[发明专利]一种基于矩阵分解和粒子群优化聚类的协作频谱感知方法

摘要

本发明公开了一种基于矩阵分解和粒子群优化聚类的协作频谱感知方法，包括以下步骤：采集主用户信号并进行IQ分解得到信号的I分量和Q分量；分别构建I分量矩阵YI和Q分量矩阵YQ并计算其协方差矩阵RI和RQ；分别对协方差矩阵分解得到上三角矩阵LI和LQ；计算上三角矩阵元素和记为TI和TQ，构建特征二维向量；将若干次用户感知到的信号特征组成训练特征集，训练粒子群优化聚类算法得到分类器，将待感知信号的特征二维向量输入所述分类器完成频谱感知。本发明通过将主用户信号进行分解后计算协方差矩阵，利用Cholesky分解获取上三角矩阵保持了信号特征的完整性，降低了计算的复杂度，同时利用粒子群聚类算法对待感知信号特征进行分类，提高了频谱感知的精度。

主权项

1.一种基于矩阵分解和粒子群优化聚类的协作频谱感知方法，其特征在于，所述方法基于协作频谱感知模型完成，所述协作频谱感知模型包括：主用户、若干次用户、中心节点，所述主用户用于向次用户发送主用户信号，所述次用户用于接收主用户信号，并将感知到的主用户信号发送至中心节点，所述中心节点用于判断主用户是否存在；所述方法包括以下步骤：/nS1：采集主用户信号，将主用户信号进行IQ分解分别得到信号的I分量和Q分量；/nS2:利用I分量和Q分量分别构建I分量矩阵Y^I和Q分量矩阵Y^Q并分别计算其协方差矩阵R^I和R^Q；/nS3：分别对协方差矩阵R^I和R^Q进行Cholesky分解得到上三角矩阵L^I和L^Q；/nS4:计算上三角矩阵L^I和L^Q元素和记为T^I和T^Q，利用T^I和T^Q构建一个特征二维向量用于表征次用户感知到的信号特征；/nS5：将若干次用户感知到的信号特征组成训练特征集，利用所述训练特征集训练粒子群优化聚类算法得到分类器，将待感知信号的特征二维向量输入所述分类器完成待感知信号的频谱感知。/n