專利名稱：基于神經(jīng)網(wǎng)絡(luò)的頻譜占用狀態(tài)的預(yù)測(cè)方法以及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及通信技術(shù)領(lǐng)域，尤其涉及頻譜占用狀態(tài)的預(yù)測(cè)方法以及裝置。
背景技術(shù)：
在動(dòng)態(tài)頻譜分配過程中，次要用戶需要暫時(shí)借助主要用戶的空閑頻譜進(jìn)行通信以達(dá)到提高頻譜利用率的目的。基于上述動(dòng)態(tài)頻譜分配下通信的前提是能夠準(zhǔn)確的預(yù)測(cè)出頻譜占用狀態(tài)，而找出空閑的頻譜用于次要用戶的通信?，F(xiàn)有的頻譜占用狀態(tài)預(yù)測(cè)方法如卡爾曼濾波模型、隱含馬爾可夫模型等預(yù)測(cè)方法均是基于當(dāng)前和/或歷史時(shí)序的頻譜占用狀態(tài)以及頻譜的分布信息進(jìn)行預(yù)測(cè)。而在具體的實(shí)施過程中次要用戶端獲取頻譜占用分布信息困難較大，且由于涉及頻譜占用分布造成計(jì)算量大、計(jì)算復(fù)雜度高以及預(yù)測(cè)結(jié)果不夠準(zhǔn)確等問題。發(fā)明內(nèi)容
(一)發(fā)明目的
本發(fā)明提供一種僅基于歷史時(shí)序內(nèi)所需頻段占用狀態(tài)的、計(jì)算量小、計(jì)算復(fù)雜度低、準(zhǔn)確率高的基于神經(jīng)網(wǎng)絡(luò)的頻譜占用狀態(tài)的預(yù)測(cè)方法以及裝置。
(二)技術(shù)方案
為達(dá)上述目的，本發(fā)明基于神經(jīng)網(wǎng)絡(luò)的頻譜占用狀態(tài)的預(yù)測(cè)方法依次包括以下步驟:
步驟S1:構(gòu)建神經(jīng)網(wǎng)絡(luò)并采用修剪算法確定神經(jīng)網(wǎng)絡(luò)各層以及各神經(jīng)元的初始參數(shù)；
步驟S2:向神經(jīng)網(wǎng)絡(luò)中輸入集合IbpV1,…，VJ中各元素，將神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果與以表征第i+Ι時(shí)序預(yù)設(shè)頻段占用狀態(tài)的表征變量hi+1進(jìn)行比較；根據(jù)比較結(jié)果修正初始參數(shù)得到預(yù)測(cè)參數(shù)屯為第i時(shí)序預(yù)設(shè)頻段的信號(hào)強(qiáng)度，i為正整數(shù)，m為小于i的正整數(shù)；
步驟S3:同時(shí)向神經(jīng)網(wǎng)絡(luò)輸入集合{bi+pbi，中各元素，神經(jīng)網(wǎng)絡(luò)輸出表征第i+2時(shí)序預(yù)設(shè)頻段的占用狀態(tài)的預(yù)測(cè)表征變量Hi+2，根據(jù)預(yù)測(cè)表征變量Hi+2判定i+2時(shí)序預(yù)設(shè)頻段的占用狀態(tài)。
優(yōu)選地,在所述步驟SI之前還包括步驟SO ；
所述步驟SO:采集{bi, V1，…，VJ以及hi+1。
優(yōu)選地，在所 述步驟SO與所述步驟SI之間還包括對(duì)所述步驟SO中采集的數(shù)據(jù)進(jìn)行歸一化處理的步驟。
優(yōu)選地，所述初始參數(shù)以及所述預(yù)測(cè)參數(shù)均至少包括神經(jīng)網(wǎng)絡(luò)相鄰兩層之間的權(quán)重系數(shù)；
所述步驟S2中根據(jù)比較結(jié)果以反向傳播算法修正初始參數(shù)。
優(yōu)選地，所述步驟S3中通過閾值判定法判定所述Hi+2所對(duì)應(yīng)的i+2時(shí)刻預(yù)設(shè)頻段的占用狀態(tài)。
為達(dá)到上述目的，本發(fā)明基于神經(jīng)網(wǎng)絡(luò)的頻譜占用狀態(tài)的預(yù)測(cè)裝置包括:
神經(jīng)網(wǎng)絡(luò)構(gòu)建模塊，用以構(gòu)建神經(jīng)網(wǎng)絡(luò)并采用修剪算法確定神經(jīng)網(wǎng)絡(luò)各層以及各神經(jīng)元的初始參數(shù)；
神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊，用以向神經(jīng)網(wǎng)絡(luò)中輸入集合Ibplv1,…，中各元素，將神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果與以表征第i+Ι時(shí)序預(yù)設(shè)頻段占用狀態(tài)的表征變量hi+1進(jìn)行比較；根據(jù)比較結(jié)果修正初始參數(shù)得到預(yù)測(cè)參數(shù)；bi為第i時(shí)序預(yù)設(shè)頻段的信號(hào)強(qiáng)度，i為正整數(shù)，m為小于i的正整數(shù)；
