文獻(xiàn)標(biāo)志碼:A
DOI: 10.16157/j.issn.0258-7998.234080
引用格式: 李濤,張煜培,趙知?jiǎng)? 基于多頭自注意力機(jī)制的協(xié)作頻譜感知算法[J]. 電子技術(shù)應(yīng)用,2023,49(11):88-93.
【引言】
近年來(lái),隨著多媒體、大數(shù)據(jù)、物聯(lián)網(wǎng)等科學(xué)技術(shù)的快速發(fā)展,無(wú)線(xiàn)通信技術(shù)的應(yīng)用需要更多的頻譜資源,部分頻譜資源空閑和部分頻譜資源競(jìng)爭(zhēng)激烈已演變成為無(wú)線(xiàn)頻譜資源利用的主要問(wèn)題之一,而解決這一問(wèn)題的思路是盡量提高現(xiàn)有的頻譜利用率。為此,認(rèn)知無(wú)線(xiàn)電技術(shù)[1]應(yīng)運(yùn)而生。認(rèn)知無(wú)線(xiàn)電技術(shù)能夠動(dòng)態(tài)地利用暫時(shí)空閑的頻譜資源,在不對(duì)主用戶(hù)(PU)造成干擾的前提下實(shí)現(xiàn)與次用戶(hù)(CU)地頻譜共享,有效提高頻譜利用率。頻譜感知技術(shù)[2]是認(rèn)知無(wú)線(xiàn)電的關(guān)鍵一步,其主要目的是在復(fù)雜的無(wú)線(xiàn)通信環(huán)境中準(zhǔn)確、快速地檢測(cè)出主用戶(hù)信號(hào)是否存在。目前頻譜感知的研究主要分為單個(gè)次用戶(hù)頻譜感知技術(shù)和多個(gè)次用戶(hù)協(xié)作頻譜感知技術(shù)。相對(duì)于單個(gè)次用戶(hù)頻譜感知,協(xié)作頻譜感知技術(shù)可以充分利用次用戶(hù)感知環(huán)境的多樣性,避免單用戶(hù)由于多徑衰落和陰影效應(yīng)造成的誤差,能夠有效地提高整體感知系統(tǒng)性能。在協(xié)作頻譜感知中,融合策略是協(xié)作頻譜感知的關(guān)鍵所在,融合準(zhǔn)則可以分為硬判決[3]和軟判決[4]兩種。硬判決融合中,融合中心接收到的是所有次用戶(hù)的判決結(jié)果,常見(jiàn)的融合準(zhǔn)則有“與”準(zhǔn)則、“或”準(zhǔn)則和“K”秩準(zhǔn)則[5]。硬判決的優(yōu)點(diǎn)是實(shí)現(xiàn)簡(jiǎn)單,傳輸開(kāi)銷(xiāo)較小,但由于這些單比特的局部判決結(jié)果丟失了大量信息,不能為全局決策提供足夠的信息,因此其檢測(cè)性能一般。軟判決融合中,本地次用戶(hù)直接將檢測(cè)數(shù)據(jù)發(fā)送到融合中心,融合中心利用這些數(shù)據(jù),根據(jù)“最大比合并”“等增益合并”和“選擇性合并”等準(zhǔn)則判決主用戶(hù)存在與否。由于檢測(cè)數(shù)據(jù)中包含了大量信息,因此檢測(cè)性能優(yōu)于硬判決融合方法。但是這些軟融合方式?jīng)]有充分利用各個(gè)次用戶(hù)檢測(cè)數(shù)據(jù)的信息,檢測(cè)性能有待提高。
機(jī)器學(xué)習(xí)具有強(qiáng)大的特征提取和學(xué)習(xí)能力,已在各個(gè)領(lǐng)域得到應(yīng)用。已有學(xué)者研究了利用機(jī)器學(xué)習(xí)進(jìn)行協(xié)作頻譜感知的相關(guān)算法[6-11],該類(lèi)算法無(wú)需理論推導(dǎo)準(zhǔn)確的檢測(cè)門(mén)限,且對(duì)不同噪聲環(huán)境的適應(yīng)度高。文獻(xiàn)[6]將頻譜感知問(wèn)題轉(zhuǎn)化為圖像二分類(lèi)問(wèn)題,利用各次用戶(hù)傳輸?shù)饺诤现行牡恼幌嘁奇I控(QPSK)信號(hào),計(jì)算協(xié)方差矩陣,并進(jìn)行歸一化灰度處理,作為深度卷積神經(jīng)網(wǎng)絡(luò)的輸入。