王翀　李爭平　栗卓然

摘 要：為解決無線頻譜資源利用率較低的問題，文中提出了基于機(jī)器學(xué)習(xí)的無線頻譜占用預(yù)測方法，實(shí)現(xiàn)了對(duì)無線頻譜資源占用情況的預(yù)測。通過軟件無線電平臺(tái)感知無線頻譜資源的占用情況，利用機(jī)器學(xué)習(xí)算法對(duì)無線頻譜資源占用數(shù)據(jù)進(jìn)行訓(xùn)練和預(yù)測。經(jīng)過實(shí)際測試的驗(yàn)證與應(yīng)用，效果顯著，可以有效預(yù)測無線頻譜資源占用情況。

關(guān)鍵詞：無線頻譜資源;軟件無線電;頻譜感知;機(jī)器學(xué)習(xí);Matlab;SVM

中圖分類號(hào)：TP39 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-1302（2020）04-00-02

0 引 言

近年來，隨著無線通信系統(tǒng)的快速發(fā)展，無線頻譜資源越發(fā)緊張，但與之相對(duì)的是已經(jīng)授權(quán)的頻譜資源利用率較低。Mitola于1999年提出了認(rèn)知無線電（CR）的概念[1]，它是一種可以有效提高頻譜資源利用率的方法。認(rèn)知無線電可以感知無線頻譜利用情況，通過分析頻譜資源占用情況，預(yù)測未來頻譜占用可能性，從而發(fā)展可用頻譜，提高頻譜資源利用率。

軟件無線電（SDR）可以有效解決無線頻譜感知問題[2]。因此可以使用軟件無線電（SDR）實(shí)現(xiàn)頻譜數(shù)據(jù)采集，通過機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)對(duì)頻譜占用的預(yù)測。

1 基于HackRF的頻譜感知

1.1 頻譜感知方法的分析

當(dāng)前頻譜感知的方法主要包括能量檢測法、匹配濾波法和循環(huán)平穩(wěn)頻譜檢測法[3]。其中能量檢測法是一種使用最廣泛的檢測方法，該方法實(shí)現(xiàn)簡單，且無需知道檢測信號(hào)的先驗(yàn)信息，但該方法無法識(shí)別信號(hào)類型。本文中頻譜感知的目的在于感知無線頻譜的占用情況，無需判斷接收信號(hào)的類型，為此選取計(jì)算量小且實(shí)用性好的能量檢測方法。

1.2 能量檢測法的實(shí)現(xiàn)

為得到無線頻譜的占用情況，搭建基于GNU Radio的FFT頻譜檢測器。通過正確的初始化配置軟件無線電（SDR）設(shè)備HackRF，建立流圖，搭建FFT頻譜檢測的軟件無線電結(jié)構(gòu)。

能量檢測法的模型如圖1所示。

信號(hào)在HackRF中經(jīng)過放大、混頻、數(shù)字化、采樣后得到基帶數(shù)字信號(hào)，GNU Radio將接收的數(shù)據(jù)流轉(zhuǎn)化為向量流，再對(duì)其進(jìn)行FFT操作，在進(jìn)行FFT操作之前需要加窗以防止頻譜混疊。將經(jīng)FFT之后的數(shù)據(jù)進(jìn)行處理，并將復(fù)信號(hào)轉(zhuǎn)化為均方表示，然后再對(duì)這些數(shù)據(jù)進(jìn)行處理和存儲(chǔ)[4]。

能量檢測實(shí)現(xiàn)流程如圖2所示。

2 基于SVM無線頻譜預(yù)測的實(shí)現(xiàn)

2.1 支持向量機(jī)

支持向量機(jī)的目的是尋找一個(gè)超平面分開二類樣本，分開的原則是間隔最大化。

給定訓(xùn)練樣本：

D={（x₁， y₁）， （x₂， y₂）， ...， （x_i， y_i）}， y_i∈{-1， +1}， i=1， 2， ...， n? ?（1）

式中：xi為特征向量;yi為分類標(biāo)簽。

超平面用函數(shù)f （x）=wx+b表示，其中w為法向量，決定了超平面的方向;b為位移量，決定了超平面與原點(diǎn)的距離。

超平面關(guān)于訓(xùn)練樣本（xi， yi）的幾何間隔定義為：

（2）

超平面關(guān)于所有樣本點(diǎn)的幾何間隔的最小值為：

（3）

最大分割超平面問題可以表示為以下約束最優(yōu)化問題：

（4）

又因?yàn)樽畲蠡?，等價(jià)于最大化，即最小化，將約束條件化簡后可得：

（3）

這就轉(zhuǎn)換成了含有不等式約束的凸二次規(guī)劃的問題，利用拉格朗日數(shù)乘法對(duì)其求解即可。

2.2 測試數(shù)據(jù)

