电视技术
電視技術
전시기술
TV ENGINEERING
2014年
19期
76-79,88
,共5页
认知网络%主成分分析%AdaBoost%频谱感知
認知網絡%主成分分析%AdaBoost%頻譜感知
인지망락%주성분분석%AdaBoost%빈보감지
cognitive network%principal component analysis%AdaBoost%spectrum sensing
针对无线信道环境中各低信噪比情况下主用户信号检测率较低的问题,提出一种基于循环平稳特征主成分分析和AdaBoost的主用户信号频谱感知算法.该算法首先对信号采用循环平稳PCA算法进行特征参数提取,获取信号主成分,并生成训练样本和待测样本,再采用AdaBoost算法分别对有无主用户情况下的信号进行分类检测.仿真实验表明,与人工神经网络和最大最小特征值算法相比较,所提算法在各低信噪比情况下,具有较高的分类检测性能,有效地实现了对主用户信号的感知.
針對無線信道環境中各低信譟比情況下主用戶信號檢測率較低的問題,提齣一種基于循環平穩特徵主成分分析和AdaBoost的主用戶信號頻譜感知算法.該算法首先對信號採用循環平穩PCA算法進行特徵參數提取,穫取信號主成分,併生成訓練樣本和待測樣本,再採用AdaBoost算法分彆對有無主用戶情況下的信號進行分類檢測.倣真實驗錶明,與人工神經網絡和最大最小特徵值算法相比較,所提算法在各低信譟比情況下,具有較高的分類檢測性能,有效地實現瞭對主用戶信號的感知.
침대무선신도배경중각저신조비정황하주용호신호검측솔교저적문제,제출일충기우순배평은특정주성분분석화AdaBoost적주용호신호빈보감지산법.해산법수선대신호채용순배평은PCA산법진행특정삼수제취,획취신호주성분,병생성훈련양본화대측양본,재채용AdaBoost산법분별대유무주용호정황하적신호진행분류검측.방진실험표명,여인공신경망락화최대최소특정치산법상비교,소제산법재각저신조비정황하,구유교고적분류검측성능,유효지실현료대주용호신호적감지.
