[发明专利]一种基于支持向量机的高效频谱感知方法

说明书

本发明公开了一种基于支持向量机的高效频谱感知方法，包括步骤：S1.输入待感知的接收信号；S2.对待感知接收信号通过主成分分析法PCA进行预处理，并采用杜尔里特分解待感知接收信号的协方差矩阵得到特征统计量；S3.通过能量检测算法获取待感知接收信号的标签，并将获取到的标签和得到的特征统计量组成样本训练集；S4.将组成的样本训练集输入到支持向量机SVM分类器中进行训练，得到频谱分类器；S5.将收集的数据输入至频谱分类器中进行处理，得到分类结果。本发明在低信噪比的条件下依然能有较高的频谱识别率，同时，非渐进门限的引入使得渐进门限随着环境而变化，使得频谱感知更加准确。

技术领域

本发明涉及数字通信技术领域，尤其涉及一种基于支持向量机的高效频谱感知方法。

背景技术

传统频谱分配方式是静态的，导致频谱不能被充分的利用，从而使频谱资源变得日益稀缺，限制了无线通信发展。

传统能量检测算法主要以SU接收信号能量大小作为判据，其过程为：首先将接收到的信号通过带通滤波器，去除其中的带外信号后输入到A/D转换器得到离散的时域信号，随后根据香农定理对信号进行采样，求取信号能量后得到统计量，与预先设定好的门限比较，大于门限，则频谱被占用，否则，频谱空闲。能量检测算法实现简单，无需先验信息，应用广泛，但容易受到噪声或者环境因素的影响，尤其在低信噪比的情况下，检测性能下降明显。与此同时，固定的检测门限也使得能量检测算法对环境变化十分敏感，不能满足现实应用的需要。

随着认知无线电(CR)技术的出现，使主用户(PU)能智能接入未被占用的空闲频谱，大大的提高的频谱利用率。其中，频谱感知作为CR关键，能够精确智能的识别出空闲频谱，充分利用频谱资源，有效提高频谱利用率。其中，传统单用户频谱感知技术因其局限性不适合实际复杂环境。为此，多用户协作频谱感知技术应运而生。它通过对多用户感知结果融合，能有效提高频谱感的性能。但上述感知方法都在感知过程中固定判决门限。因此，环境、噪声等不确定性因素对感知结果影响较大。机器学习技术的引入使判决门限可成为动态，能适应更加复杂的环境，尤其在低信噪比下，采用机器学习方法能极大提高检测性能。

因此，本发明基于机器学期方法提出了一种基于支持向量机的高效频谱感知方法。

发明内容

本发明的目的是针对现有技术的缺陷，提供了一种基于支持向量机的高效频谱感知方法，在低信噪比的条件下依然能有较高的频谱识别率，同时，非渐进门限的引入使得渐进门限随着环境而变化，使得频谱感知更加准确。

为了实现以上目的，本发明采用以下技术方案：

一种基于支持向量机的高效频谱感知方法，包括步骤：

S1.输入待感知的接收信号；

S2.对待感知接收信号通过主成分分析法PCA进行预处理，并采用杜尔里特分解待感知接收信号的协方差矩阵得到特征统计量；

S3.通过能量检测算法获取待感知接收信号的标签，并将获取到的标签和得到的特征统计量组成样本训练集；

S4.将组成的样本训练集输入到支持向量机SVM分类器中进行训练，得到频谱分类器；

S5.将收集的数据输入至频谱分类器中进行处理，得到分类结果。

进一步的，所述步骤S2中对待感知接收信号通过主成分分析法PCA进行预处理是对待感知接收信号进行降维处理和特征提取的。

进一步的，所述对待感知接收信号进行降维处理和特征提取具体为：