1.一种基于非监督式机器学习分类算法的频谱感知方法，其特征在于：该方法包括以下步骤：

S1：将网络覆盖范围内的地理区域划分为Q＝O*P个同等大小的局部区域网格，网格地理位置索引为(o,p)，其中o＝1,2,…,O；p＝1,2,…,P；假设在目标区域中存在N个主用户发射机PUT，次级用户SU可能位于目标区域中的任何一个网格中；

S2：将目标地理区域划分为黑白灰三类不同的区域：黑色区域：以处于发射状态的PUT为圆心、Du为半径的PU接收机PUR分布区域，处于该区域内的SU禁止接入授权频段LFB通信；

白色区域：以处于发射状态的PUT为圆心、Dp为半径的圆外区域，处于该区域内的SU可以自由接入LFB进行通信；

灰色区域：以处于发射状态的PUT为圆心、位于Du和Dp之间的环形区域，处于该区域的SU需要通过额外的方式判断是否可以接入LFB通信；

S3：预先在网络中各个网格部署的足够多的SU，在足够长的时间内获得的T个LFB能量值矩阵，作为PUT传输模式分类器的训练数据集ΘT＝{Y1,Y2,…,Yt,…,YT}，其中第t次观测到的能量值矩阵为：

其中Zop为第(o,p)个网格内的SU在频谱观测时间内获得的接收信号能量值；所设置的N

训练数据收集时间足够长，认为获得的能量值矩阵，即训练数据集ΘT中包含全部2种PUT传输模式所各自对应的频谱观测数据，假设每个PUT仅存在活跃sn＝1与非活跃sn＝0两种工作状态，n＝1,2,…,N；在训练数据集ΘT的基础上，利用K‑均值聚类方法获得聚类标签，并将此标签作为PUT传输模式分类的训练集标签 ，即 其中代表ΘT中的Yt通过K‑均值聚类方法获得的聚类标签；然后，将该训练数据集ΘT和训练集标签 用于训练卷积神经网络，获得适配的PUT传输模式分类器TM1‑Classifier；

S4：利用K‑均值聚类方法获得的PUT传输模式标签为 时的能量值矩阵Yt及对应的网格标签At，根据阈值检测算法获得PUT传输模式为x时的网格标签分类器Classifierx，其中网格标签At表示为：

其中ao,p为第(o,p)个网格内的SU对应的LFB接入指示标签，ao,p∈{1,0,‑1}分别对应于SU禁止接入、需要额外检测是否可以接入、可以自由接入LFB；ΘT中利用K‑均值聚类算法获N

得的PUT传输模式标签 分别为{0,1,2,…,2‑1}的能量值矩阵组成N

ΘT1及对应的网格标签 利用阈值检测算法获得2种PUT传输模式下的网格标签分类器TM2‑Classifier，其中S5：将与步骤S3相同的、预先部署的足够多的SU在m时刻获得的LFB能量值观测矩阵Ym输入到PUT传输模式分类器TM1‑Classifier中，判定当前m时刻的PUT传输模式标签 其N

中l∈{0,1,…,2‑1}；

S6：当判断出PUT传输模式 后，第q网格内的SU将其自身的频谱观测数据Zq输入到网格标签分类器classifierl中获得对LFB的接入指示标签 从而决定SU可以自由接入、需要额外检测是否可以接入、禁止接入LFB；

S7：设置UpdateCounter为距离上次更新PUT传输模式标签的计数器对应的计数时间值；预先设定一个上限值φ，若UpdateCounter＞φ，说明需要重新获得PUT传输模式标签，即执行步骤S5，并将UpdateCounter清零；若UpdateCounter＜φ，则认为此时PUT传输模式在相对较短的时间内与上一次传输模式相比，未发生变化，无需更新PUT传输模式标签；此时令UpdateCounter继续计数，并进入步骤S8；

S8：若有新感知需求的SU，根据步骤S7的结果执行步骤S6。

2.根据权利要求1所述的一种基于非监督式机器学习分类算法的频谱感知方法，其特征在于：所述步骤S3中，利用K‑均值聚类的方法获得训练数据集ΘT对应的聚类标签，并将所有的聚类标签作为PUT传输模式训练集标签 然后，利用该训练数据集ΘT和训练集标签 用于训练卷积神经网络，获得PUT传输模式分类器TM1‑Classifier。

3.根据权利要求1所述的一种基于非监督式机器学习分类算法的频谱感知方法，其特征在于：在所述步骤S4中，将利用K‑均值聚类算法获得的PUT传输模式标签为 的频谱观测能量值矩阵Yt及对应的网格标签At用于阈值检测算法，获得在PUT传输模式为x时的网格N

标签分类器classifierx；获得2种PUT传输模式下的网格标签分类器TM2‑Classifier。

4.根据权利要求1所述的一种基于非监督式机器学习分类算法的频谱感知方法，其特征在于：在所述步骤S4中，阈值检测算法具体为：找到使得网格标签‑1对应的虚警概率为PFA,1的阈值λ1以及使得网格标签为1的虚警概率为PFA,2的对应阈值λ2，其中λ1<λ2；第q个网格内的SU根据其观测到的能量值Zq与阈值比较得到对PU授权频段的标签 即：

5.根据权利要求1所述的一种基于非监督式机器学习分类算法的频谱感知方法，其特征在于：在所述步骤S5和S6中，在获得PUT传输模式分类器TM1‑Classifier和网格标签分类器TM2‑Classifier后，频谱感知方法具体为：首先将m时刻获得的授权频谱能量值观测矩阵Ym输入到PUT传输模式分类器TM1‑Classifier中，得到当前m时刻的PUT传输模式标签然后，第q个网格内的SU将频谱观测数据Zq输入到网格标签分类器classifierl中获得对PU授权频段的标签 从而决定SU可以自由接入、需要额外检测是否可以接入、禁止接入LFB。

6.根据权利要求1所述的一种基于非监督式机器学习分类算法的频谱感知方法，其特征在于：在所述步骤S7中，UpdateCounter的上限值φ根据PUT状态变化的时间进行设置；若在同一时刻或相差很短的时间内存在有感知需求的SU，则不需要重复执行步骤S5，即假设PUT传输模式在预定的短时间内未发生变化，节省相应的感知步骤，以加快感知过程。