基于SVM的楼宇室内主用户信号频谱感知研究-大连理工大学学报.docVIP

基于循环谱特征的楼宇室内频谱感知算法 高治军王洪玉王鑫摘 要：针对目前楼宇室内环境中，信道多径衰落和噪声不确定性等低信噪比情况下主用户信号检测性能较低的问题，提出一种基于支持向量机SVM（support vector machine）的主用户信号频谱感知算法。该算法融合了循环平稳特征检测和SVM算法的特点，对信号循环平稳特征参数进行特征提取，作为训练样本和待测样本，在采用SVM算法分别对有无主用户情况下的信号进行分类检测，仿真实验表明，与ANN（artificial neural network）和MME （maximum-minimum eigenvalue）相比较，所提算法可在低信噪比情况下，有效地实现了对主用户信号的感知，具有较好的稳健性。 关 键 词：SVM；认知网络；频谱感知；循环谱；楼宇室内 引 言 多年来，楼宇室内环境中普遍存在的信道多径衰落和噪声不确定性等信噪比低，对主用户信号的频谱感知性能差的问题一直是人们广泛关注与研究的焦点。随着无线通信技术的迅猛发展，新的信息技术的诞生，为人们研究楼宇室内环境中主用户信号的频谱感知问题提供了重要的理论依据和技术方法。在诸多新兴的信息技术中，认知网络（cognitive network）的研究成为人们研究的热点，也为有效解决楼宇室内环境下主用户信号的频谱感知问题提供了关键技术和方法[1]。Joseph Mitola博士于1999年提出了认知无线电的概念并系统阐述了其原理，使之成为认知网络研究的基础,快速、准确、有效的进行频谱检测是认知无线网络实现正常工作的前提，是认知网络的关键技术之一[2,3]。目前，常见的频谱检测算法有能量检测、匹配滤波器检测和循环平稳特征检测等[4]。能量检测算法具有不需要预先知道授权用户信号的信息，实现灵活，可适合不同中心频率以及不同带宽的检测等优点，但该算法检测门限值的设定比较困难，在信噪比较低的情况下，检测性能不佳，且不能区分信号类型。循环平稳特征检测法具有较强的抗噪声能力，但其运算量比较大，检测时间长。匹配滤波检测法具有良好的匹配滤波器能力，但需要掌握主用户信号的先验信息，否则不能达到对主用户的有效检测[5,6]。 由于楼宇室内环境中信道的复杂性，目前主要研究聚焦在多径衰落和噪声不确定性等低信噪比条件下主用户信号的频谱感知问题。文献[7]利用接收信号矩阵的特征值提出了最大最小特征值法（MME）研究主用户信号频谱感知问题；文献[8]和文献[9]采用机器学习方法来解决认知网络中频谱感知问题，并使用人工神经网络（ANN）对主用户信号实现分类检测；文献[10]将SVM算法应用于认知无线电环境，提出了采用SVM算法对高斯噪声环境中的主用户信号的进行分类感知的方法。鉴于以上问题，本文针对楼宇室内环境中低信噪比的特点，结合SVM算法与循环平稳特征检测法对主用户信号的检测性能进行了仿真和评估，仿真结果表明，本文算法具有较高的分类检测精度和良好的稳健性。 楼宇室内环境中频谱感知模型 针对楼宇室内环境中主用户信号的频谱感知特点，设室内网络中具有W个主用户和M个次用户，对其中任何一个次用户，系统模型可归纳为一个二元模型： （1） 其中，为无主用户出现情况，为主用户出现情况，，为接收信号的采样时间。为均值为零的楼宇室内循环平稳信号（主用户信号）（），为均值为零，方差为的加性高斯白噪声。 基于此二元模型，分别提取和条件下循环谱特征参数构成的特征向量和作为训练样本，利用SVM对待测样本进行检测，进而达到对主用户的频谱感知。 接收信号循环谱特征提取 若零均值循环平稳随机信号的自相关函数呈现周期性,其循环自相关函数表示为 （） 其中，是循环频率，为循环周期，为的自相关函数。 其循环谱为 （） 实践中由于使用离散信号，信号长度有限，式（9）可变为 （） 式（10）中，将次用户接收信号分为段，每段有个点，为信号每段的离散傅里叶变换，“”表示共轭。 信号调制识别需要提取对信噪比和信号调制参数不敏感但对调制类型敏感的参数。因此，可以选择以下3个参数作为信号调制识别的特征参数。 1）循环频率处谱函数的平均能量 对于循环平稳信号，其谱函数在循环频率处具有最大信噪比。循环频率处谱函数的平均能量可定义为 （） 其中，为循环谱在循环频率处谱函数。如果接收到的信号具有多个循环频率时，取能量最大的循环谱作为。 2）谱相