基于随机森林的认知网络频谱感知算法

被引:46
作者
王鑫 [1 ,2 ]
汪晋宽 [1 ]
刘志刚 [1 ]
龚志恒 [2 ]
机构
[1] 东北大学信息科学与工程学院
[2] 沈阳建筑大学信息与控制工程学院
关键词
认知网络; 频谱感知; 循环谱; 特征值; 随机森林;
D O I
10.19650/j.cnki.cjsi.2013.11.010
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
针对在低信噪比情况下,主用户信号检测率较低的问题,提出了一种新颖的基于随机森林的频谱感知算法。随机森林算法组合多个弱分类器,使整体分类效果增强,减少过拟合现象。首先,在各循环频率不为零值情况下,提取能量最大的信号循环谱中特征参数(E(S)、D(S))作为随机森林的训练特征值;其次,选取主用户存在下的若干特征值作为正样本和主用户不存在下的若干特征值作为负样本生成随机森林;最后,利用训练完成的随机森林对待检测的信号进行分类,实现主用户是否存在的检测。实验结果表明:所提出的算法有较高的检测率和较低的虚警率。
引用
收藏
页码:2471 / 2477
页数:7
相关论文
共 6 条
[1]
基于最佳中继选择的认知网络功率分配 [J].
罗荣华 ;
杨震 .
仪器仪表学报, 2012, 33 (09) :1931-1937
[2]
基于循环谱能量的自适应频谱检测算法 [J].
张昊晔 ;
包志华 ;
张士兵 .
通信学报 , 2011, (11) :95-103
[3]
支持在线学习的增量式极端随机森林分类器 [J].
王爱平 ;
万国伟 ;
程志全 ;
李思昆 .
软件学报, 2011, 22 (09) :2059-2074
[4]
认知无线网络中基于最佳中继选择的协作传输策略 [J].
褚御芝 ;
郑宝玉 .
仪器仪表学报, 2011, 32 (03) :520-526
[5]
Energy Detection Based Spectrum Sensing for Sensing Error Minimization in Cognitive Radio Networks.[J].Oh; Dong-Chan;Lee; Yong-Hwan.International Journal of Communication Networks and Information Security.2009, 1
[6]
Random forests [J].
Breiman, L .
MACHINE LEARNING, 2001, 45 (01) :5-32