻率，

為初相位。

計算信號x(t)在循環(huán)頻率α處的循環(huán)自相關(guān)函數(shù)：其中，a(t)為零均值平穩(wěn)隨機過程，在非零循環(huán)頻率處的循環(huán)相關(guān)函數(shù)恒為零（在理想觀測的條件下），因此上式又可等價寫為：譜相關(guān)函數(shù)為:4.功能實現(xiàn)及性能分析假設(shè)信道噪聲為高斯白噪聲。對AM信號的仿真參數(shù)設(shè)定：載波頻率4kHz，采樣頻率=500Hz，采樣點數(shù)N=1024。樣本信號的頻率從51Hz－100Hz。輸入神經(jīng)元數(shù)為4，隱層神經(jīng)元數(shù)為10，輸出層有4個神經(jīng)元，選擇隱層和輸出層神經(jīng)元傳遞函數(shù)分別為tansig和logsig，目標向量為{0,1,1,1}，閥值為0.5，最大訓練次數(shù)為300，學習率為0.05，動量因子為0.09。神經(jīng)網(wǎng)絡(luò)訓練過程圖1圖2基于ANN的檢測方法在經(jīng)過神經(jīng)網(wǎng)絡(luò)訓練之前對AM信號信息進行預(yù)處理，提取了4個特征值，其中的三個特征值為循環(huán)譜值。圖1和2分別是當α=2時（

為載波頻率），AM信號循環(huán)譜的頻率

的切面圖；當=0時，AM信號循環(huán)譜的循環(huán)頻率α的切面圖。由圖2可知，循環(huán)頻率α軸除零頻附近外，還有等間隔的脈沖。噪聲只在α=0處會有比較高的峰值，當α≠0時，幅值趨于0，因而我們可以選取除了零之外的α值，使提取的特征值不受到噪聲的干擾。噪方差不確定性對檢測性能影響傳統(tǒng)能量檢測方法，不同信噪比條件下，檢測性能能夠抵抗噪聲不確定度影響的