頻譜占用狀態(tài)預(yù)測(cè)模塊，用以同時(shí)向神經(jīng)網(wǎng)絡(luò)輸入集合Ibmbi, -中各元素，神經(jīng)網(wǎng)絡(luò)輸出表征第i+2時(shí)序預(yù)設(shè)頻段的占用狀態(tài)的預(yù)測(cè)表征變量Hi+2，根據(jù)預(yù)測(cè)表征變量Hi+2判定i+2時(shí)序預(yù)設(shè)頻段的占用狀態(tài)。
進(jìn)一步地，所述基于神經(jīng)網(wǎng)絡(luò)的頻譜占用狀態(tài)的預(yù)測(cè)裝置還包括采集Ibi,..., bjJ以及hi+1的數(shù)據(jù)采集模塊。
進(jìn)一步地，所述數(shù)據(jù)采集模塊還包括用以將其采集的數(shù)據(jù)進(jìn)行歸一化處理的歸一化子模塊。
進(jìn)一步地，所述初始參數(shù)以及所述預(yù)測(cè)參數(shù)均至少包括神經(jīng)網(wǎng)絡(luò)相鄰兩層之間的權(quán)重系數(shù)；
所述神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊包括用以根據(jù)比較結(jié)果以反向傳播算法修正初始參數(shù)的參數(shù)修正子模塊。
進(jìn)一步地，頻譜占用狀態(tài)預(yù)測(cè)模塊包括用以通過閾值判定法判定所述Hi+2所對(duì)應(yīng)的i+2時(shí)刻預(yù)設(shè)頻段的占用狀態(tài)的判定子模塊。
(三)本發(fā)明基于神經(jīng)網(wǎng)絡(luò)的頻譜占用狀態(tài)的預(yù)測(cè)方法以及裝置的有益效果
第一:本發(fā)明基于神經(jīng)網(wǎng)路的頻譜占用狀態(tài)的預(yù)測(cè)方法以及裝置，采用經(jīng)修剪算法確定并通過訓(xùn)練調(diào)整后的神經(jīng)網(wǎng)絡(luò)表征無線通信中的預(yù)測(cè)前m+1時(shí)序內(nèi)預(yù)設(shè)頻段信號(hào)強(qiáng)度與所述預(yù)測(cè)時(shí)序頻譜占用狀態(tài)之間的映射關(guān)系，從而次要用戶在預(yù)測(cè)頻譜占用狀態(tài)時(shí)，不需要像傳統(tǒng)方法一樣獲取頻段的占用分布信息，故不存在次要用戶獲取頻段分布信息難的問題。
第二:由于頻段占用分布通常滿足如高斯分布、泊松分布等公式計(jì)算時(shí)不可避免的需要進(jìn)行如微分、積分等復(fù)雜運(yùn)算。本發(fā)明基于神經(jīng)網(wǎng)路的頻譜占用狀態(tài)的預(yù)測(cè)方法以及裝置，在預(yù)測(cè)過程中不再涉及頻段占用分布信息，而神經(jīng)網(wǎng)絡(luò)是模擬人腦形成的且由簡(jiǎn)單計(jì)算單元組成的非線性網(wǎng)絡(luò)組成的輸入輸出映射模型，故而計(jì)算通常是較為簡(jiǎn)單的函數(shù)運(yùn)算以及網(wǎng)絡(luò)相鄰兩層之間的權(quán)重運(yùn)算，從而具有計(jì)算簡(jiǎn)單、計(jì)算量小且計(jì)算準(zhǔn)確的優(yōu)點(diǎn)。
第三:本發(fā)明基于神經(jīng)網(wǎng)路的頻譜占用狀態(tài)的預(yù)測(cè)方法以及裝置，由于神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力強(qiáng)，具有很強(qiáng)的泛化能力，故而可以應(yīng)用于不同頻段、不同時(shí)序的頻譜占用的預(yù)測(cè)，且預(yù)測(cè)參數(shù)實(shí)時(shí)調(diào)整從而獲得的結(jié)果更加準(zhǔn)確，從而相對(duì)于傳統(tǒng)的預(yù)測(cè)方法以及裝置具有更強(qiáng)的適用性，提供的預(yù)測(cè)信息更加實(shí)用。
圖1為本發(fā)明實(shí)施例三所述基于神經(jīng)網(wǎng)絡(luò)的頻譜占用狀態(tài)的預(yù)測(cè)方法的流程圖2為本發(fā)明第二實(shí)施例所述的基于神經(jīng)網(wǎng)絡(luò)的頻譜占用狀態(tài)的預(yù)測(cè)裝置的流程圖。
