基于SVM的频谱接入准则设计

doi:10.3969/j.issn.1000-0801.2009.06.018

电信科学 ›› 2009, Vol. 25 ›› Issue (6): 65-67.doi: 10.3969/j.issn.1000-0801.2009.06.018

基于SVM的频谱接入准则设计

滕晓云,于宏毅,袁佳

解放军信息工程大学郑州 450002

出版日期:2009-06-15 发布日期:2009-06-15
基金资助:
国家发改委CNGI示范工程课题;河南省自然科学基金资助项目

Spectrum Sensing Algorithm Based on SVM

Xiaoyun Teng,Hongyi Yu,Jia Yuan

P.L.A.Information Engineering University，Zhengzhou 450002，China

Online:2009-06-15 Published:2009-06-15

摘要/Abstract

摘要：

在以往的认知无线电研究过程中，研究者通常忽略了传播信道的随机性和授权用户位置的不确定性对频谱感知的影响。本文提出了基于概率模型的动态频谱使用策略，并分析研究了支持向量机在频谱接入准则设计中的应用。

关键词: 认知无线电, 频谱感知, 支持向量机

Abstract:

The challenges posed by the randomicities of radio channels and uncertainties of primary user’s location were first analyzed in spectrum sensing issue.A dynamic spectrum access strategy based on probability model was proposed in this paper.The implementation of SVM to spectrum sensing was discussed and designed.

Key words: cognitive radio, spectrum sensing, support vector machine

滕晓云,于宏毅,袁佳. 基于SVM的频谱接入准则设计[J]. 电信科学, 2009, 25(6): 65-67.

Xiaoyun Teng,Hongyi Yu,Jia Yuan. Spectrum Sensing Algorithm Based on SVM[J]. Telecommunications Science, 2009, 25(6): 65-67.

图/表 1

参考文献 11

1	HAYKIN S . Cognitive radio：brain-empowered wireless communi-cations. IEEE Journal on Selected Areas in Communications， 2005
2	Mitola J . Cognitive radio：an integrated agent architecture for software defined radio. Royal Institute of Technology， 2000
3	Peha J M . Approaches to spectrum sharing. IEEE Communications Magazine， 2005 （2）： 10～11
4	Proakis J . Digital Communications， 3rd ededition Mc Graw Hill
5	Urkowitz H . Energy detection of unknown deterministic signals. In：Proceedings of IEEE， 1967 55 （4）： 223～231
6	Digham F F . On the energy detection of unkown signals over fading channels. In：Proceedings of IEEE Internation Conference on Communications（ICC’03）
7	Gardner W A . Signal interception：a unifying theoretical framework for feature detection. IEEE Trans On Communications， 1988， 36 （8）
8	Vapnik V . 张学工译. 统计学习理论的本质. 北京: 清华大学出版社, 2000，
9	Vapnik V ， Mukherjee S . Support vector method for multivariate density estimation. Advances in Neural Information Processing Systems， MIT Press 4, 2000
10	Ebrahimzadeh A ， Seyedin S A . Identification of signal types using SVM in fading environments. In：Proceedings of ICEE， 2006
11	王子磊，奚宏生 . 一种快速的在线SVM多用户检测算法. 电子与信息学报 2006， 28 （8）

[1]	蒋跃宇, 承昊新, 王康, 戴文骏, 刘笑宇. PLC-RF无线传输网络中的能效最优设计方法[J]. 电信科学, 2023, 39(4): 111-119.
[2]	葛海江, 贾宁, 池凯凯, 陈云志. 非线性能量收集认知无线电网络的次用户吞吐量最大化方案[J]. 电信科学, 2023, 39(2): 103-117.
[3]	范圆梦, 刘顺兰. 基于随机共振和非中心F分布的频谱感知算法[J]. 电信科学, 2023, 39(1): 42-50.
[4]	李世通, 全大英, 唐泽雨, 陈赟, 汪晓峰, 金小萍. 基于时频图像和高次频谱特征的雷达信号识别[J]. 电信科学, 2022, 38(2): 84-91.
[5]	贾忠杰, 金明, 宋晓群. 一种基于黏性隐马尔可夫模型的多频带频谱感知方法[J]. 电信科学, 2021, 37(1): 48-57.
[6]	李亚杰,赵永利,刘守东,张杰. 基于人工智能的光纤非线性均衡算法研究概述[J]. 电信科学, 2020, 36(3): 61-70.
[7]	张无际,刘顺兰,包建荣. 基于随机矩阵特征值比的机会协作频谱感知[J]. 电信科学, 2020, 36(2): 61-67.
[8]	刘顺兰, 肖义德, 包建荣. 基于随机共振的双门限协作频谱感知算法[J]. 电信科学, 2020, 36(12): 33-40.
[9]	张溶芳,许丹丹,王元光,潘思宇,李正茂. 机器学习在物联网虚假用户识别中的运用[J]. 电信科学, 2019, 35(7): 136-144.
[10]	雷宇骁,李更丰,黄玉雄,别朝红. 基于支持向量机的发/输电系统快速蒙特卡洛可靠性评估方法[J]. 电信科学, 2019, 35(6): 15-24.
[11]	徐琳,赵知劲. 基于CBR与合作Q学习的分布式CRN资源分配算法[J]. 电信科学, 2019, 35(2): 35-42.
[12]	刘顺兰,王静,包建荣. 高检测概率协方差矩阵机会协作频谱感知[J]. 电信科学, 2019, 35(1): 67-73.
[13]	钱亚冠,关晓惠,吴淑慧,云本胜,任东晓. 一种基于贪心算法的SVM扰动攻击方法[J]. 电信科学, 2019, 35(1): 81-89.
[14]	肖洁,陈跃斌,陈楚天,郑婷,钱继武. 基于信任度的可变门限能量检测算法[J]. 电信科学, 2018, 34(8): 129-135.
[15]	邓宏宇,汪一鸣,吴澄. 基于MRR调度的认知LTE-R基站和服务类型值优先队列管理[J]. 电信科学, 2018, 34(6): 80-90.

基于SVM的频谱接入准则设计

Spectrum Sensing Algorithm Based on SVM

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 1

参考文献 11

相关文章 15

Metrics

推荐阅读 0