循環譜分析和支持向量機在認知無線電中的研究

王鑫　孫軍　程毓華　王守金　杜愷

摘 要：在認識無線電系統中，感知頻譜是一項最具挑戰性的功能。在認識與適應無線電環境中，檢測信號在特性頻段的存在于區別是至關重要的。本文提出一種新的結合了頻譜相關分析和支持向量機的認知無線電檢測方法，以有效解決信號檢測性能較低的問題。

關鍵詞：認知無線電；循環譜；支持向量機

DOI：10.16640/j.cnki.37-1222/t.2015.23.164

1 引言

認識無線電是一種智能無線通信系統，因為其能夠感知到周圍頻譜環境變化，因此被看作一種有效提高利用頻譜資源的途徑?？焖?、準確、有效的對主用戶進行感知是認知無線電研究的前提與基礎[1]。目前，常見的頻譜感知方法主要包括：能量檢測法、循環平穩特征檢測和匹配濾波器檢測等。能量檢測算法可以預先不了解主用戶信號的任何信息，實現起來比較簡單，但其檢測閾值不易設置，當S/N較低時檢測性能較差。具有較強的抗噪聲性能是循環平穩特征檢測法的主要特點，但該算法運算量較大，所需時間也較長。匹配濾波檢測法擁有很強的匹配濾波性能，但這種算法需要事先獲得一定量的主用戶先驗信息，否則不能對其檢測[2，3，4，5]。本文針對低信噪比環境下傳統算法檢測率較低的問題，結合SVM算法與循環平穩特征檢測法對無線通信環境下主用戶信號進行檢測感知。

2 頻譜感知模型

3 算法的實現

算法實現過程如圖1所示。

對于所接收的信號，采集L1個有主用戶情況下的特征參數構成訓練的正樣本X1i；采集L2個無主用戶情況下的特征參數構成訓練的負樣本X0i。將所生成的L1個正樣本和L2個負樣本構成訓練樣本集S，之后選取訓練集S中的樣本對SVM進行訓練。通過多次訓練最終獲得具有良好檢測性能的SVM分類器，并利用SVM分類器實現對測試樣本的分類檢測，其中，輸出結果0表示無主用戶存在，1表示有主用戶存在。

4 結論

本文針對信噪比較低條件下的頻譜檢測問題，結合信號循環譜特征和支持向量機分類器提出了一種新型的頻譜感知方法，在后續的研究過程中，將在此基礎上對所提算法進行試驗驗證，并探索其他算法以更好解決低信噪比下的頻譜感知問題。

參考文獻：

[1] N. Devroye， M. Vu， V. Tarokh. Cognitive radio networks[J]. IEEE Journal of Signal Processing ，2008，25 （11）：12-23.

[2] T.Yucek and H. Arslan. A survey of spectrum sensing algorithms for cognitive radio applications [J]. IEEE Communications Surveys Tutorials， 2009， 11（1）： 116-130.

[3]Wang B， Liu K J R. Advances in cognitive radio networks ：A survey[J]. Journal of Selected Topics in Signal Processing， IEEE， 2011，5（01）：5-23.

[4] S. Haykin， D. Thomson， and J. Reed. Spectrum sensing for cognitive radio[C]. Proc of theIEEE， haykin2009spectrum， USA， 2009，97（05）：849-877.

[5]王鑫，汪晉寬，劉志剛等.基于隨機森林的認知網絡頻譜感知算法[J].儀器儀表學報，2013，34（11）：35-41.

作者簡介：王鑫（1979-），男，沈陽建筑大學講師。主要研究方向：無線認知網絡。endprint