近年來隨著盲檢測算法的提出,越來越多基于采樣協(xié)方差矩陣的盲檢測算法開始應用于頻譜感知。針對基于信號協(xié)方差矩陣的頻譜感知算法門限無法準確獲得,以及特征信息單一等問題,提出基于XGBoost與協(xié)方差特征的頻譜感知算法。首先提取接收信號采樣協(xié)方差矩陣統(tǒng)計量作為XGBoost的訓練特征向量,并生成訓練樣本和測試樣本,然后對XGBoost進行訓練得到頻譜感知分類器,最后利用分類器進行頻譜感知。仿真結(jié)果表明,該算法比支持向量機算法、隨機森林算法及傳統(tǒng)最大最小特征算法的檢測概率更高,在信噪比為-14dB時,該算法檢測概率達到0.98,且訓練時間與測試時間少于對比算法,具有良好的性能。

【文章頁數(shù)】：6 頁

【部分圖文】：

圖1基于XGBoost的頻譜感知模型

本文頻譜感知方法處理過程如圖1所示。算法流程如下：

圖2模型在測試數(shù)據(jù)上AUC值比較

將數(shù)據(jù)分為3組進行實驗對比，第1組訓練數(shù)據(jù)量為11000，每個信噪比數(shù)據(jù)為1000；第2組訓練數(shù)據(jù)量為22000，每個信噪比數(shù)據(jù)為2000；第3組訓練數(shù)據(jù)量為33000，每個信噪比數(shù)據(jù)為3000；測試數(shù)據(jù)量均為11000，每個信噪比數(shù)據(jù)為1000。分別用以上3組訓....

圖3不同認知用戶數(shù)對模型AUC值影響

圖5、圖6反映的是當認知用戶M為5時，不同采樣點數(shù)對XGBoost模型性能的影響，由圖5、圖6得出采樣點數(shù)越多，檢測性能越好。1.0圖4不同認知用戶數(shù)對模型檢測概率影響

圖4不同認知用戶數(shù)對模型檢測概率影響

圖3不同認知用戶數(shù)對模型AUC值影響圖5不同采樣點數(shù)對模型AUC值影響

本文編號：3962433