基于PCA与主动学习AdaBoost的频谱感知算法.pdf

基于PCA与主动学习AdaBoost的频谱感知算法.pdf

ID:55398693

大小:298.56 KB

页数:4页

时间:2020-05-15

基于PCA与主动学习AdaBoost的频谱感知算法.pdf_第1页
基于PCA与主动学习AdaBoost的频谱感知算法.pdf_第2页
基于PCA与主动学习AdaBoost的频谱感知算法.pdf_第3页
基于PCA与主动学习AdaBoost的频谱感知算法.pdf_第4页
资源描述:

《基于PCA与主动学习AdaBoost的频谱感知算法.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、·128·《测控技术12015年第34卷第7期基于PCA与主动学习AdaBoost的频谱感知算法冯庆华,王鑫,杜恺。,王峰,孙军,陈景川(1.江苏建筑职业技术学院,江苏徐州221116;2.沈阳建筑大学信息与控制工程学院,辽宁沈阳110168;3.中国人民解放军93115部队,辽宁沈阳110031)摘要:针对认知网络中各低信噪比环境下主用户信号检测率偏低的问题,提出一种基于主成分分析和主动学习AdaBoost的主用户信号频谱感知算法。该算法首先采用主成分分析算法对信号特征参数进行提取,获得信号的主成分,之后利用主动学习

2、算法通过多次迭代抽样,获取有利于提高分类性能的样本。并对AdaBoost分类器进行训练,最后利用训练完成的AdaBoost分类器对待测信号进行分类检测。仿真实验表明,在各低信噪比情况下与ANN和MME算法相比较,所提算法具有较高的分类感知性能,有效地实现了对主用户信号的频谱感知。关键词:认知网络;主成分分析;主动学习;AdaBoost;频谱感知中图分类号:TN92文献标识码:A文章编号:1000—8829(2015)07—0128—04SpectrumSensingAlgorithmBasedonPCAandActiv

3、eLearningAdaBoostFENGQing—hua,WANGXin,DUKai。,WANGFeng。,SUNJun,CHENJing—chuan。f1.JiangsuJianzhuInstitute,Xuzhou221116,China;2.SchoolofInformation&ControlEngineering,ShenyangJianzhuUniversity,Shenyang110168,China;3.TheUnit93115ofPLA,Shenyang110031,China)Abstract:I

4、nordertosolvetheproblemofthelOWaccuracyrateoftheprimaryuserdetectioninthewirelesschannelenvironment,amethodbasedonprincipalcomponentanalysis(PCA)andactivelearningAdaBoostfortheprimaryuserspectrumsensingofcognitiveradioenvironmentinthecaseoflowSNR(signalnoiserati

5、o)isproposed.Firstasetofcyclicspectrumfeaturesarecalculated,andtheprincipalcomponentanalysis(PCA)isappliedtoextractthemostdiscriminantfeaturevector.Thenthesamplesthathelptoimproveclassificationper-formaneecanbeobtainedandtrainingsamplesareformedthroughrepetitiou

6、siterationsamplingbyutilizingtheactivelearningalgorithm.AdaBoostclassifiersaregeneratedbyrepetitioustrainingusingthetrainingsamples.Finally,thetrainedAdaBoostisusedtodetecttheprimaryuser.Testresultshowsthattheproposedalgorithmisnotaffectedbyuncertaintyfactorsofn

7、oiseandhashighperformancetoclassificationdetectioncomparedwithANNandmaximum—minimumeigenvalue(MME).Keywords:cognitivenetwork;principalcomponentanalysis;activelearning;AdaBoost;spectrumsensing作为认知网络(cognitivenetwork)技术的基础与因素限制使得这些算法不能适用于解决大多数场景下核心,频谱感知以其快速、有效、准确地

8、对主用户进行的频谱感知问题。感知检测成为人们研究热点I2。目前,常见的频谱鉴于上述原因,本文提出一种基于主成分分析感知算法包括能量检测、循环平稳特征检测和匹配滤(PCA,principalcomponentanalysis)和主动学习Ada—波器检测等算法J。这些算法在一定范围内能够对Boost的主用户信号频谱感知算法。该算法采用

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。