具體實(shí)施例方式下面結(jié)合說明書附圖以及實(shí)施例對(duì)本發(fā)明基于神經(jīng)網(wǎng)絡(luò)的頻譜占用狀態(tài)的預(yù)測(cè)方法做進(jìn)一步的說明。實(shí)施例一:某一頻段的信號(hào)強(qiáng)度可以用來衡量該頻段的占用狀態(tài)，故信號(hào)強(qiáng)度可以用作輸入來通過神經(jīng)網(wǎng)絡(luò)的去衰減等相關(guān)運(yùn)算后的得到該頻點(diǎn)的占用信息；再通過觀察、抽象若干個(gè)連續(xù)時(shí)序的占用狀態(tài)的變化趨勢(shì)通過相應(yīng)計(jì)算以及變換可以預(yù)測(cè)出所述若干個(gè)連續(xù)時(shí)序的下一時(shí)序的該頻段的占用狀態(tài)信息。本實(shí)施例基于神經(jīng)網(wǎng)絡(luò)的頻譜占用狀態(tài)的預(yù)測(cè)方法，其特征在于，所述基于神經(jīng)網(wǎng)絡(luò)的頻譜占用狀態(tài)的預(yù) 測(cè)方法包括以下步驟:步驟S1:構(gòu)建神經(jīng)網(wǎng)絡(luò)并采用修剪算法確定神經(jīng)網(wǎng)絡(luò)各層以及各神經(jīng)元的初始參數(shù)；神經(jīng)網(wǎng)絡(luò)依次包括輸入層、中間層以及輸出層；每一層均是由若干神經(jīng)元組成的，同一層的神經(jīng)元之間相互沒有數(shù)據(jù)交互，層與層之間的神經(jīng)元之間進(jìn)行數(shù)據(jù)傳遞，用于表現(xiàn)輸入與輸出之間的映射關(guān)系；采用修剪算法可以有效的剔除神經(jīng)網(wǎng)絡(luò)各層中不必要的神經(jīng)元和/或神經(jīng)元的連接，從而達(dá)到構(gòu)建的神經(jīng)網(wǎng)絡(luò)輸入與輸出之間映射關(guān)系簡(jiǎn)單、映射結(jié)果準(zhǔn)確且實(shí)現(xiàn)簡(jiǎn)單可靠的效果；步驟S2:向神經(jīng)網(wǎng)絡(luò)中輸入集合IbpV1,…，VJ中各元素，將神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果與以表征第i+Ι時(shí)序預(yù)設(shè)頻段占用狀態(tài)的表征變量hi+1進(jìn)行比較；根據(jù)比較結(jié)果修正初始參數(shù)得到預(yù)測(cè)參數(shù)屯為第i時(shí)序預(yù)設(shè)頻段的信號(hào)強(qiáng)度，i為正整數(shù)，m為小于i的正整數(shù)的取值決定了集合的初始值，m的取值決定了集合的長(zhǎng)度；而在此步驟當(dāng)中以連續(xù)的m+1個(gè)時(shí)序的信號(hào)強(qiáng)度為輸入以及m+1個(gè)時(shí)序的下一個(gè)時(shí)序中預(yù)設(shè)頻段的占用狀態(tài)為目標(biāo)值進(jìn)行神經(jīng)網(wǎng)路的訓(xùn)練，使神經(jīng)網(wǎng)絡(luò)的輸出的預(yù)測(cè)值與目標(biāo)值滿足一定的誤差；如若兩者的誤差小于預(yù)設(shè)誤差則神經(jīng)網(wǎng)絡(luò)的初始參數(shù)即是最終的預(yù)測(cè)參數(shù)；如若大于預(yù)設(shè)誤差則需要調(diào)整相應(yīng)的參數(shù)，則需要進(jìn)行再次輸入運(yùn)算出結(jié)果，且將運(yùn)算結(jié)果與hi+1再次比較，再次根據(jù)比較結(jié)果修正參數(shù)，最終使運(yùn)算結(jié)果小于預(yù)設(shè)誤差，從而通過反復(fù)修正初始參數(shù)，以使最終預(yù)測(cè)值與目標(biāo)值小于預(yù)設(shè)誤差時(shí)刻的參數(shù)為最終的預(yù)測(cè)參數(shù)；通過這種方法確定神經(jīng)網(wǎng)絡(luò)的最終參數(shù)，實(shí)現(xiàn)簡(jiǎn)單且對(duì)于最終的預(yù)測(cè)結(jié)果有預(yù)測(cè)結(jié)果準(zhǔn)確的目的。步驟S3:同時(shí)向神經(jīng)網(wǎng)絡(luò)輸入集合Ibi^bi,…，中各元素，神經(jīng)網(wǎng)絡(luò)輸出表征第i+2時(shí)序預(yù)設(shè)頻段的占用狀態(tài)的預(yù)測(cè)表征變量Hi+2，根據(jù)預(yù)測(cè)表征變量Hi+2判定i+2時(shí)序預(yù)設(shè)頻段的占用狀態(tài)。在具體的通信過程中，無線頻譜作為載波以頻段進(jìn)行劃分，有些頻段用于上行通信，有些用于下行通信，還有些用于特定的區(qū)域通信等，故在不同的無線通信中，各通信頻段的頻譜范圍不同。故本實(shí)施例根據(jù)用戶通信種類的需求針對(duì)不同的通信需要設(shè)置預(yù)設(shè)頻段，由于神經(jīng)網(wǎng)絡(luò)有很好的泛化能力能很好的實(shí)現(xiàn)針對(duì)不同頻段不同時(shí)序的預(yù)測(cè)參數(shù)的修正，從而用于不同頻段以及不同時(shí)序的頻譜占用信息的預(yù)測(cè)。
綜合上述，
