基于神经网络和Welch变换的频谱感知接入方法与流程

技术特征：
1.一种基于神经网络和welch变换的频谱感知接入方法，其特征在于，用于由多个无人机构建的无人机蜂群通信系统，该无人机蜂群通信系统采用由宏蜂窝和微蜂窝构成的两层体系，宏蜂窝是由各个微蜂窝的簇首组成的分布式网络，微蜂窝是由簇首和簇节点组成的、以簇首为中心的集中式网络，该无人机蜂群通信系统包括多个无人机节点，每个无人机节点均包括一个完整的通信功能模块，其具体包括网络层、mac层和物理层部分，所述的网络层负责通信系统的整体策略制定、通信协议的选择、命令的下发，所述的mac层负责物理层与网络层的通信以及对物理层的控制，所述的物理层负责数据的上传与发送；本方法利用无人机节点的频谱感知接入模块实现，无人机节点的频谱感知接入模块包括mac层的频谱管理器sm和频谱任务处理器stp以及物理层的接收发射机；本方法的具体步骤包括：s1，对每个无人机节点的sm、stp、接收发射机模块进行参数配置初始化；所有无人机节点加电开机，初始化频谱感知接入模块，并从无人机节点网络层下发指令中读取频谱感知接入模块的预设参数，s2，无人机节点初始频谱感知；频谱任务处理器、频谱管理器和接收发射机进行初始频谱感知，确定当前簇的下行工作信道；频谱任务处理器首先根据无人机节点的网络层初始下发的感知参数，对规定频段进行频谱感知，无人机节点的网络层初始下发的感知参数包括扫频范围和扫频带宽，根据频谱感知结果，如果规定频段内存在可用信道，则在该可用信道中确定下行工作信道，如果规定频段内不存在可用信道，则重新对下行工作信道频段范围进行频谱感知，直至出现可用信道后，确定下行工作信道频段范围中第一个可用信道为下行工作信道；各无人机节点确定其各自的下行工作信道后，mac层更新下行信道集参数，各无人机节点在各自的下行信道上发送hello包并开始组网；s3，选举簇首；利用网络层的加权分簇算法，在所有无人机节点中进行簇首选举，选举确定簇首或簇子节点，实现分簇；若对所有无人机节点进行簇首选举得到的结果为簇首，则跳转至步骤s4，若对所有无人机节点进行簇首选举得到的结果为簇子节点，则跳转至步骤s10；s4，所有无人机节点启动其频谱管理器，初始化频谱感知策略，簇内所有无人机节点按簇首sm设定的频谱感知策略进行频谱感知；s5，簇首无人机节点确定其上行工作信道和宏蜂窝工作信道；簇首无人机节点的mac层根据频谱任务处理器上传的上行工作信道集和宏蜂窝信道集，选定上行工作信道和宏蜂窝工作信道，并将选定的上行工作信道和宏蜂窝工作信道下发至各个簇子结点；s6，簇首进行频谱感知；频谱任务处理器stp通过能量检测算法对上行工作信道、下行工作信道和宏蜂窝工作信道进行频谱空穴检测，得到频谱空穴感知结果，并将获得的频谱空穴感知结果保存后，对其进行主用户识别、主用户调制方式识别和带宽估计；主用户识别在步骤s7完成，主用户调制方式识别在步骤s8完成，带宽估计在步骤s9完成；s7，主用户识别；利用基于神经网络算法的主用户类型识别方法，对频谱数据进行处理；s8，主用户调制方式识别；将频谱感知接收到的主用户调制数字信号，利用基于神经网络的信号调制识别方法，进行信号调制方式识别；
s9，将对工作信道进行频谱感知所获得的信号，进行带宽估计；s10，若对所有无人机节点进行簇首选举得到的结果为簇子节点，簇子结点发送入网申请，经过簇首无人机节点的网络层处理，簇子结点完成组网工作；s11，簇子节点确定其上行工作信道和宏蜂窝信道；簇子结点组网完成后，簇子结点收取簇首无人机节点下发的上下行工作信道及宏蜂窝工作信道信息后，确定自身上行工作信道和宏蜂窝工作信道；s12，簇子节点进行频谱感知；所有簇子节点根据簇首无人机节点下发的帧结构设计信息，在每个超帧的静默期内首先对当前工作信道进行带内频谱感知，完成带内频谱感知后，在静默期的剩余时间进行带外频谱感知，并将带内频谱感知和带外频谱感知的感知结果上传至簇首无人机节点sm，感知结果包括工作信道忙闲状态和备选信道集；s13，簇子节点进行主用户识别和带宽估计；簇子节点利用频谱感知获得的工作信道频谱数据，对簇子节点进行主用户识别、主用户调制方式识别和带宽估计；主用户识别采用步骤s7中的操作完成，主用户调制方式识别采用步骤s8中的操作完成，带宽估计采用步骤s9中的操作完成；s14，簇首无人机节点接收簇子节点上传的频谱感知信息；s15，簇首无人机节点的频谱管理器将所有簇子节点上传的频谱感知信息进行整合，并存入频谱管