基于支持向量机的频谱感知方法

摘要

本发明涉及一种频谱感知方法。本方法将频谱感知问题建模为信号分类问题，经过数据处理、特征提取后，利用支持向量机作为分类器，来实现频谱感知。步骤如下：首先，分别采集主用户信号存在和主用户信号不存在情况下的信号；其次，提取特征并标注标签；第三，优化参数并利用训练数据进行学，得到最优分类超平面；第四，提取待测信号特征，利用得到的分类超平面进行判别，实现频谱感知能力。为方便描述，选取了信号协方差矩阵的最大最小特征值之比作为分类特征。在具体应用时，也可以选择其他特征，比如信号能量、信号频谱、循环谱等作为分类特征。此发明不仅解决了一般频谱感知方法中判决门限难以设定的问题，而且具有优越的感知性能。

主权项

一种基于支持向量机的频谱感知方法，其特征在于，具有如下的步骤：1）采集接收信号并预处理得到训练数据集，具体步骤如下：（1‑1）分别在主用户存在和主用户不存在两种情况下对接收信号进行采样，频谱感知的数学模型用如式(1)所示的二元假设来描述：（1）其中表示主用户不存在的假设，表示主用户存在的假设；表示认知用户接收到的信号；表示主用户传输的信号；表示认知用户与主用户之间的信道增益；表示加性高斯白噪声；当主用户不在通信时，接收的信号是纯噪声信号；当主用户正在使用其频段通信时，接收的信号是主用户信号加噪声，将信号通过一个带通滤波器，然后输入至A/D转换器，采样后得到两组离散信号，即对学习机进行训练用的两组原始数据；（1‑2）进行数据处理，分别对两组原始数据进行向量化处理；（1‑3）对向量化处理后的数据提取能量、频谱、循环谱或协方差矩阵的最大最小特征值之比作为分类特征，得到两组训练数据；（1‑4）对两组训练数据分别标注标签，设置训练样本点的归属类，当训练样本点为主用户信号加噪声时，设置；当样本点为纯噪声时，设置；将两组训练数据和所归属的类一起作为训练集；2）选择核函数，以及核函数参数和惩罚参数，从而得到分类超平面，具体步骤如下：（2‑1）选择最佳核函数，在支持向量机中，不同核函数对分类性能有影响，相同核函数取不同参数对检测性能也有很大影响； 不同的核函数参数和惩罚参数对学习机的泛化能力影响也很大，进行试验研究比较选择的高斯径向基（RBF）核函数和惩罚参数；（2‑2）根据选择的核函数，以及核函数参数为0.2和惩罚参数为无穷大，将步骤1）中的训练集送入支持向量机进行学习，得到分类超平面即为最佳分类超平面；3）针对目标频段采集待检测信号进行分类判别，实现频谱感知，具体步骤如下：（3‑1）同步骤（1‑1），将待测信号通过一个带通滤波器，然后输入至A/D转换器，进行采样；（3‑2）同步骤（1‑2）和（1‑3），对测试数据进行处理，提取分类特征，得到测试数据；（3‑3）将测试数据输入支持向量机，利用（2‑2）中得到的最佳分类超平面，判断测试数据属于哪一类别，从而判断主用户的频谱使用状态，实现频谱感知。