首先本實(shí)施例基于神經(jīng)網(wǎng)路的頻譜占用狀態(tài)的預(yù)測(cè)方法，通過神經(jīng)網(wǎng)絡(luò)來模擬歷史時(shí)序中預(yù)設(shè)頻段表征占用狀態(tài)的信號(hào)強(qiáng)度與預(yù)測(cè)時(shí)序預(yù)設(shè)頻段占用狀態(tài)之間的映射關(guān)系，故沒有涉及預(yù)設(shè)頻段的分布信息，故不存在次要用戶獲取頻段分布信息難的問題；
其次，一般頻段的分布信息滿足如高斯分布、泊松分布等進(jìn)行計(jì)算時(shí)無可避免的需要進(jìn)行微分、積分以及卷積分等復(fù)雜度高的運(yùn)算，而本實(shí)施例所述方法不涉及頻段分布信息的應(yīng)用，故不會(huì)涉及高復(fù)雜度的微分、積分等運(yùn)算，且神經(jīng)網(wǎng)絡(luò)本身具有計(jì)算簡(jiǎn)單、計(jì)算迅速等的特性，故而本方法相對(duì)于傳統(tǒng)方法具有計(jì)算復(fù)雜度低，且相對(duì)的計(jì)算復(fù)雜度小的優(yōu)點(diǎn)。
再次，本實(shí)施例所述的方法，是實(shí)時(shí)針對(duì)不同頻段不同時(shí)序調(diào)整預(yù)測(cè)參數(shù)，且預(yù)測(cè)參數(shù)的調(diào)整與當(dāng)前的網(wǎng)絡(luò)環(huán)境等因素密切相關(guān)，故而預(yù)測(cè)參數(shù)以及預(yù)測(cè)方法精準(zhǔn)，從而預(yù)測(cè)結(jié)果也更加準(zhǔn)確；
此外，本實(shí)施例所述的方法，采用神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)，由于神經(jīng)網(wǎng)絡(luò)本身具有很強(qiáng)的泛化能力，通過步驟S2中的訓(xùn)練能快速有效的用于兩種不同頻段，不同無線網(wǎng)絡(luò)環(huán)境中頻譜占用狀態(tài)的預(yù)測(cè)，從而相對(duì)于傳統(tǒng)的方法實(shí)用性以及適用性均更強(qiáng)。
實(shí)施例二:
本實(shí)施例基于神經(jīng)網(wǎng)絡(luò)的頻譜占用狀態(tài)的預(yù)測(cè)方法包括以下步驟:
步驟SO:采集Ibi, V1,…，VJ以及hi+lt)i與m的取值決定了集合……h(huán)lJ的長(zhǎng)度。在具體的實(shí)施過程中所述m的取值通常為4 6的正整數(shù)。
步驟S1:構(gòu)建神經(jīng)網(wǎng)絡(luò)并采用修剪算法確定神經(jīng)網(wǎng)絡(luò)各層以及各神經(jīng)元的初始參數(shù)；
步驟S2:向神經(jīng)網(wǎng)絡(luò)中輸入集合IbpV1,…，VJ中各元素，將神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果與以表征第i+Ι時(shí)序預(yù)設(shè)頻段占用狀態(tài)的表征變量hi+1進(jìn)行比較；根據(jù)比較結(jié)果修正初始參數(shù)得到預(yù)測(cè)參數(shù)屯為第i時(shí)序預(yù)設(shè)頻段的信號(hào)強(qiáng)度，i為正整數(shù)，m為小于i的正整數(shù)；
步驟S3:同時(shí)向神經(jīng)網(wǎng)絡(luò)輸入集合{bi+pbi，中各元素，神經(jīng)網(wǎng)絡(luò)輸出表征第i+2時(shí)序預(yù)設(shè)頻段的占用狀態(tài)的預(yù)測(cè)表征變量Hi+2，根據(jù)預(yù)測(cè)表征變量Hi+2判定i+2時(shí)序預(yù)設(shè)頻段的占用狀態(tài)。
由于步驟S 2的需要，所述的{bi+pbi，…，Ινπ+1}以及hi+1可以由外設(shè)輸入，也可以自行采集，而在本實(shí)施例中選用自行采集的方法，具體的采集方法可以使實(shí)際測(cè)量或經(jīng)驗(yàn)數(shù)據(jù)。
實(shí)施例三:
如圖1所示，本實(shí)施例在上一實(shí)施例的基礎(chǔ)上，本實(shí)施基于神經(jīng)網(wǎng)絡(luò)的頻譜占用狀態(tài)的預(yù)測(cè)方法，在所述步驟SO與所述步驟SI之間還包括對(duì)所述步驟SO中采集的數(shù)據(jù)行歸一化處理的步驟。通過歸一化的處理使得輸入的數(shù)據(jù)單位統(tǒng)一、且位于神經(jīng)網(wǎng)絡(luò)的處理范圍內(nèi)，從而提高神經(jīng)網(wǎng)絡(luò)的計(jì)算速度，縮短計(jì)算時(shí)間。
在具體的實(shí)施過程中，所述初始參數(shù)以及所述預(yù)測(cè)參數(shù)均包括神經(jīng)元數(shù)目、各神經(jīng)元的激勵(lì)函數(shù)、學(xué)習(xí)速率、最大迭代次數(shù)、預(yù)設(shè)誤差以及各神經(jīng)元層之間的權(quán)重系數(shù)參數(shù)。
