資源描述：
《基于PCA與主動學(xué)習(xí)AdaBoost的頻譜感知算法.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、·128·《測控技術(shù)12015年第34卷第7期基于PCA與主動學(xué)習(xí)AdaBoost的頻譜感知算法馮慶華，王鑫，杜愷。，王峰，孫軍，陳景川(1．江蘇建筑職業(yè)技術(shù)學(xué)院，江蘇徐州221116；2．沈陽建筑大學(xué)信息與控制工程學(xué)院，遼寧沈陽110168；3．中國人民解放軍93115部隊，遼寧沈陽110031)摘要：針對認知網(wǎng)絡(luò)中各低信噪比環(huán)境下主用戶信號檢測率偏低的問題，提出一種基于主成分分析和主動學(xué)習(xí)AdaBoost的主用戶信號頻譜感知算法。該算法首先采用主成分分析算法對信號特征參數(shù)進行提取，獲得信號的主成分，之后利用主動學(xué)習(xí)
2、算法通過多次迭代抽樣，獲取有利于提高分類性能的樣本。并對AdaBoost分類器進行訓(xùn)練，最后利用訓(xùn)練完成的AdaBoost分類器對待測信號進行分類檢測。仿真實驗表明，在各低信噪比情況下與ANN和MME算法相比較，所提算法具有較高的分類感知性能，有效地實現(xiàn)了對主用戶信號的頻譜感知。關(guān)鍵詞：認知網(wǎng)絡(luò)；主成分分析；主動學(xué)習(xí)；AdaBoost；頻譜感知中圖分類號：TN92文獻標識碼：A文章編號：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作為認知網(wǎng)絡(luò)(cognitivenetwork)技術(shù)的基礎(chǔ)與因素限制使得這些算法不能適用于解決大多數(shù)場景下核心，頻譜感知以其快速、有效、準確地
8、對主用戶進行的頻譜感知問題。感知檢測成為人們研究熱點I2。目前，常見的頻譜鑒于上述原因，本文提出一種基于主成分分析感知算法包括能量檢測、循環(huán)平穩(wěn)特征檢測和匹配濾(PCA，principalcomponentanalysis)和主動學(xué)習(xí)Ada—波器檢測等算法J。這些算法在一定范圍內(nèi)能夠?qū)oost的主用戶信號頻譜感知算法。該算法采用
