基于支持向量机的认知无线电频谱预测方法.pdfVIP

基于支持向量机的认知无线电频谱预测方法 徐 元 。鲁华祥 。陈 旭 (中国科学院半导体研究所 北京 100083) 摘 要：频谱预测是认知无线电系统中的关键技术之一 ．利用该技术可以显著减少认知用户的能量损耗，同时 提高系统的频谱利用率。针对现有基于BP神经网络的频谱预测方法预测精度低及失效率高等问题 ，将建立在 统计学习理论和结构风险最小原则上的支持向量机引入认知无线电频谱预测中，利用其对小样本及非线性数 据优越的预测性能对信道进行预测。实验结果表明，该方法通过避免无效检测 ，提高了频谱感知系统的性能， 并且 比基于 BP神经网络算法 的模型的预测精度更高，具有 良好 的实用性与灵活性 。 关键词 ：认知无线 电；频谱预测 ；支持 向量机 doi：10．39696．issn．1000-0801．2014．11．015 A SVM BasedSpectrum PredictionSchemeforCognitiveRadio XuYuan，LuHuaxiang，ChenXu (InstituteofSemiconductor，ChineseAcademyofScience，Beijing100083，China) Abstract：Spectrumpredictionisoneofthekeytechnologiesincognitiveradio(CR)systems．Thistechnologycan reduceconsiderableenergyconsumedbyspectrum sensing，andimprove theoverallsystem’Sspectrum utilization． Aimingatthe low accuracy and invalid prediction problemsofspecturm prediction in cognitiveradio，anew predictionmehtodwasproposedbyintegratingsupportvectormachine(SVM)whichwasbasedonstatisticallearning theory (SLT)andsturcturalriskminimizationprinciple (SRM)．Thechannelstatusisforecastedbyutilizingthe excenentforecastingperformanceofthemodelinsmallsampleandnonlineardataofSVM．Th eresultsshow thatby avoiding invalidprediction，thespecturm utilization can alsobe improved，and theforecastingaccuracyisbetter htanmodelbasedonbackpropagation (BP)，thustheproposedalgorithm ispracticableandflexibleforspecturm predictionincognitiveradio． Keywords：cognitiveradio，specturm prediction，supportvectormachine 构．并在每个时隙内感知信道状态，如果感知结果为空闲 1 引言 状态则认知用户可在不对授权用户造成干扰的前提下接 认知无线电作为一种解决当前无线通信中频谱利用 人该频段进行数据传输。然而由于硬件条件限制，认知用 率低下问题的重要技术，通过检测未被授权用户占用的频 户在单个时隙内通常只能检测部分频谱，而且为保证检测 谱空穴，使得认知用户能够在不干扰授权用户正常通信的 精度．检测时间可能很长，这将导致利用频谱空穴的机会 前提下使用空闲频段，以提高频谱