作為本實(shí)施例的進(jìn)一步的優(yōu)化，所述步驟S3中根據(jù)比較結(jié)果以反向傳播算法修正初始參數(shù)。采用反向傳播算法修正初始參數(shù)，實(shí)現(xiàn)簡(jiǎn)單快捷。實(shí)施例四:本實(shí)施例基于神經(jīng)網(wǎng)絡(luò)的頻譜占用狀態(tài)的預(yù)測(cè)方法包括以下步驟:步驟S1:構(gòu)建神經(jīng)網(wǎng)絡(luò)并采用修剪算法確定神經(jīng)網(wǎng)絡(luò)各層以及各神經(jīng)元的初始參數(shù)；步驟S2:向神經(jīng)網(wǎng)絡(luò)中輸入集合IbpV1,…，VJ中各元素，將神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果與以表征第i+Ι時(shí)序預(yù)設(shè)頻段占用狀態(tài)的表征變量hi+1進(jìn)行比較；根據(jù)比較結(jié)果修正初始參數(shù)得到預(yù)測(cè)參數(shù)屯為第i時(shí)序預(yù)設(shè)頻段的信號(hào)強(qiáng)度，i為正整數(shù)，m為小于i的正整數(shù)；步驟S3:同時(shí)向神經(jīng)網(wǎng)絡(luò)輸入集合{bi+pbi，中各元素，神經(jīng)網(wǎng)絡(luò)輸出表征第i+2時(shí)序預(yù)設(shè)頻段的占用狀態(tài)的預(yù)測(cè)表征變量Hi+2，通過閾值判定法判定所述預(yù)測(cè)表征變量Hi+2所對(duì)應(yīng)的預(yù)設(shè)頻段i+2時(shí)序的占用狀態(tài)。在具體的實(shí)施過程中可以采用函數(shù)判定等其他判決方法，而閾值判定方法實(shí)施簡(jiǎn)單的優(yōu)點(diǎn)，從而使得本實(shí)施例所述的基于神經(jīng)網(wǎng)絡(luò)的頻譜占用狀態(tài)的預(yù)測(cè)方法，具有預(yù)測(cè)值準(zhǔn)確、計(jì)算量小、計(jì)算復(fù)雜度低的同時(shí)具有了判定簡(jiǎn)單明了以及實(shí)現(xiàn)簡(jiǎn)便的優(yōu)點(diǎn)。下面結(jié)合說明書附圖以及實(shí)施例對(duì)本發(fā)明基于神經(jīng)網(wǎng)絡(luò)的頻譜占用狀態(tài)的預(yù)測(cè)裝置做進(jìn)一步的說明。第一實(shí)施例:本實(shí)施例基于神經(jīng)網(wǎng) 絡(luò)的頻譜占用狀態(tài)的預(yù)測(cè)裝置包括:所述基于神經(jīng)網(wǎng)絡(luò)的頻譜占用狀態(tài)的預(yù)測(cè)裝置包括:神經(jīng)網(wǎng)絡(luò)構(gòu)建模塊，用以構(gòu)建神經(jīng)網(wǎng)絡(luò)并采用修剪算法確定神經(jīng)網(wǎng)絡(luò)各層以及各神經(jīng)元的初始參數(shù)；神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊，用以向神經(jīng)網(wǎng)絡(luò)中輸入集合Ibplvi,…，4_π}中各元素，將神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果與以表征第i+Ι時(shí)序預(yù)設(shè)頻段占用狀態(tài)的表征變量hi+1進(jìn)行比較；根據(jù)比較結(jié)果修正初始參數(shù)得到預(yù)測(cè)參數(shù)；bi為第i時(shí)序預(yù)設(shè)頻段的信號(hào)強(qiáng)度，i為正整數(shù)，m為小于i的正整數(shù)；頻譜占用狀態(tài)預(yù)測(cè)模塊，用以向神經(jīng)網(wǎng)絡(luò)輸入集合Ibi^bi,中各元素，神經(jīng)網(wǎng)絡(luò)輸出表征第i+2時(shí)序預(yù)設(shè)頻段的占用狀態(tài)的預(yù)測(cè)表征變量Hi+2，根據(jù)預(yù)測(cè)表征變量Hi+2判定i+2時(shí)序預(yù)設(shè)頻段的占用狀態(tài)。在本實(shí)施例中用于頻譜占用狀態(tài)預(yù)測(cè)的裝置，通過神經(jīng)網(wǎng)絡(luò)構(gòu)建模塊、神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊以及頻譜占用狀態(tài)預(yù)測(cè)模塊實(shí)現(xiàn)對(duì)頻譜的預(yù)測(cè)，與傳統(tǒng)裝置相比，具有計(jì)算復(fù)雜度低，計(jì)算量小，預(yù)測(cè)準(zhǔn)確的優(yōu)點(diǎn)。