申请/专利权人:东北大学
申请日:2021-05-14
公开(公告)日:2024-04-30
公开(公告)号:CN113347638B
主分类号:H04W16/14
分类号:H04W16/14;H04W16/10;H04B17/382;H04B17/391
优先权:
专利状态码:有效-授权
法律状态:2024.04.30#授权;2021.09.21#实质审查的生效;2021.09.03#公开
摘要:本发明公开一种认知工业物联网动态协作频谱预测与感知方法,步骤为:认知用户获取IEEE802.11物理层标准所规定信道在过去K个时隙内的信道状态信息CSI;将上述所有信道的CSI分别输入信道预测模型,该模型由LSTM‑CNN网络构成;对于空闲概率大于p的信道,认知用户感知这些信道并判断信道的被占用情况;认知用户将判决结果发送到位于SDN控制器的聚合中心;聚合中心将各认知用户的判决结果进行数据融合,利用权重分配网络得到最终判决结果。本发明方法可实现信道的预筛选,节约信道感知过程的能量消耗,通过聚合中心融合多用户协作的感知结果,大幅提高信道预测和感知精度,更加适应复杂的射频环境。
主权项:1.一种认知工业物联网动态协作频谱预测与感知方法,其特征在于包括以下步骤:1)认知用户获取IEEE802.11物理层标准所规定信道在过去K个时隙内的信道状态信息CSI;2)将上述信道状态信息CSI分别输入信道预测模型,该模型由LSTM-CNN网络构成,其输入为一段时间内的CSI,输出为该信道的占用和空闲概率;3)对于空闲概率大于p的信道,认知用户感知这些信道并判断信道的被占用情况;选取并感知空闲概率大于p的信道,信道感知方法采用双门限能量检测和循环平稳特征混合方法,具体为:若信道信噪比大于γ,则利用现有的经典双门限能量检测方法,若信道信噪比小于γ,则利用现有的经典循环平稳特征检测方法;4)认知用户将判决结果发送到位于SDN控制器的聚合中心;5)聚合中心将各认知用户的判决结果进行数据融合,利用权重分配网络得到最终判决结果;步骤2)中,信道预测模型包括:输入层、LSTM网络、CNN网络、全连接网络和输出层;所述输入层包括:过去K个时隙内,每个时隙采集1次CSI信息,依据IEEE802.11物理层标准的规定,每次采集30个子信道的CSI幅度值;设计时隙的帧结构,使每个时隙可完成一次完整的预测、感知、汇报、判决过程;LSTM网络包括2层经典LSTM结构,神经元数量分别为32和64;CNN网络包括3层经典CNN结构,LSTM网络中K时隙的输出全部输入CNN网络中,通过步长为2的3*3卷积层;全连接网络将CNN网络输出摊平之后,通过3层经典全连接层变换为2维向量;输出层采用softmax输出,2维向量中的2个参数分别为信道占用和空闲的预测概率;步骤3)中,选取并感知空闲概率大于p的信道,信道感知方法采用双门限能量检测和循环平稳特征混合方法,具体为:若信道信噪比大于γ,则利用现有的经典双门限能量检测方法,若信道信噪比小于γ,则利用现有的经典循环平稳特征检测方法;步骤5)中,聚合中心的全部功能集成在认知工业物联网的SDN控制器内;权重分配网络包括输入层、LSTM网络、信噪比叠加网络、全连接层和输出层;输入层包括所有用户的历史判决结果,所有用户指的是连接到同一聚合中心的所有认知用户;历史判决结果指的是过去K个时隙内所有认知用户向聚合中心汇报的信道判决结果;LSTM网络包括2层经典LSTM结构;信噪比叠加网络由两部分构成,分别为LSTM网络的K维输出向量和每个用户当前的实时信噪比估计值,将两向量逐点相加;全连接层包括2层经典全连接结构;输出层采用softmax输出,其中每个元素为对应每个用户当前的权重值。
全文数据:
权利要求:
百度查询: 东北大学 一种认知工业物联网动态协作频谱预测与感知方法
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。