[发明专利]一种协作频谱感知方法及相关装置

权利要求书

1.一种协作频谱感知方法，其特征在于，包括：

对已知信号矩阵进行协方差矩阵计算得到对应的协方差矩阵，根据所述协方差矩阵进行主成分分析处理，得到最大主成分信号矩阵；

对所述最大主成分信号矩阵进行协方差矩阵计算得到所述最大主成分信号矩阵的协方差矩阵，对所述最大主成分信号矩阵的协方差矩阵进行特征提取处理，得到主成分矩阵特征；

根据聚类算法对所述主成分矩阵特征进行分类，根据分类结果进行模型训练，得到分类模型；

当接收到未知信号时，根据所述分类模型对未知信号进行分类。

2.根据权利要求1所述的协作频谱感知方法，其特征在于，对已知信号矩阵进行协方差矩阵计算得到对应的协方差矩阵，根据所述协方差矩阵进行主成分分析处理，得到最大主成分信号矩阵，包括：

对已知信号矩阵进行协方差矩阵计算得到所述已知信号矩阵的协方差矩阵；

根据所述已知信号矩阵的协方差矩阵进行主成分分析处理，得到多个主成分对应的特征向量；

采用主成分最大的特征向量对所述已知信号矩阵进行映射处理，得到所述最大主成分信号矩阵。

3.根据权利要求2所述的协作频谱感知方法，其特征在于，对所述最大主成分信号矩阵进行协方差矩阵计算得到所述最大主成分信号矩阵的协方差矩阵，对所述最大主成分信号矩阵的协方差矩阵进行特征提取处理，得到主成分矩阵特征，包括：

对所述最大主成分信号矩阵进行协方差矩阵计算得到所述最大主成分信号矩阵的协方差矩阵；

对所述最大主成分信号矩阵的协方差矩阵进行特征提取计算，得到最大特征值与平均特征值的差值和比值；

将所述最大特征值与所述平均特征值的差值和比值作为所述主成分矩阵特征。

4.根据权利要求3所述的协作频谱感知方法，其特征在于，根据聚类算法对所述主成分矩阵特征进行分类，根据分类结果进行模型训练，得到分类模型，包括：

根据K-medoids聚类算法对所述主成分矩阵特征进行分类，得到分类结果；

根据所述分类结果进行模型训练处理，得到分类模型。

5.一种协作频谱感知系统，其特征在于，包括：

主成分信号处理模块，用于对已知信号矩阵进行协方差矩阵计算得到对应的协方差矩阵，根据所述协方差矩阵进行主成分分析处理，得到最大主成分信号矩阵；

主成分特征提取模块，用于对所述最大主成分信号矩阵进行协方差矩阵计算得到所述最大主成分信号矩阵的协方差矩阵，对所述最大主成分信号矩阵的协方差矩阵进行特征提取处理，得到主成分矩阵特征；

分类模型训练模块，用于根据聚类算法对所述主成分矩阵特征进行分类，根据分类结果进行模型训练，得到分类模型；

频谱感知模块，用于当接收到未知信号时，根据所述分类模型对未知信号进行分类。

6.根据权利要求5所述的协作频谱感知系统，其特征在于，所述主成分信号处理模块包括：

协方差矩阵获取单元，用于对已知信号矩阵进行协方差矩阵计算得到所述已知信号矩阵的协方差矩阵；

特征向量获取单元，用于根据所述已知信号矩阵的协方差矩阵进行主成分分析处理，得到多个主成分对应的特征向量；

矩阵映射单元，用于采用主成分最大的特征向量对所述已知信号矩阵进行映射处理，得到所述最大主成分信号矩阵。

7.根据权利要求6所述的协作频谱感知系统，其特征在于，所述主成分特征提取模块包括：

协方差计算单元，用于对所述最大主成分信号矩阵进行协方差矩阵计算得到所述最大主成分信号矩阵的协方差矩阵；

特征值计算单元，用于对所述最大主成分信号矩阵的协方差矩阵进行特征提取计算，得到最大特征值与平均特征值的差值和比值；

矩阵特征获取单元，用于将所述最大特征值与所述平均特征值的差值和比值作为所述主成分矩阵特征。