第二實(shí)施例:如圖2所示，本實(shí)施例基于神經(jīng)網(wǎng)絡(luò)的頻譜占用狀態(tài)的預(yù)測(cè)裝置包括:數(shù)據(jù)采集模塊,用以采集IX，Iv1,…，VJ以及hi+1 ;神經(jīng)網(wǎng)絡(luò)構(gòu)建模塊，用以構(gòu)建神經(jīng)網(wǎng)絡(luò)并采用修剪算法確定神經(jīng)網(wǎng)絡(luò)各層以及各神經(jīng)元的初始參數(shù)；神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊，用以向神經(jīng)網(wǎng)絡(luò)中輸入集合Ibplvi,…，4_π}中各元素，將神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果與以表征第i+Ι時(shí)序預(yù)設(shè)頻段占用狀態(tài)的表征變量hi+1進(jìn)行比較；根據(jù)比較結(jié)果修正初始參數(shù)得到預(yù)測(cè)參數(shù)；bi為第i時(shí)序預(yù)設(shè)頻段的信號(hào)強(qiáng)度，i為正整數(shù)，m為小于i的正整數(shù)；
頻譜占用狀態(tài)預(yù)測(cè)模塊，用以同時(shí)向神經(jīng)網(wǎng)絡(luò)輸入集合Ibi^bi,…，Ινπ+1}中各元素，神經(jīng)網(wǎng)絡(luò)輸出表征第i+2時(shí)序預(yù)設(shè)頻段的占用狀態(tài)的預(yù)測(cè)表征變量Hi+2，根據(jù)預(yù)測(cè)表征變量Hi+2判定i+2時(shí)序預(yù)設(shè)頻段的占用狀態(tài)。
本實(shí)施例基于神經(jīng)網(wǎng)絡(luò)的頻譜占用狀態(tài)的預(yù)測(cè)裝置在上一實(shí)施例的基礎(chǔ)上增設(shè)了數(shù)據(jù)采集模塊，用于采集所需信息，從而無需外設(shè)的幫助就可以實(shí)現(xiàn)數(shù)據(jù)的采集。
第三實(shí)施例:
本實(shí)施例在上一實(shí)施例的基礎(chǔ)上，進(jìn)一步的具化了所述的數(shù)據(jù)采集模塊，所述數(shù)據(jù)采集模塊還包括一個(gè)用以將其采集的數(shù)據(jù)進(jìn)行歸一化處理的歸一化子模塊。通過歸一化子模塊的設(shè)置可以對(duì)所采集的數(shù)據(jù)進(jìn)行歸一化處理，從而使得裝置的預(yù)測(cè)效率以及預(yù)測(cè)效果更佳。
第四實(shí)施例:
本實(shí)施例基于神經(jīng)網(wǎng)絡(luò)的頻譜占用狀態(tài)的預(yù)測(cè)裝置包括:
數(shù)據(jù)采集模塊，用以采集Ibplv1,…，VJ以及hi+1 ;
神經(jīng)網(wǎng)絡(luò)構(gòu)建模塊，用以構(gòu)建神經(jīng)網(wǎng)絡(luò)并采用修剪算法確定神經(jīng)網(wǎng)絡(luò)各層以及各神經(jīng)元的初始參數(shù)；
神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊，用以向神經(jīng)網(wǎng)絡(luò)中輸入集合-,bj中各元素，將神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果與以表征第i+Ι時(shí)序預(yù)設(shè)頻段占用狀態(tài)的表征變量hi+1進(jìn)行比較；根據(jù)比較結(jié)果修正初始參數(shù)得到預(yù)測(cè)參數(shù)屯為第i時(shí)序預(yù)設(shè)頻段的信號(hào)強(qiáng)度，i為正整數(shù)，m為小于i的正整數(shù)；所述初始參數(shù)以及所述預(yù)測(cè)參數(shù)均至少包括神經(jīng)網(wǎng)絡(luò)相鄰兩層之間的權(quán)重系數(shù)；所述神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊包括用以根據(jù)比較結(jié)果以反向傳播算法修正初始參數(shù)的參數(shù)修正子模塊。
頻譜占用狀態(tài)預(yù)測(cè)模塊，用以同時(shí)向神經(jīng)網(wǎng)絡(luò)輸入集合Ibi^bi,…，Ινπ+1}中各元素，神經(jīng)網(wǎng)絡(luò)輸出表征第i+2時(shí)序預(yù)設(shè)頻段的占用狀態(tài)的預(yù)測(cè)表征變量Hi+2，根據(jù)預(yù)測(cè)表征變量Hi+2判定i+2時(shí)序預(yù)設(shè)頻段的占用狀態(tài)；頻譜占用狀態(tài)預(yù)測(cè)模塊包括用以通過閾值判定法判定所述Hi+2所對(duì)應(yīng)的i+2時(shí)刻預(yù)設(shè)頻段的占用狀態(tài)的判定子模塊。