理器的同一文件中；s16，簇首无人机节点的频谱管理器收集来自包含本节点在内的所有节点的频谱感知数据，其数据内容包括当前工作信道空闲情况、当前工作信道上主用户信号类型、当前信道上主用户调制方式和当前信道带宽估计结果；簇首无人机节点的频谱管理器处理所有节点的频谱感知数据时，采用投票方式进行计数，每个无人机节点仅拥有一票权，频谱管理器根据大数原则统计占比最大的频谱感知结果作为最终的频谱感知结果，即采纳统计占比最高的主用户信号类型为最终主用户类型，采纳统计占比最高的主用户调制方式为最终主用户调制方式，采纳统计占比最高的带宽估计结果为最终带宽估计结果；根据最终的频谱感知结果，簇首无人机节点的频谱管理器根据预设程序给出相应的建议到簇首无人机节点的mac层，该mac层在每个超帧的末尾，将相应的建议传递给该簇内各个无人机节点，以便在下一个超帧开始，该簇内各个无人机节点根据接收的建议进行操作，该建议包括信道切换建议值和帧结构建议值；其中，信道切换建议值的取值范围为0至100，当信道切换建议值>＝50时，进行信道切换；对每个工作信道进行能量检测，若对第i个工作信道的能量检测结果z
i
(t)＝0，即当前工作信道空闲，信道切换建议值为0；若对第i个工作信道的能量检测结果z
i
(t)＝1，即当前工作信道忙碌，此时查询主用户类型，当主用户为fm信号时，信道切换建议值为100，当主用户为lfm信号时，信道切换建议值为0，当主用户为ofdm信号时，统计10次当前工作信道忙闲状态，求取其信道占用率，根据信道占用率计算对应信道切换建议值；帧结构中静默期按照间隔时间为20ms的默认策略进行变化，若对第i个工作信道的能量检测结果z
i
(t)＝0，即当前工作信道空闲，当连续3次判断当前工作信道为空闲时，当上一时刻帧结构建议值为0时，帧结构建议值由0变为1，感知间隔时间由20ms变为50ms，当上一时刻帧结构建议值为1时，如果后续连续3次判断当前工作信道为空闲时，则帧结构建议值由1变为2，感知间隔时间由50ms变为100ms，当上一时刻帧结构建议值为2时，如果后续判
断当前工作信道为空闲时，帧结构建议值不再发生变化；若对第i个工作信道的能量检测结果z
i
(t)＝1，即第i个工作信道为忙碌，则识别主用户类型，当识别到主用户类型为fm信号时，无论上一时刻帧结构建议值为何值，帧结构建议值均变为0，感知间隔时间仍为20ms，当识别到主用户类型为lfm信号时，当上一时刻帧结构建议值为0时，帧结构建议值由0变为1，感知间隔时间由20ms变为50ms，当上一时刻帧结构建议值为1时，如果后续连续3次判断当前工作信道为空闲时，则帧结构建议值由1变为2，感知间隔时间由50ms变为100ms，当上一时刻帧结构建议值为2时，如果后续判断当前工作信道为空闲时，帧结构建议值不再发生变化；当识别到主用户类型为ofdm信号时，当上一时刻帧结构建议值为0时，帧结构建议值不变，感知间隔时间为20ms，当上一时刻帧结构建议值为1时，帧结构建议值由1变为0，感知间隔时间变为20ms，当上一时刻帧结构建议值为2时，帧结构建议值由2变为1，感知间隔时间变为50ms，当帧结构建议值由2变为1后，如果仍然识别到主用户类型为ofdm信号，则帧结构建议值由1变为0，感知间隔时间变为100ms；s17，簇首mac进行处理；簇首无人机节点mac层接收到簇首无人机节点频谱管理器输入的信道切换建议值，当该信道切换建议值大于信道切换建议阈值时，进行信道切换，选择备选信道集中的可用信道，簇首无人机节点mac层向簇子节点mac层下发信道切换命令；簇首无人机节点mac层接收到簇首无人机节点频谱管理器上传的帧结构建议值，根据该建议值在三种预设帧结构中选择一个，当所选择的帧结构与目前使用的帧结构不同时，簇首无人机节点mac层向簇子节点mac层下发帧结构切换命令；s18，簇首无人机节点的频谱任务处理器接收簇首无人机节点mac层消息，执行信道切换和帧结构切换；s19，簇子节点频谱任务处理器及mac层接收簇首mac层消息，执行信道切换和帧结构切换，完成信道切换和帧结构切换。2.如权利要求1所述的基于神经网络和welch变换的频谱感知接入方法，其特征在于，步骤s1所述的预设参数，包括初始扫频范围、扫频宽度、静默周期、备选信道集深度、功率和调制方式。3.