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。

基于核空间优化支持向量机的合作频谱感知算法

在认知无线电网络中,由于噪声不确定性引起的聚类重叠,导致能量检测的性能明显降低.针对噪声不确定对频谱感知的影响,提出了一种基于核空间优化支持向量机的合作频谱感知算法.该算法融合了支持向量机和核空间优化相关理论,将感知用户收集的数据统计量组合成向量,使用Fisher准则对该向量集进行相关运算,得出使各类数据在高维空间中分离度最高的核函数参数.之后使用支持向量机算法对训练向量进行训练,得到最优的频谱感知分类器.仿真结果表明,基于核空间优化支持向量机的合作频谱感知算法在噪声不确定情况下优于传统的合作频谱感知算法.