买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安电子科技大学申请的专利非高斯噪声下分布式协同的多天线协作频谱智能感知方法、系统、设备及介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116192307B 。

龙图腾网通过国家知识产权局官网在2025-07-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310207116.1，技术领域涉及：H04L5/00；该发明授权非高斯噪声下分布式协同的多天线协作频谱智能感知方法、系统、设备及介质是由刘明骞;程回归;张俊林设计研发完成，并于2023-03-06向国家知识产权局提交的专利申请。

本非高斯噪声下分布式协同的多天线协作频谱智能感知方法、系统、设备及介质在说明书摘要公布了：非高斯噪声下分布式协同的多天线协作频谱智能感知方法、系统、设备及介质，方法包括：构建基于分数阶随机共振的非线性模型，对多天线接收端的有用微弱信号增强，选取分数低阶协方差矩阵作为对预处理信号的智能表征；构建基于联邦学习的分布式协作频谱感知系统，并利用基于视觉的自注意力机制网络模型，完成子感知节点的本地训练，利用动态加权联邦平均方法对传输到融合中心处的网络参数进行加权聚合，得到全局最优网络参数，用于感知的全局网络模型，利用网络输出的二维特征向量的比值构建频谱感知的检测统计量和检测阈值，比较获取的检测统计量和检测阈值大小，实现非高斯噪声下分布式协同的多天线协作频谱智能感知，且在低零功率条件下具有良好的感知性能。

本发明授权非高斯噪声下分布式协同的多天线协作频谱智能感知方法、系统、设备及介质在权利要求书中公布了：1.非高斯噪声下分布式协同的多天线协作频谱智能感知方法，其特征在于，包括以下步骤： 步骤一，构建基于分数阶随机共振的非线性模型，对多天线接收端的有用微弱信号进行增强，并选取分数低阶协方差矩阵作为对预处理信号的智能表征；具体过程为： 基于多天线协作频谱感知场景，当感知模型由一个主用户、L个次用户和一个融合中心所组成，主用户发射端有M根天线，次用户接收端有K根天线，在采样的n时刻，第d个次用户的接收端信号可以表示为： 其中，表示授权的主用户信号存在，表示授权的主用户信号不存在，表示主用户的发射信号，，表示第个次用户的第根接收天线上的信道响应，表示非高斯噪声；接收信号的矩阵表示为： 其中，为第根天线第个采样数据； 采用alpha稳定分布噪声来对非高斯噪声进行描述，其特征函数的表示形式如下： 其中，表示特征指数，取值为，alpha稳定分布的脉冲程度是由这个参数所决定；表示对称参数，取值为，alpha稳定分布的对称程度是由这个参数来决定；表示尺度参数，取值为，样本相对于均值的分散程度可以用该参数来表示，相当于高斯分布中方差的定义；表示位置参数，取值为，稳定分布的概率密度函数在轴上的偏移由该参数所决定，表示符号函数； 接收信号的矩阵表示为： 其中，为第根天线第个采样数据； 利用分数阶随机共振系统进行多天线接收端的有用微弱信号增强，其分数阶郎之万方程表示为： 其中，表示输入信号，表示alpha稳定分布噪声，，和表示系统结构参数，表示对进行一阶求导，算子用来代表非整数微分和积分，其中阶次从整数扩展到了实数，包含了分数部分，和表示上下临界，算子定义为： 其中，表示阶次，时，表示进行求阶导数字运算，时表示进行积分运算，积分上限为，积分下限为； 求解出alpha稳定分布噪声下关于输入信号的分数阶郎之万方程的解，该解就是增强后的有用接收信号； 计算分数低阶协方差矩阵作为对增强后有用接收信号的智能表征： 其中，，是在采样时刻n，第m根天线所接收的信号经过分数阶随机共振系统增强后的信号表示，表示取绝对值符号，表示做转置运算，表示共轭转置，表示对做阶分数低阶矩运算； 步骤二，构建基于联邦学习的分布式协作频谱感知系统，在该系统下，利用基于视觉的自注意力机制网络模型，完成子感知节点的本地训练；具体过程为： 首先，对于步骤一预处理后的接收信号求取分数低阶协方差矩阵，提取协方差矩阵的实部和虚部进行归一化处理和灰度变换，组成双通道的灰度图像输入； 然后，在将输入的维度为的灰度图像块输入到基于视觉的自注意力网络模型之前，需要进行切片处理，其中表示灰度图像的长，表示灰度图像的宽，表示通道数量，表示点乘运算；将输入的灰度图像展平成个大小为的向量，其中表示展平的向量的总数，表示向量的长和宽，表示通道数量，表示除法运算，表示点乘运算；并对向量进行维度压缩，利用一个全连接层经过线性变换将其映射到维度大小；加入一个可学习的位置向量来对处理后的向量进行位置编码，并引入一个可学习的嵌入向量作为最后的输出特征进行分类，经过切片、降维和嵌入后的特征向量可以表示为，其中为投影矩阵，表示分类向量，表示展平后的输入向量，表示位置编码向量； 接着，将提取的特征向量送入到编码器模块，在编码器模块中，首先将特征向量进行层归一化（LayerNormalization，LN）处理，表示可以使得每一层神经元输入的均值和方差都保证一致，其中表示提取的特征向量，表示进行层归一化操作；将处理后的向量经过变换得到三个特征向量、和，大小均为，其中表示特征向量的长，表示特征向量的宽；通过单头注意力单元SA可以得到注意力权重输出向量为，该公式用来计算特征向量中不同值之间相似性，其中，是设置好的固定值，表示做转置运算，表示对向量之间进行点积运算，softmax激活函数计算公式如下： 其中，为第个节点的输出值，为输出节点的个数，即分类的类别数，通过该函数就可以将多分类的输出值转换为范围在之间的概率分布； 多头注意力层会对个单头注意力单元的输出向量进行拼接，表示为，其中表示第个单头注意力单元的输入向量，表示对多个向量进行拼接操作，表示进行层归一化操作，表示单头注意力单元的个数，表示单头注意力单元； 最后，将拼接后的输出向量和进行残差连接，经过层归一化处理后作为一个多层感知机层（MLP）的输入，表示为，其中表示提取的特征向量，表示多头注意力单元的输出，表示进行层归一化操作，表示残差连接后的输出向量； 步骤三，同时在该系统下，利用动态加权联邦平均方法对传输到融合中心处的网络参数进行加权聚合，得到全局最优网络参数； 步骤四，利用获取到的全局最优网络参数加载用于感知的全局网络模型，并利用网络输出的二维特征向量的比值构建频谱感知的检测统计量和检测阈值，将获取到的检测统计量和检测阈值大小进行比较，实现非高斯噪声下分布式协同的多天线协作频谱智能感知。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。