车联网中基于BP神经网络的智能协同频谱感知算法*

张月霞，赵义飞

(北京信息科技大学 a.信息与通信工程学院;b.现代测控技术教育部重点实验室，北京 100101)

0 引 言

近年来，随着5G通信和智能交通的不断发展，车联网(Internet of Vehicles，IoV)环境下新用户数量激增以及车流密度增大，导致频谱资源紧张而无法满足用户需求。频谱感知技术可以有效提高无线频谱的资源利用率，可以充分缓解无线频谱资源短缺的问题。在频谱感知技术中，授权使用频段的用户为主用户(Primary User,PU)，次用户(Second User,SU)可以通过频谱感知技术来判断主用户是否占用频段。若判断主用户未占用频段，次用户则可以接入网络占用该频段进行数据传输，以提高频谱利用率。传统的频谱感知方法多为单用户频谱感知，多用在移动速度较慢、通信环境变化较小的场景中，此类环境中噪声干扰较小，检测结果可大致满足要求。但在IoV环境中，随着车辆高速移动、通信环境快速变化，无线信号容易受到噪声、阴影衰落、多径效应等因素影响，使得单用户检测结果不够准确，导致频谱感知失败。因此，在IoV中研究多用户协同频谱感知，以提高感知性能具有重要意义。

目前，关于IoV环境中频谱感知技术的研究大致分为以下三类：第一类是在传统协作频谱感知方法上进行判决权重或者门限的优化研究[1-3]；第二类是在传统协作频谱感知方法上引入机器学习进行算法优化的研究[4-5]；第三类是在传统协作频谱感知方法上基于车辆位置和相关性的特点，对本地数据作进一步挖掘、融合的研究[6-7]。……