基于采样协方差矩阵的混合核SVM高效频谱感知

摘要

近年来随着盲检测算法的提出,越来越多的基于采样协方差矩阵的盲检测算法应用于频谱感知。针对其检测门限是近似值,检测性能会受到影响等问题,提出了基于采样协方差矩阵的混合核函数的支持向量机(support vector machine,SVM)高效频谱感知,通过感知信号采样协方差矩阵的最大最小特征值(maximum minimumeigenvalue,MME)和协方差绝对值(covariance absolutevalue,CAV)提取的统计量作为SVM的特征向量并训练其生成频谱感知的分类器,无需计算检测门限并且特征提取减少了样本集的大小。利用遗传算法(genetic algorithm,GA)优化混合核函数的SVM的参数。实验结果表明,该方法比MME算法和CAV算法的检测概率有所提高,并且比SVM减少了感知时间,具有良好的实用性。