基于核空间优化SVM的单用户频谱感知算法

在认知无线电领域中,由于噪声随机动态变化引起信号聚类重叠,导致能量检测性能较差,为了解决能量检测效率低以及噪声变化对频谱检测性能的影响,提出了一种基于核空间优化SVM的单用户频谱感知算法。该算法将支持向量机和核空间优化相关理论相结合,通过对信号频谱占用以及空闲两种状态构建出认知信号,对信号进行小波降噪处理后,构建出特征向量进行训练和学习,从而得到判断频谱状态的分类模型,并利用自适应t分布变异策略以及萤火虫扰动算法对被囊群算法寻优过程进行改进和加速,优化训练搜索得到最佳核函数参数σ和惩罚系数C。仿真实验结果表明,提出的基于核空间优化支持向量机的单用户频谱感知算法和传统的能量检测以及协作频谱感知算法相比较,具有较高的检测准确性和鲁棒性。

认知无线电频谱感知技术综述

针对频谱资源匮乏这一问题,认知无线电技术在提高频谱利用率方面应用前景广泛,而频谱感知作为认知无线电技术实现的前提条件,是目前无线电领域的一个研究热点。近年来人们提出了很多种频谱感知的方法,综述了频谱感知技术的研究进展,对几种典型的传统频谱感知模型进行对比介绍,讨论了几种新型的感知技术,并对各种技术的性能进行深入分析,最后指出了频谱感知研究的挑战及发展趋势。

认知无线电频谱感知技术综述

频谱感知作为认知无线电技术实现的前提条件,是目前无线电领域的一个研究热点。文章对频谱感知技术的研究进展进行了综述,重点总结和分析了几种典型的频谱感知模型,并在此基础上讨论了频谱感知下一步的研究方向。