[发明专利]一种基于压缩感知和支持向量机的高效频谱感知方法

权利要求书

1.一种基于压缩感知和支持向量机的高效频谱感知方法，其特征在于，包括以下步骤：

S1：输入待感知的接收信号；

S2：对待感知接收信号通过压缩感知采样处理得到测量矩阵Y，并对测量矩阵Y的采样协方差矩阵对角线元素判决，并取均值得到特征统计量T_k；

S3：通过特征统计量与门限对比获取待感知接收信号的标签，并将获取到的标签和特征统计量组成的样本训练集；

S4：将样本训练集输入到支持向量机SVM分类器中训练，得到频谱分类器；

S5：将收集的数据输入至频谱分类器中处理，得到分类结果；

步骤S2中，测量矩阵Y的采样协方差矩阵对角线元素判决并取均值得到特征统计量为通过对采样协方差矩阵对角线元素进行去优化判决去噪处理并对其取均值；其中，采样协方差矩阵R表示为：

其中，R为N×N维矩阵；Y的维度为1×N，为经过压缩测量得到的测量矩阵；Y^T为Y的转置矩阵，N为测量矩阵的长度；

假设存在K个次用户SU协作频谱感知，得到K个采样协方差矩阵；

H₀和H₁分别表示主用户PU是否存在的假设条件，表示为：

其中，s(k)和n(k)分别表示第k个接收的主用户PU信号序列和均值为零方差为的加性高斯白噪声，k＝1,2,...N；N表示接收信号总样本数；h(k)表示第k个主用户PU信号序列的信道增益；x(k)表示认知用户SU的接收信号；

取采样协方差矩阵对角线元素r_ii，与其对应的噪声水平σ_i比较，去噪处理，如果r_ii≥σ_i，表示当前位置信号为正常信号，反之，r_ii＜σ_i，判定此处为噪声信号，将其对角线元素置为零；其过程表示为：

去噪后的采样协方差矩阵对角线元素均值作为特征统计量，具体表示为：

其中，T_k表示第k个感知用户的到的特征统计量，r_ii^k为第k个感知用户压缩检测采样协方差矩阵的对角线元素，且k＝1,2,…N，N为感知用户的数量。