綜合上述，本發(fā)明所述的`基于神經(jīng)網(wǎng)絡(luò)的頻譜占用狀態(tài)的預(yù)測(cè)方法以及裝置，在進(jìn)行頻譜占用信息的預(yù)測(cè)時(shí)，無需獲取當(dāng)前的頻譜分布狀態(tài)信息，就可以直接預(yù)測(cè)出所需頻段的占空狀態(tài)，且采用神經(jīng)網(wǎng)絡(luò)進(jìn)行以頻段對(duì)應(yīng)的頻譜的強(qiáng)度信號(hào)與占用狀態(tài)之間的映射關(guān)系進(jìn)行預(yù)測(cè)，具有計(jì)算量小，計(jì)算復(fù)雜度低以及預(yù)測(cè)結(jié)果準(zhǔn)確的優(yōu)點(diǎn)。
以上實(shí)施方式僅用于說明本發(fā)明，而并非對(duì)本發(fā)明的限制，有關(guān)技術(shù)領(lǐng)域的普通技術(shù)人員，在不脫離本發(fā)明的精神和范圍的情況下，還可以做出各種變化和變型，因此所有等同的技術(shù)方案也屬于本發(fā)明的范疇，本發(fā)明的專利保護(hù)范圍應(yīng)由權(quán)利要求限定。
權(quán)利要求
1.一種基于神經(jīng)網(wǎng)絡(luò)的頻譜占用狀態(tài)的預(yù)測(cè)方法，其特征在于，所述基于神經(jīng)網(wǎng)絡(luò)的頻譜占用狀態(tài)的預(yù)測(cè)方法依次包括以下步驟: 步驟S1:構(gòu)建神經(jīng)網(wǎng)絡(luò)并采用修剪算法確定神經(jīng)網(wǎng)絡(luò)各層以及各神經(jīng)元的初始參數(shù)； 步驟S2:向神經(jīng)網(wǎng)絡(luò)中輸入集合Ibplv1,…，bi_J中各元素，將神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果與以表征第i+Ι時(shí)序預(yù)設(shè)頻段占用狀態(tài)的表征變量hi+1進(jìn)行比較；根據(jù)比較結(jié)果修正初始參數(shù)得到預(yù)測(cè)參數(shù)屯為第i時(shí)序預(yù)設(shè)頻段的信號(hào)強(qiáng)度，i為正整數(shù)，m為小于i的正整數(shù)； 步驟S3:同時(shí)向神經(jīng)網(wǎng)絡(luò)輸入集合Ibi^bi,…，Ινπ+1}中各元素，神經(jīng)網(wǎng)絡(luò)輸出表征第i+2時(shí)序預(yù)設(shè)頻段的占用狀態(tài)的預(yù)測(cè)表征變量Hi+2，根據(jù)預(yù)測(cè)表征變量Hi+2判定i+2時(shí)序預(yù)設(shè)頻段的占用狀態(tài)。
2.根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)的頻譜占用狀態(tài)的預(yù)測(cè)方法，其特征在于，在所述步驟SI之前還包括步驟SO ； 所述步驟SO:采集IX，V1,…，VJ以及hi+1。
3.根據(jù)權(quán)利要求2所述的基于神經(jīng)網(wǎng)絡(luò)的頻譜占用狀態(tài)的預(yù)測(cè)方法，其特征在于，在所述步驟SO與所述步驟SI之間還包括對(duì)所述步驟SO中采集的數(shù)據(jù)進(jìn)行歸一化處理的步驟。
4.根據(jù)權(quán)利要求1、2或3所述的基于神經(jīng)網(wǎng)絡(luò)的頻譜占用狀態(tài)的預(yù)測(cè)方法，其特征在于，所述初始參數(shù)以及所述預(yù)測(cè)參數(shù)均至少包括神經(jīng)網(wǎng)絡(luò)相鄰兩層之間的權(quán)重系數(shù)； 所述步驟S2中根據(jù)比較結(jié)果以反向傳播算法修正初始參數(shù)。
5.根據(jù)權(quán)利要求1、2或3所述的基于神經(jīng)網(wǎng)絡(luò)的頻譜占用狀態(tài)的預(yù)測(cè)方法，其特征在于，所述步驟S3中通過閾值判定法判定所述Hi+2所對(duì)應(yīng)的i+2時(shí)刻預(yù)設(shè)頻段的占用狀態(tài)。
