频谱感知方法及装置、可读存储介质、终端与流程

本发明涉及通信，尤其涉及一种频谱感知方法及装置、可读存储介质、终端。

背景技术：

1、为了更好地改善无线频谱匮乏的问题，需要合理利用空闲的无线信道资源，频谱感知技术可以有效提高无线频谱的资源利用率，可以从分缓解无线频谱资源稀缺的问题，利用机器学习的方法解决频谱感知问题也得到了广泛的关注。

2、然而，大多数的频谱感知算法是基于高斯噪声环境的，只是在高斯分布信号环境下性能优越。现实中的无线通信信道受自然因素和人为因素的影响，噪声将含有“脉冲噪声”，与高斯噪声分布的特性不符，为非高斯分布信号(又称为非高斯噪声)。在这种情况下，传统的基于高斯噪声环境的频谱感知算法性能下降甚至无效。

3、亟需一种频谱感知方法，能够提高基于非高斯分布信号进行频谱感知的准确性。

技术实现思路

1、本发明解决的技术问题是提供一种频谱感知方法及装置、可读存储介质、终端，可以提高基于非高斯分布信号进行频谱感知的准确性。

2、为解决上述技术问题，本发明实施例提供一种频谱感知方法，包括：采集非高斯分布信号，并计算所述非高斯分布信号的分数低阶协方差矩阵；将至少一部分非高斯分布信号的分数低阶协方差矩阵输入神经网络，得到所述神经网络输出的词向量，然后与预设的位置信息d维向量进行拼接，以得到带有位置信息的词向量；将所述带有位置信息的词向量输入transformer的多头注意力层，以分别进行带有位置信息的自注意力值计算，然后对各个单头注意力层的计算结果进行加权运算并得到所述多头注意力层的加权运算结果；基于所述加权运算结果进行全连接层处理，以得到全连接层输出数据；基于所述全连接层输出数据进行分类处理，以输出概率值；当所述概率值小于预设的检测阈值时，确定所述非高斯分布信号所属的频点能够被使用。

3、可选的，进行所述全连接层处理，包括：采用激活函数进行至少一轮线性映射处理。

4、可选的，采用激活函数进行至少一轮线性映射处理，包括：采用第一激活函数进行第一线性映射处理后，采用第二激活函数进行第二线性映射处理。

5、可选的，基于所述加权运算结果进行全连接层处理，包括：确定所述加权运算结果与所述带有位置信息的词向量的和；对所述和进行第一归一化处理；对第一归一化处理后的数据进行全连接层处理。

6、可选的，所述和包含一列或多列元素；对所述和进行第一归一化处理，包括：采用每一列的每一个元素减去该列的均值再除以该列的标准差，以得到标准的第一正态分布。

7、可选的，基于所述全连接层输出数据进行分类处理，包括：对所述全连接层输出数据与所述第一归一化处理后的数据的和进行第二归一化处理；采用softmax分类器对所述第二归一化处理后的数据进行分类处理。

8、可选的，对所述全连接层输出数据与所述第一归一化处理后的数据的和进行第二归一化处理，包括：对所述全连接层输出数据与所述第一归一化处理后的数据的和归一化为标准的第二正态分布。

9、可选的，满足以下一项或多项：所述非高斯分布信号包含无用户信号的噪声信号和数字调制信号的混合信号；所述神经网络为cnn。

10、可选的，所述非高斯分布信号为所述无用户信号的alpha噪声信号和不同信噪比下的数字调制信号的混合信号；或者，所述非高斯分布信号为所述无用户信号的laplace噪声信号和不同信噪比下的数字调制信号的混合信号。

11、为解决上述技术问题，本发明实施例提供一种频谱感知装置，包括：采集模块，用于采集非高斯分布信号，并计算所述非高斯分布信号的分数低阶协方差矩阵；神经网络处理模块，用于将至少一部分非高斯分布信号的分数低阶协方差矩阵输入神经网络，得到所述神经网络输出的词向量，然后与预设的位置信息d维向量进行拼接，以得到带有位置信息的词向量；transformer处理模块，用于将所述带有位置信息的词向量输入transformer的多头注意力层，以分别进行带有位置信息的自注意力值计算，然后对各个单头注意力层的计算结果进行加权运算并得到所述多头注意力层的加权运算结果；全连接层处理模块，用于基于所述加权运算结果进行全连接层处理，以得到全连接层输出数据；分类处理模块，用于基于所述全连接层输出数据进行分类处理，以输出概率值；比较模块，用于当所述概率值小于预设的检测阈值时，确定所述非高斯分布信号所属的频点能够被使用。

12、为解决上述技术问题，本发明实施例提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时执行上述的频谱感知方法的步骤。

13、为解决上述技术问题，本发明实施例提供一种终端，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时执行上述的频谱感知方法的步骤。

14、与现有技术相比，本发明实施例的技术方案具有以下有益效果：

15、在本发明实施例中，计算并输入非高斯分布信号的分数低阶协方差矩阵至神经网络，然后将得到的神经网络输出的词向量与预设的位置信息d维向量进行拼接，得到带有位置信息的词向量，可以实现对神经网络的输出信息进行位置编码，为后续的基于注意力机制(transformer)耦合网络的数据处理提供良好基础；然后将带有位置信息的词向量输入transformer的多头注意力层，并得到多头注意力层的加权运算结果，从而可以提高萃取特征的精炼性和预测的精密性；然后基于所述加权运算结果进行全连接层处理，并进行分类处理得到概率值，从而可以提高输出数据的可比较性，进而在概率值小于预设的检测阈值时确定所述非高斯分布信号所属的频点能够被使用，从而获得基于非高斯分布信号的频谱感知结果。相比于现有技术中仅能够基于高斯噪声环境进行性能良好的频谱感知，采用上述方案，可以基于非高斯分布信号进行频谱感知，并且有效提高频谱感知的准确性。

16、进一步，通过采用激活函数进行至少一轮线性映射处理，可以通过不进行非线性映射保留更多信息，进一步提高后续处理的准确性。

17、进一步，确定所述加权运算结果与所述带有位置信息的词向量的和；对所述和进行第一归一化处理；对第一归一化处理后的数据进行全连接层处理，可以通过归一化处理，使数据经过转换后分布在[0,1]范围内,以保持原始特征的特点但改变其取值范围，降低后续运算复杂度。

18、进一步，通过采用每一列的每一个元素减去该列的均值再除以该列的标准差，以得到标准的第一正态分布，从而可以在对第一归一化处理后的数据进行全连接层处理之前，得到高斯分布的数据，有助于在输入非高斯分布信号的基础上，得到呈高斯分布的中间数据，以在后续概率值比较阶段有效提高可靠性和准确性。

19、进一步，对所述全连接层输出数据与所述第一归一化处理后的数据的和进行第二归一化处理，使数据经过转换后分布在[0,1]范围内,以保持原始特征的特点但改变其取值范围，有助于提高范围可控性并且降低后续分类处理的复杂度；然后通过采用softmax分类器对所述第二归一化处理后的数据进行分类处理，可以提高分类处理的精确性、输出直观性和范围可控性，从而在后续将分类处理后输出的概率值与预设的检测阈值进行比较的过程中，提高比较的有效性和准确性。