基于支持向量机的频谱感知方法技术

本发明专利技术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习，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。此发明专利技术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。

【技术实现步骤摘要】

【技术保护点】
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原始数据；（1‑2）进行数据处理，分别对两组数据进行向量化处理；（1‑3）对上述原始数据提取能量、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；将此特征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，从而得到最佳分类超平面，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最佳的核函数和惩罚参数；（2‑2）根据选择的核函数，以及核函数参数和惩罚参数，将步骤1）中的训练集送入支持向量机进行学习，得到最佳分类超平面；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。...

【技术特征摘要】

【专利技术属性】
技术研发人员：翟旭平，汪小平，
申请(专利权)人：上海大学，
类型：发明
国别省市：上海;31