如权利要求1所述的基于神经网络和welch变换的频谱感知接入方法，其特征在于，所述的步骤s4，其具体包括，首先，感知静默期采用初始静默期策略，初始静默期间隔时间为20ms，后期sm将根据工作信道上主用户信号活动规律采用不同的静默期策略；其次，同步信道帧sch用于传送帧同步信号和基站识别码信息，sch帧由sm在每一个超帧的第50ms至70ms间生成并发送给簇子节点，发送周期为100ms，sch帧中包含备选信道集，当备选信道集发生变化时，才进行sch帧的发送；当当前工作信道空闲时，超帧能成功发送，并保证下一个超帧静默期的正常进行；当超帧的第50ms至70ms内工作信道被占用或sch帧因为碰撞丢失时，簇子节点没有收到sch帧，则簇子节点按照前一个超帧内的静默期策略进行工作信道频带内的频谱感知和工作信道频带外的频谱感知；当所有节点的带内频谱感知结果为信道忙碌时，则进入临时策略，调整静默期即感知间隔为10ms，即如果当前频谱感知结果为信道忙，在10ms后对信道再进行一次感知，直至一个超帧结束。
4.如权利要求1所述的基于神经网络和welch变换的频谱感知接入方法，其特征在于，所述的步骤s7，其具体包括：s71，数据收集；采用系统主用户生成的信号数据作为训练数据集，用于对神经网络模型进行训练，系统主用户生成的信号包括lfm信号、ofdm信号和fm信号；s72，神经网络模型的构建及训练；基于神经网络的主用户类型识别方法，基于卷积神经网络模型和循环卷积神经网络模型来实现；采用六层卷积神经网络模型作为特征提取网络，用于对信号的特征提取及调制方式识别，该网络中，每层卷积层包含了卷积、批规范化和激活层三种操作，卷积操作用于特征提取，批规范化操作用于加速网络训练，激活层采用relu函数，以引入非线性特征表征能力；该六层卷积神经网络模型的最后，使用了全连接层结合softmax分类器，实现对提取特征的映射及输出；六层卷积神经网络模型的训练采用sgd优化器，学习率采用固定值0.01，训练轮数设置为50，批次大小为1024，所收集的全部数据均用于训练；s73，在频谱感知能量检测的同时，针对多种主用户信号，对其进行基带变换，得到的基带信号再进行中值滤波，再对中值滤波得到的信号做短时傅里叶变换，得到信号的时频特性图，将时频特性图转为灰度图像，送入六层卷积神经网络模型进行图像识别，得到主用户类型识别结果，并输出至stp，stp将该结果传输至sm。5.如权利要求1所述的基于神经网络和welch变换的频谱感知接入方法，其特征在于，所述的步骤s8，其具体包括，首先，对主用户调制数字信号进行中值滤波处理，消除孤立噪声点；然后，将中值滤波后的信号映射到星座图平面，得到信号星座图，将信号星座图以单通道灰度图的形式进行归一化处理后，输入卷积神经网络，提取其特征；最后，将提取的特征，经softmax分类器识别信号调制方式，并将结果输出至stp，stp将该结果传输至sm。6.如权利要求1所述的基于神经网络和welch变换的频谱感知接入方法，其特征在于，所述的步骤s9，采用基于welch算法的带宽估计方法，其步骤包括：利用welch算法计算信号功率谱，并对计算得到功率谱在波峰处的起伏进行修正，得到修正后的功率谱；对修正后的功率谱进行差分；遍历差分后的功率谱的所有值，找出其中的最大值和最小值，接着分别查找最大值左边的第一个零点l和最小值右边的第一个零点h,零点l处对应的频率值为w
l
，零点h处对应的频率值为w
h
，那么带宽的估计值b为：其中f
s
为采样速率，将带宽的估计值经stp传输至sm；对簇首无人机节点，继续跳转至步骤s15进行操作。

技术总结
本发明公开了一种基于神经网络和Welch变换的频谱感知接入方法，用于由多个无人机构建的无人机蜂群通信系统，该无人机蜂群通信系统采用由宏蜂窝和微蜂窝构成的两层体系，该无人机蜂群通信系统包括多个无人机节点，每个无人机节点均包括一个完整的通信功能模块，其具体包括网络层、MAC层和物理层部分。本方法利用无人机节点的频谱感知接入模块实现，该模块包括MAC层的频谱管理器SM和频谱任务处理器STP以及物理层的接收发射机。本发明采用基于机器学习神经网络的主用户识别技术，识别准确率高，抗噪能力强；将神经网络以及Welch带宽估计算法同整体无人机协议栈技术相结合，减少了信道切换次数，减少了通信中断的次数，最大化整体认知网络的吞吐量。认知网络的吞吐量。认知网络的吞吐量。


技术研发人员：张周 赵润森 许左宏 陈小庆 桑玮 王彤彤
受保护的技术使用者：中国人民解放军军事科学院国防科技创新研究院
技术研发日：2021.09.24
技术公布日：2022/1/10