10.3969/j.issn.1672-9870.2021.01.016
基于量子粒子群优化极限学习机的频谱感知算法
针对无线信道环境中低信噪比情况下主用户信号检测率较低的问题,提出了一种基于量子粒子群优化极限学习机(E L M)算法的认知无线电网络频谱感知方法.针对极限学习机算法的特点通过量子粒子群算法(Q P S O)优化极限学习机参数,并构建引入结构风险思想的QPSO-ELM模型,降低算法的经验风险提高模型的泛化能力,提高算法的频谱感知性能.仿真实验表明,与人工神经网络(A N N)、支持向量机(S V M)和极限学习机(E L M)三种机器学习算法,在信噪比为-15 dB时的频谱感知性能进行比较,分别提高了16%、28%、9%,仿真证明所提算法在低信噪比情况下具有较高的性能,可有效地实现对主用户信号的频谱感知.
认知无线电、频谱感知、量子粒子群、极限学习机
44
TN925
吉林省科技厅重点科技成果转化项目20150307032GX
2021-01-29(万方平台首次上网日期,不代表论文的发表时间)
共8页
109-116