信号处理
信號處理
신호처리
SIGNAL PROCESSING
2014年
3期
289-297
,共9页
高翔%任国春%陈瑾%丁国如
高翔%任國春%陳瑾%丁國如
고상%임국춘%진근%정국여
认知无线电%频谱预测%支持向量回归%机器学习
認知無線電%頻譜預測%支持嚮量迴歸%機器學習
인지무선전%빈보예측%지지향량회귀%궤기학습
cognitive radio%spectrum prediction%support vector regressive%machine learning
频谱预测是一种通过分析历史频谱数据获得频谱使用规律,从而预测未来频谱使用状态的技术.为了实现快变信道(本文指信道占用状态快速变化)环境下频谱状态的可靠预测,提出了一种基于支持向量回归的频谱预测算法.比较了在不同训练样本数时,该算法与一个典型的BP神经网络频谱预测算法的性能差异,结果表明所提算法在小样本学习时,预测效果更为理想.并在此基础上,加入正确检测概率和虚警概率,验证了当频谱检测不理想条件下,支持向量回归算法预测的可行性.
頻譜預測是一種通過分析歷史頻譜數據穫得頻譜使用規律,從而預測未來頻譜使用狀態的技術.為瞭實現快變信道(本文指信道佔用狀態快速變化)環境下頻譜狀態的可靠預測,提齣瞭一種基于支持嚮量迴歸的頻譜預測算法.比較瞭在不同訓練樣本數時,該算法與一箇典型的BP神經網絡頻譜預測算法的性能差異,結果錶明所提算法在小樣本學習時,預測效果更為理想.併在此基礎上,加入正確檢測概率和虛警概率,驗證瞭噹頻譜檢測不理想條件下,支持嚮量迴歸算法預測的可行性.
빈보예측시일충통과분석역사빈보수거획득빈보사용규률,종이예측미래빈보사용상태적기술.위료실현쾌변신도(본문지신도점용상태쾌속변화)배경하빈보상태적가고예측,제출료일충기우지지향량회귀적빈보예측산법.비교료재불동훈련양본수시,해산법여일개전형적BP신경망락빈보예측산법적성능차이,결과표명소제산법재소양본학습시,예측효과경위이상.병재차기출상,가입정학검측개솔화허경개솔,험증료당빈보검측불이상조건하,지지향량회귀산법예측적가행성.