文獻(xiàn)[7]利用各次用戶(hù)傳輸?shù)饺诤现行牡腎Q信號(hào),經(jīng)過(guò)IQ分解與重建提取信號(hào)特征,使用K-Medoids聚類(lèi)算法對(duì)特征進(jìn)行分類(lèi),提高了在協(xié)作次用戶(hù)較少情況下的感知性能。文獻(xiàn)[8]首先利用各次用戶(hù)傳輸?shù)饺诤现行牡腎Q信號(hào)分別按照順序拆分和間隔拆分為兩組新的信號(hào)序列,然后根據(jù)各次用戶(hù)接收的都是同一主用戶(hù)信號(hào),利用它們之間是否具有相關(guān)性,用以判斷主用戶(hù)信號(hào)是否存在,因此將次用戶(hù)之間的相關(guān)系數(shù)作為提取的信號(hào)特征向量,使用K-Means聚類(lèi)算法對(duì)特征進(jìn)行分類(lèi),提高了協(xié)作感知性能。文獻(xiàn)[9]結(jié)合文獻(xiàn)[8]的IQ信號(hào)拆分重組得到兩個(gè)協(xié)方差矩陣,通過(guò)計(jì)算重組得到的協(xié)方差矩陣到黎曼均值的測(cè)地線(xiàn)距離,作為信號(hào)的統(tǒng)計(jì)特征,結(jié)合Fuzzy C-Means聚類(lèi)算法提高了協(xié)作頻譜感知的性能。但文獻(xiàn)[6]-[9]方法都需要較大的傳輸開(kāi)銷(xiāo)。文獻(xiàn)[10]將各次用戶(hù)得到的能量傳輸?shù)饺诤现行慕M成能量向量,多次感知的能量向量組成特征矩陣,特征矩陣經(jīng)過(guò)主成分分析處理后轉(zhuǎn)換成低維特征矩陣,利用低維特征矩陣訓(xùn)練K-Means++聚類(lèi)分類(lèi)器,最后利用訓(xùn)練好的聚類(lèi)分類(lèi)器感知主用戶(hù)信號(hào)存在與否。文獻(xiàn)[11]將各次用戶(hù)得到的能量傳輸?shù)饺诤现行慕M成能量向量,然后融合中心對(duì)能量向量進(jìn)行數(shù)據(jù)處理變換為概率向量,并利用K-Mediods和模糊支持向量機(jī)算法進(jìn)行訓(xùn)練和分類(lèi),有效降低了算法的訓(xùn)練時(shí)間與分類(lèi)延遲。
但是文獻(xiàn)[10]-[11]算法沒(méi)有充分利用能量向量包含的深層特征信息,而且由于多徑衰落和信噪比等問(wèn)題,各個(gè)協(xié)作用戶(hù)的感知結(jié)果可信度不一致。對(duì)此,本文提出一種基于多頭自注意力機(jī)制的深度學(xué)習(xí)頻譜感知方法。多頭自注意力機(jī)制[12-13]是一類(lèi)模擬人腦關(guān)注機(jī)制的算法,它可以實(shí)現(xiàn)將不同可信度的協(xié)作用戶(hù)賦予不同的權(quán)重,然后融合其結(jié)果做出最終決策。因此,本文由融合中心收集各次用戶(hù)得到的能量組成能量向量,針對(duì)各次用戶(hù)接收的信號(hào)能量與噪聲能量存在的明顯差異問(wèn)題,設(shè)計(jì)了多頭自注意力網(wǎng)絡(luò)結(jié)構(gòu),用于提取能量向量的特征,從而抽取更加重要和關(guān)鍵的能量特征信息,并進(jìn)行特征分類(lèi)做出最終決策,進(jìn)一步提高了協(xié)作頻譜感知的檢測(cè)性能。
文章詳細(xì)內(nèi)容下載請(qǐng)點(diǎn)擊:基于多頭自注意力機(jī)制的協(xié)作頻譜感知算法AET-電子技術(shù)應(yīng)用-最豐富的電子設(shè)計(jì)資源平臺(tái) (chinaaet.com)
【作者信息】
李濤1,張煜培1,趙知?jiǎng)?,2
(1.杭州電子科技大學(xué) 通信工程學(xué)院,浙江 杭州 310018;
2.中國(guó)電子科技集團(tuán)第36研究所通信系統(tǒng)信息控制技術(shù)國(guó)家級(jí)重點(diǎn)實(shí)驗(yàn)室,浙江 嘉興 314001)