為簡化數(shù)據(jù)處理和節(jié)省時(shí)間，數(shù)據(jù)庫僅記錄同一區(qū)域在100 min內(nèi)對(duì)2.4 GHz頻譜的占用情況，即數(shù)據(jù)集里一共含有100個(gè)樣本。無線頻譜占用可以認(rèn)為是二值序列問題，1表示該無線頻譜段被占用，0表示該無線頻譜段空閑，并以此作為標(biāo)簽對(duì)每個(gè)樣本進(jìn)行標(biāo)注。

將100個(gè)樣本數(shù)據(jù)分為兩組，每組前40個(gè)樣本作為訓(xùn)練集，后10個(gè)樣本作為測試集。代碼表示如下：

RSdata = RSdata（1：100，：）;

Label = [ones（50，1）; zeros（50，1）];

Train = RSdata（1：40，：）;

Train = [Train; RSdata（51：90，：）];

Test = RSdata（41：50，：）;

Test = [Test; RSdata（91：100，：）];

2.3 數(shù)據(jù)預(yù)處理

對(duì)采集的無線頻譜數(shù)據(jù)進(jìn)行預(yù)處理，目的是將無線頻譜轉(zhuǎn)化為便于處理的數(shù)據(jù)。利用Matlab歸一化函數(shù)將訓(xùn)練集和測試集的原始數(shù)據(jù)進(jìn)行歸一化處理，使最終的數(shù)據(jù)落在[0，1]區(qū)間范圍，實(shí)現(xiàn)對(duì)數(shù)據(jù)的預(yù)處理。

3 結(jié) 語

本文通過軟件無線電HackRF設(shè)備和SVM算法實(shí)現(xiàn)了對(duì)無線頻譜資源占用的感知和預(yù)測。經(jīng)測試，該方法可以較好地感知和預(yù)測無線頻譜資源的占用情況，從而提高頻譜資源的利用率。

參考文獻(xiàn)

[1] MITOLA J，MAGUIRE G Q. Cognitive radio：making software radios more personal [J]. IEEE personal communications，1999，6（4）：13-18.

[2] ALEXANDRU M.Real-time spectrum sensing using software defined radio platforms [J]. Telecommunication systems，2017，64（4）：571.

[3]潘建國，翟旭平.基于能量檢測的頻譜感知方法[J].上海大學(xué)學(xué)報(bào)（自然科學(xué)版），2009，15（1）：54-59.

[4]朱建新.一種認(rèn)知無線電頻譜感知系統(tǒng)硬件平臺(tái)的設(shè)計(jì)[D].北京：北京郵電大學(xué)，2011.

[5]屈玉濤，鄧萬宇.基于Matlab的SVM分類預(yù)測實(shí)現(xiàn)[J].信息通信，2017（3）：33-34.

[6]翟旭平，孟田，王濤.采用對(duì)數(shù)預(yù)處理的SVM頻譜感知方法[J].應(yīng)用科學(xué)學(xué)報(bào)，2017，35（6）：726-734.

[7]劉樂.基于能量檢測的認(rèn)知無線電頻譜感知算法研究[J].物聯(lián)網(wǎng)技術(shù)，2019，9（5）：15-17.

[8]江瑩，楊震.認(rèn)知無線電的幾種頻譜感知方法研究[J].科技資訊，2007（10）：6-7.

[9]楊小平.數(shù)據(jù)挖掘三大經(jīng)典算法在交通領(lǐng)域的應(yīng)用綜述[J].物聯(lián)網(wǎng)技術(shù)，2018，8（11）：42-44.

[10]周超.基于機(jī)器學(xué)習(xí)的感知信號(hào)分類與預(yù)測方法研究[D].成都：電子科技大學(xué)，2018.