6.一種基于神經(jīng)網(wǎng)絡(luò)的頻譜占用狀態(tài)的預(yù)測(cè)裝置，其特征在于，所述基于神經(jīng)網(wǎng)絡(luò)的頻譜占用狀態(tài)的預(yù)測(cè)裝置包括: 神經(jīng)網(wǎng)絡(luò)構(gòu)建模塊，用以構(gòu)建神經(jīng)網(wǎng)絡(luò)并采用修剪算法確定神經(jīng)網(wǎng)絡(luò)各層以及各神經(jīng)元的初始參數(shù)； 神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊，用以向神經(jīng)網(wǎng)絡(luò)中輸入集合Ibpiv1, ".Λ_Π}中各元素，將神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果與以表征第i+i時(shí)序預(yù)設(shè)頻段占用狀態(tài)的表征變量hi+1進(jìn)行比較；根據(jù)比較結(jié)果修正初始參數(shù)得到預(yù)測(cè)參數(shù)屯為第i時(shí)序預(yù)設(shè)頻段的信號(hào)強(qiáng)度，i為的正整數(shù)，m為小于i的正整數(shù)； 頻譜占用狀態(tài)預(yù)測(cè)模塊， 用以同時(shí)向神經(jīng)網(wǎng)絡(luò)輸入集合Ibi^bi,中各元素，神經(jīng)網(wǎng)絡(luò)輸出表征第i+2時(shí)序預(yù)設(shè)頻段的占用狀態(tài)的預(yù)測(cè)表征變量Hi+2，根據(jù)預(yù)測(cè)表征變量Hi+2判定i+2時(shí)序預(yù)設(shè)頻段的占用狀態(tài)。
7.根據(jù)權(quán)利要求6所述的基于神經(jīng)網(wǎng)絡(luò)的頻譜占用狀態(tài)的預(yù)測(cè)裝置，其特征在于，所述基于神經(jīng)網(wǎng)絡(luò)的頻譜占用狀態(tài)的預(yù)測(cè)裝置還包括采集Ibplvi,以及hi+1的數(shù)據(jù)采集模塊。
8.根據(jù)權(quán)利要求7所述的基于神經(jīng)網(wǎng)絡(luò)的頻譜占用狀態(tài)的預(yù)測(cè)裝置，其特征在于，所述數(shù)據(jù)采集模塊還包括用以將其采集的數(shù)據(jù)進(jìn)行歸一化處理的歸一化子模塊。
9.根據(jù)權(quán)利要求6-7任一所述的基于神經(jīng)網(wǎng)絡(luò)的頻譜占用狀態(tài)的預(yù)測(cè)裝置，其特征在于，所述初始參數(shù)以及所述預(yù)測(cè)參數(shù)均至少包括神經(jīng)網(wǎng)絡(luò)相鄰兩層之間的權(quán)重系數(shù)； 所述神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊包括用以根據(jù)比較結(jié)果以反向傳播算法修正初始參數(shù)的參數(shù)修正子模塊。
10.根據(jù)權(quán)利要求6-7任一所述的基于神經(jīng)網(wǎng)絡(luò)的頻譜占用狀態(tài)的預(yù)測(cè)裝置，其特征在于，頻譜占用狀態(tài)預(yù)測(cè)模塊包括用以通過閾值判定法判定所述Hi+2所對(duì)應(yīng)的i+2時(shí)刻預(yù)設(shè)頻段的占用狀態(tài)的 判定子模塊。
全文摘要
本發(fā)明公開了一種基于神經(jīng)網(wǎng)絡(luò)的頻譜占用狀態(tài)的預(yù)測(cè)方法以及裝置。所述基于神經(jīng)網(wǎng)絡(luò)的頻譜占用狀態(tài)的預(yù)測(cè)方法包括以下步驟步驟S1構(gòu)建神經(jīng)網(wǎng)絡(luò)并采用修剪算法確定神經(jīng)網(wǎng)絡(luò)各層以及各神經(jīng)元的初始參數(shù)；步驟S2向神經(jīng)網(wǎng)絡(luò)中輸入集合{bi,bi-1，…，bi-m}中各元素，將神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果與以表征第i+1時(shí)序預(yù)設(shè)頻段占用狀態(tài)的表征變量hi+1進(jìn)行比較；根據(jù)比較結(jié)果修正初始參數(shù)得到預(yù)測(cè)參數(shù)；bi為第i時(shí)序預(yù)設(shè)頻段的信號(hào)強(qiáng)度，i為正整數(shù)，m為小于i的正整數(shù)數(shù)；步驟S3同時(shí)向神經(jīng)網(wǎng)絡(luò)輸入集合{bi+1,bi，…，bi-m+1}中各元素，神經(jīng)網(wǎng)絡(luò)輸出表征第i+2時(shí)序預(yù)設(shè)頻段的占用狀態(tài)的預(yù)測(cè)表征變量Hi+2，根據(jù)預(yù)測(cè)表征變量Hi+2判定i+2時(shí)序預(yù)設(shè)頻段的占用狀態(tài)，具有計(jì)算復(fù)雜度低，實(shí)現(xiàn)簡(jiǎn)單的優(yōu)點(diǎn)。
文檔編號(hào)H04W16/10GK103209417SQ20131006982
公開日2013年7月17日 申請(qǐng)日期2013年3月5日 優(yōu)先權(quán)日2013年3月5日
發(fā)明者許曉東, 李皇玉, 吳寶學(xué), 徐舟, 陶小峰, 張平 申請(qǐng)人:北京郵電大學(xué)