The invention relates to a cooperative spectrum sensing method based on kernel space optimization in the case of uncertain noise, which includes: each cognitive user simultaneously senses the sensing channel and establishes an energy vector set; in view of the uncertainty of noise, Fisher criterion is used to obtain the kernel function parameters with the highest degree of separation of training data vectors in the nuclear space, and the objective function of data source in the nuclear space is established; The set of energy vectors and the parameters of the optimal kernel function are trained by support vector machine to obtain the optimal spectrum sensing classifier. In the decision stage, the data sampling energy vectors of the frequency band to be judged are input into the spectrum sensing classifier, and the spectrum sensing results of the frequency band to be judged are obtained.
【技术实现步骤摘要】
噪声不确定情况下基于核空间优化的合作频谱感知方法
本专利技术属于合作频谱感知领域,采用核空间优化来消除噪声不确定对频谱感知分类器的影响,得到最优的分类器。
技术介绍
认知无线电(CognitiveRadio,CR)作为一种有效提高频谱利用率的技术,通过感知频谱环境,检测授权用户(LicensedUser,LU)也称主用户(PrimaryUser,PU)的频谱使用情况,分配可用的频谱资源给次用户(SecondUser,SU),提高频谱利用率。准确的频谱感知是资源分配的前提,可以有效的提高频谱利用率,感知结果不准确会造成频谱资源的浪费,甚至干扰PU通信。传统的频谱感知算法分为单节点频谱感知算法和多节点频谱感知算法,单节点频谱感知算法主要有三种:能量法、循环平稳检测法和匹配滤波器检测法。多节点频谱感知算法是在单节点频谱感知的基础上,多个SU依据某种规则融合各自的感知结果或感知数据得到频谱感知结果。多节点频谱感知算法在频谱感知准确性方面较单节点频谱感知算法有较大的提升,但在一定程度上增加了计算复杂度。能量法作为一种高效的频谱感知方法,存在有一定的缺陷:信号传输系统模型是建立在高斯噪声、瑞丽噪声等确定性噪声的信道环境下,但在实际的情况下,噪声的类型往往是不确定;能量法的判断阈值是根据信道的信噪比和虚警率计算得出;在噪声不确定的情况下,能量法不能实时的根据环境调整阈值,导致频谱感知准确度下降。基于机器学习的频谱感知方法较传统的频谱感知算法,感知准确度有明显提升。支持向量机(SupportVectorMachine,SVM)是一种建立在统计学理论和结构风险最小原理基础上 ...
【技术保护点】
1.一种噪声不确定情况下基于核空间优化的合作频谱感知方法,包括下列步骤:(1)各个认知用户同时对感知信道进行感知,认知无线电网络中的主用户PU共享同一频段通信,有N个次用户SU,SU均匀分布在二维空间中,M个PU也分布在二维空间中,并按一定概率占用频段通信,Yn为第n个SU的信号采样值,由PU信号采样和高斯噪声组成,所有的SU传输自己感知到的能量值到融合中心FU,FU将各个能量值组合为能量向量,建立能量向量集:Y=(Y1,...,YN)T;(2)针对噪声不确定性,使用Fisher准则求得训练数据向量在核空间中分离度最高的核函数参数,建立数据源在核空间的目标函数
【技术特征摘要】
1.一种噪声不确定情况下基于核空间优化的合作频谱感知方法,包括下列步骤:(1)各个认知用户同时对感知信道进行感知,认知无线电网络中的主用户PU共享同一频段通信,有N个次用户SU,SU均匀分布在二维空间中,M个PU也分布在二维空间中,并按一定概率占用频段通信,Yn为第n个SU的信号采样值,由PU信号采样和高斯噪声组成,所有的SU传输自己感知到的能量值到融合中心FU,FU将各个能量值组合为能量向量,建立能量向量集:Y=(Y1,...,YN)T;(2)针对噪声不确定性,使用Fishe...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。