基于采样协方差矩阵的混合核SVM高效频谱感知

摘要：

近年来随着盲检测算法的提出,越来越多的基于采样协方差矩阵的盲检测算法应用于频谱感知.针对其检测门限是近似值,检测性能会受到影响等问题,提出了基于采样协方差矩阵的混合核函数的支持向量机(support vector machine,SVM)高效频谱感知,通过感知信号采样协方差矩阵的最大最小特征值(maximumminimum eigenvalue,MME)和协方差绝对值(covariance absolute value,CAV)提取的统计量作为SVM的特征向量并训练其生成频谱感知的分类器,无需计算检测门限并且特征提取减少了样本集的大小.利用遗传算法(genetic algorithm,GA)优化混合核函数的SVM的参数.实验结果表明,该方法比MME算法和CAV算法的检测概率有所提高,并且比SVM减少了感知时间,具有良好的实用性.

关键词：检测门限、混合核函数、SVM、MME、GA

所属期刊栏目：35

分类号：TN925

资助基金：浙江省自然科学基金资助项目LY17F010019;国家自然科学基金资助项目U1809201;浙江省公益性技术应用研究计划基金资助项目LGG18F010011,LGG19F010004

在线出版日期：2019-12-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：19-26