基于PCA和混合核函数QPSOSVM频谱感知算法

被引:23
作者
翟旭平
杨兵兵
孟田
机构
[1] 上海大学通信与信息工程学院
关键词
频谱感知; 支持向量机; 混合核函数; 主成分分析;
D O I
10.19651/j.cnki.emt.2016.09.020
中图分类号
TN925 [无线电中继通信、微波通信];
学科分类号
080904 [电磁场与微波技术];
摘要
频谱感知是认知无线电系统的关键技术之一,针对基于支持向量机的频谱感知方法中核函数选取的单一性和核函数参数的不确定性,提出一种基于混合核函数支持向量机的频谱感知算法,将两种核函数混合构造新的核函数,采用量子粒子群算法对其中的参数进行优化,并引入主成分分析方法对样本进行降维并提取其全局特征。实验结果表明,该模型较传统方法在低信噪比下无线环境中的分类精度上有了明显提高,在信噪比为-10dB的无线环境中能完全识别出主用户,为频谱感知提供了一种可靠性高的设计方案。
引用
收藏
页码:87 / 90+107 +107
页数:5
相关论文
共 7 条
[1]
Fault diagnosis model based on multi-manifold learning and PSO-SVM for machinery [J].
Wang Hongjun ;
Xu Xiaoli ;
Rosen B G .
仪器仪表学报, 2014, 35(S2) (S2) :210-214
[2]
基于WLC算法的频谱感知性能分析 [J].
江玉春 ;
毛明禾 ;
曹宁 .
国外电子测量技术, 2014, 33 (07) :25-28
[3]
基于相空间重构和QPSO-SVM的超短期负荷预测 [J].
方仍存 ;
李超顺 ;
李静 .
中国农村水利水电, 2014, (05) :142-145+154
[4]
[5]
PCA和GA-PSO-RBF集成的发电机组远程故障诊断 [J].
钱玉良 ;
张浩 ;
彭道刚 ;
徐春梅 .
电子测量与仪器学报, 2012, 26 (07) :597-604
[6]
基于混合核函数PSO-LSSVM的边坡变形预测 [J].
郑志成 ;
徐卫亚 ;
徐飞 ;
刘造保 .
岩土力学, 2012, 33 (05) :1421-1426
[7]
Ten years of research in spectrum sensing and sharing in cognitive radio..[J].Lu Lu;Xiangwei Zhou;Uzoma Onunkwo;Geoffrey Ye Li.EURASIP J. Wireless Comm. and Networking.2012, 1