[发明专利]一种基于聚类算法的联合频谱感知方法

摘要

本发明涉及一种基于聚类算法的联合频谱感知方法，首先输入采样矩阵；经处理后得到协方差矩阵；再取协方差矩阵的最大特征值和最小特征值相加的和值和相减的差值，然后，对输入待测信号的采样矩阵，主用户信号存在和不存在的情况下的采样矩阵，分别处理等到其对应的差值向量及和值向量；确定各情况下的中心点；通过k‑means++聚类算法分别对主用户信号存在和不存在情况集合中的点进行聚类，分别得到聚类中心；最后，将待测信号的采样矩阵的中心点与聚类中心点比较，从而判断出待测中心点是否含有主用户信息；本发明同时使用协方差矩阵的最大最小特征值之和和最大最小特征值之差作为训练特征，从而实现两种特征联合检测，提高单一特征检测时的准确率。

主权项

1.一种基于聚类算法的联合频谱感知方法，其特征在于，所述的方法包括以下步骤：S1：输入采样矩阵；对采样矩阵进行小波变换降噪，得到降噪后的采样矩阵；S2：将降噪后的采样矩阵进行处理，得到协方差矩阵；S3：取S2所得协方差矩阵的最大特征值和最小特征值相加得到一个和值，取S2中所得协方差矩阵的最大特征值和最小特征值相减得到一个差值；S4：输入待测信号的采样矩阵，循环S2‑S4三次，分别得到三个和值L₁、L₂、L₃和三个差值G₁、G₂、G₃；将三个和值和三个差值分别组成向量和输入有主用户信号存在情况下的采样矩阵，循环S2‑S4，循环的次数为n次，且n为3的倍数，分别得到n个和值S₁，S₂…S_n和n个差值P₁,P₂…P_n；将n个和值和n个差值分别组成向量和输入无主用户信号存在情况下的采样矩阵，循环S2‑S4，循环的次数为n次，且n为3的倍数，分别得到n个和值Q₁，Q₂…Q_n和n个差值T₁,T₂…T_n；将n个和值和n个差值分别组成向量和S5：取三维坐标的中点为β，取的中点为η；将顺序均匀切分成三段然后组成一个3×(n/3)的矩阵，以该矩阵的每一列为一个三维空间中点的坐标，于是可以得到n/3个三维空间中心的集合U₁；将顺序均匀切分成三段然后组成一个3×(n/3)的矩阵，以该矩阵的每一列为一个三维空间中点的坐标，于是可以得到n/3个三维空间中心的集合V₁；将顺序均匀切分成三段然后组成一个3×(n/3)的矩阵，以该矩阵的每一列为一个三维空间中点的坐标，于是可以得到n/3个三维空间中心的集合U₂；将顺序均匀切分成三段然后组成一个3×(n/3)的矩阵，以该矩阵的每一列为一个三维空间中点的坐标，于是可以得到n/3个三维空间中心的集合V₂；S6：将U₁、U₂的点混合得到点的集合μ，将V₁、V₂的点混合得到点的集合ω；通过k‑means++聚类算法分别对μ和ω集合中的点进行聚类，分别得到聚类中心C₁、C₂和C₃、C₄；S7：比较β点与C₁、C₂的距离，如果β点与C₂点距离更小，则判断待测信号中含有主用户信号；否则进行S8；S8：比较η点与C₃、C₄的距离，如果η点与C₄点距离更小，则判断待测信号中含有主用户信号；否则判断待测信号中不含有主用户信号。