申请/专利权人：浙江工业大学

申请日：2022-04-11

公开（公告）日：2024-04-23

公开（公告）号：CN114567398B

主分类号：H04B17/382

分类号：H04B17/382;G06N3/0464;G06N3/045;G06N3/0442;G06N3/084;G06N3/048

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2022.06.17#实质审查的生效;2022.05.31#公开

摘要：一种基于卷积长短时记忆神经网络的频谱感知方法，先进行数据预处理得到2*N矩阵记作E0，将E0送入到ConvLstm2D网络，对E0进行第一次空间与时间特征提取得到输出的数据记作E1，将E1输入到批量归一化神经网络输出到归一化的数据记作E2，将E2输入到第二个ConvLstm2D网络中对IQ数据进行第二次空间和时间特征提取得到的数据记作E3；将E3输入到批量归一化神经网络中得到的数据记作E4；将E5输入到Flatten层将输入来的数据进行压平得到一维数据E5；然后将E5输入到全连接层得到数据E6；将E6输入到神经元为1的全连接层中，激活函数为sigmoid函数；通过最小化损失函数来训练模型参数。本发明极大程度的提高了频谱感知的性能。

主权项：1.一种基于卷积长短时记忆神经网络的频谱感知方法，其特征在于，所述方法包括以下步骤：1数据预处理将次用户所接收到的IQ信号先进行N点采样再进行数据归一化处理： 其中xI、xQ分别代表I和Q信号数据，xI_min、xQ_min分别代表I和Q信号数据中的最小值，xI_max、xQ_max分别代表I和Q信号数据中的最大值；然后得到2*N矩阵记作E0，其中第一行代表归一化后的I信号数据、第二行代表归一化后的Q信号数据；2将E0送入到ConvLstm2D网络，ConvLstm2D网络对E0进行第一次空间与时间特征提取得到输出的数据记作E1；3将E1输入到批量归一化神经网络，输出的归一化的数据记作E2，对于一层具有d维的输入向量x＝[x1…xd]，将会对该向量的每一个维度进行归一化： 其中，xk代表第k维度的数据，E[xk]是代表第k维度数据的期望，Var[xk]是代表第k维度数据的方差，是代表第k维度数据归一化后的数据；4将E2输入到第二个ConvLstm2D网络中对IQ数据进行第二次空间和时间特征提取得到的数据记作E3；5将E3输入到批量归一化神经网络中进行如同步骤3的操作得到的数据记作E4；6将E4输入到Flatten层，将输入来的数据进行压平得到一维数据E5；7然后将E5输入到全连接层得到数据E6；8最后进入分类部分，将E6输入到神经元为1的全连接层中，激活函数为sigmoid函数，当输出结果大于等于0.5，则表明信道被主用户所使用着；当结果小于0.5，则表明该信道未被占用；10通过最小化损失函数来训练模型参数，损失函数L定义为： 其中，qj表示主用户存在的真实概率；pj：主用户存在的预测概率；n表示每训练一批量中含有n个数据。

全文数据：

权利要求：

百度查询： 浙江工业大学 一种基于卷积长短时记忆神经网络的频谱感知方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD