基于Attention-BasedCNN的认知无线电频谱感知方法及系统与流程

技术特征：
1.一种基于attention
‑
based cnn的认知无线电频谱感知方法，其特征在于，包括如下步骤：s1、对信号数据进行预处理，包括能量归一化和信噪比间隔划分，然后划分为训练集、验证集和测试集；s2、搭建注意力机制层；s3、将搭建好的注意力机制层加入卷积神经网络中，得到attention
‑
based cnn模型；s4、利用步骤s1预处理得到的数据，对attention
‑
based cnn模型进行训练，得到训练好的attention
‑
based cnn分类器；s5、对于新接收的数据，对其进行数据预处理，然后送入训练好的attention
‑
based cnn分类器中进行分类，得到最终的分类结果，即为频谱感知的结果。2.根据权利要求1所述的基于attention
‑
based cnn的认知无线电频谱感知方法，其特征在于，步骤s1中，所述信号数据包括8种类型的调制信号，分别为：bpsk、8psk、qpsk、pam4、qam16、qam64、gfsk、cpfsk，噪声数据为cscg噪声；在接收到时域信号之后首先对信号进行能量归一化处理；信噪比从
‑
20～20，间隔为1；每个样本的采用点数为8，信号样本长度分别为64，128，256，512，1024；然后将所有信号数据样本按3：1：1划分为训练集、验证集和测试集。3.根据权利要求1所述的基于attention
‑
based cnn的认知无线电频谱感知方法，其特征在于，步骤s2中，注意力机制层的计算过程包括以下步骤：s201、计算输入信号和输入信号中各元素key的相似度得到对应的权重：score
i
＝f(q,k
i
)其中，score
i
表示权重，q表示查询向量，k
i
表示输入信号中的元素，f(,)为相似度计算函数；s202、采用softmax函数对步骤s201得到的权重归一化：其中，α
i
表示注意力分布，n表示输入信号个数；s203、将权重和加权后的输入信号中各元素的权值进行加权求和，得到注意力attention：其中，k表示输入信号，v表示输入信号的值，v
i
表示第i个输入信号的值。4.根据权利要求1所述的基于attention
‑
based cnn的认知无线电频谱感知方法，其特征在于，步骤s3中，所述attention
‑
based cnn模型采用两个卷积层、一个注意力机制层和一个全连接层；对于激活函数，在fc2采用softmax，其他层采用relu；在第一个卷积层和全连接层后面加入了dropout层，以防止模型的过拟合。5.根据权利要求4所述的基于attention
‑
based cnn的认知无线电频谱感知方法，其特征在于，所述attention
‑
based cnn模型的网络参数为：优化器使用adam优化器，学习率设置为0.0003，batch size设置为100，dropout ratio设置为0.2，每一层卷积的filters为
60，filters的大小为10。6.根据权利要求1所述的基于attention
‑
based cnn的认知无线电频谱感知方法，其特征在于，步骤s4中，如果分类结果为空闲，则表示主用户不存在，次用户可以接入，如果分类结果为占用，则表示主用户存在，次用户不可以接入。7.一种基于attention
‑
based cnn的认知无线电频谱感知系统，其特征在于，包括存储器、处理器以及存储于存储器上并能够被处理器运行的计算机程序指令，当处理器运行该计算机程序指令时，能够实现如权利要求1
‑
6所述的方法步骤。

技术总结
本发明涉及一种基于Attention


技术研发人员：林瑞全 章敏 王俊 李谋道 谢鑫 林剑峰 谢欢 程长春
受保护的技术使用者：福州大学
技术研发日：2021.08.18
技术公布日：2021/11/8