阅读说明：本技术 一种采用聚类处理噪声不确定性问题的协作频谱感知方法 (Cooperative spectrum sensing method for processing noise uncertainty problem by clustering ) 是由 马永涛 王煜东 于 2019-10-12 设计创作，主要内容包括：本发明涉及一种采用聚类处理噪声不确定性问题的协作频谱感知方法,包括下列步骤：构建包含一个主要用户PU与两个次要用户SU的认知无线电网络,并且使各个次级用户都处于活跃状态；在噪声不确定性场景下,各个SU对当前信道状态进行检测与感知；各个SU对检测的结果进行运算,得到相应的能量值；所有SU将其能量值传递给数据融合中心；FC对得到的能量值进行预处理,赋予不同的数据点不同的影响因子,分为两大类别,聚类中心分别为c<Sub>0</Sub>,c<Sub>1</Sub>,遍历所有能量数据,为每数据赋予不同的影响因子,如果第i个能量数据属于聚类中心c<Sub>0</Sub>一类,则影响因子计算中采用d<Sub>00</Sub>,否则,采用d<Sub>01</Sub>。(The invention relates to a cooperative spectrum sensing method for processing a noise uncertainty problem by adopting clustering, which comprises the following steps: constructing a cognitive radio network comprising a primary user PU and two secondary users SU, and enabling each secondary user to be in an active state; under a noise uncertainty scene, each SU detects and senses the current channel state; each SU calculates the detection result to obtain a corresponding energy value; all SU transmits the energy value to the data fusion center; FC preprocesses the obtained energy value, gives different data points different influence factors, and is divided into two categories, and the clustering centers are c 0 ,c 1 Traversing all energy data, endowing each data with different influence factors, and if the ith energy data belongs to a clustering center c 0 One, d is adopted in the calculation of the influence factor 00 Otherwise, adopt d 01 。)

一种采用聚类处理噪声不确定性问题的协作频谱感知方法

技术领域

本发明属于协作频谱感知技术领域，涉及能量检测技术与协作频谱感知数据融合算法。针对在噪声不确定性场景下，协作频谱感知过程中，通过对采集数据的优化处理，降低噪声对数据融合与判决结果的影响。

背景技术

认知无线电是一种智能的频谱共享技术，它是一种可以对其工作环境进行感知、自主推理并自适应调整工作参数的无线电系统。频谱感知是认知无线电实现获取无线电频谱环境的关键技术，是保证频谱资源实现高效分配的先决条件。

在认知无线电网络中，各个次级用户SU通过对信道状态的感知，判断当前通信频段是否被占用或者被干扰，在噪声波动较小的情况下各个SU可以独立地做出对信道状态的判断，但是当噪声波动较大——即噪声不确定性问题发生时，各个SU的独立判断容易受到噪声不确定性的影响而做出错误的判断。在这种情况下，数据融合中心FC需要对全部SU的数据进行综合处理。

聚类算法是一种性能优良的数据分类算法，可以通过聚类过程寻找数据内在的分布结构，从而判断出数据的隶属类别与隶属度。聚类分析又称群分析，它是研究分类问题的一种统计分析方法，同时也是数据挖掘的一个重要算法。聚类算法以相似性为基础，在一个聚类中的模式之间比不在同一聚类中的模式之间具有更多的相似性。

发明内容

本发明涉及一种采用聚类算法处理噪声不确定性问题的协作频谱感知方法，针对处于噪声不确定性场景下的协作频谱感知，通过对采集数据的优化处理，降低噪声对数据融合与判决结果的影响。技术方案如下：

一种采用聚类处理噪声不确定性问题的协作频谱感知方法，包括下列步骤：

(1)构建包含一个主要用户PU与两个次要用户SU的认知无线电网络，并且使各个次级用户都处于活跃状态；

(2)在噪声不确定性场景下，各个SU对当前信道状态进行检测与感知；

(3)各个SU对检测的结果进行运算，得到相应的能量值，记录为记录为Y_i，i＝1,2；

(4)所有SU将其能量值传递给数据融合中心(Fusion Center，FC)；

(5)FC对得到的能量值进行预处理，得到二维的能量向量Y＝(Y₁,Y₂)^T，其中T表示转置运算，赋予不同的数据点不同的影响因子，分为两大类别，聚类中心分别为c₀,c₁，方法如下：

1)通过随机确定数据的初始分类中心c₀,c₁，并且满足：c₀,c₁∈Y＝[Y₁,Y₂]^T；

2)遍历Y中的全部数据，分别计算该数据到c₀,c₁的欧几里德距离d₀,d₁，若d₀＜d₁，则将该数据归类到c₀，否则，归类到c₁；

3)对2中分类结果，分别求两类数据的数据中心点，得到新的聚类中心c₀',c₁'；

4)如果3中的分类中心c₀',c₁'分别不等于上次聚类前的分类中心c₀,c₁，则使c₀＝c'₀，c₁＝c'₁，重复2，3；

5)若经过上一轮聚类后，聚类中心不发生变化，结束算法，输出此时的分类中心与分类结果；

(6)以步骤四中的分类结果为基础，计算各个数据点在其所属分类中与分类中心的距离记为d_i，分别找到距离的最大值d₀₀,d₀₁；

(7)遍历所有能量数据，为每数据赋予不同的影响因子，如果第i个能量数据属于聚类中心c₀一类，则影响因子计算中采用d₀₀，否则，采用d₀₁。

本发明是一种采用聚类对数据进行预处理从而解决噪声不确定性问题的协作频谱感知方案，与不采用预处理的数据融合方案相比较，本方案的有益效果为：能够有效降低游离噪声与野点数据对于数据融合的不利影响，提高数据融合的准确度。

附图说明

图1是本发明的算法流程图。

图2是PU与SU的分布场景示意图。

具体实施方式

本发明提出一种采用聚类算法处理噪声不确定性问题的协作频谱感知方案。本发明通过对FC处的能量数据进行预处理，为能量数据赋予不同的数据影响因子，改变数据对全部数据分类的影响程度，有效降低了游离的噪声点和数据野点对于最终决策和分类的影响。本专利的具体实现过程如下：

步骤一：认知无线电网络中SU与PU的分布设置。建立一个包含1个PU和2个SU的场景。它们均位于2km×2km的正方形中，其中PU在(1,1)km处，SU随机分布在PU的周围。

步骤二：SU对信道状态进行感知，检测PU所在通信频段中的信号状态，并且收集能量信息。能量信息记录为Y_i。

步骤三：所有SU将信号的能量信息发送给FC，FC对这些能量信息进行处理，得到二维的能量向量Y＝(Y₁,Y₂)^T，其中T表示转置运算。

步骤四：采用聚类算法对能量向量Y进行预处理，分为两大类别，聚类中心分别为c₀,c₁。