联合循环平稳特征PCA与RVM的频谱感知

针对无线信道环境中低信噪比情况下主用户信号检测率较低的问题,提出了一种基于循环平稳特征主成分分析(PCA)与相关向量机(RVM)的认知网络频谱感知算法。该算法结合了主成分分析算法与相关向量机分类方法,应用于解决认知网络频谱感知问题。首先对信号循环平稳特征参数进行特征提取,通过主成分分析进行降维提取信号主成分,生成训练样本和待测样本,并完成对相关向量机的训练,再采用训练完成的相关向量机算法分别对有无主用户情况下的信号进行分类检测,最后获得主用户信号存在性的感知判断。仿真实验表明,与人工神经网络、支持向量机和最大最小特征值算法相比较,所提算法在低信噪比情况下具有较高的分类检测性能,检测率最大可提高61.6%,有效地实现了对主用户信号的感知。     

基于循环谱分析的航空通信干扰信号检测

随着现代通信技术在航空领域的广泛应用,在机场环境下如何避免各干扰信号对航空通信的危害成为人们广泛关注的焦点问题。本文基于机场环境下的信号感知模型,提出一种基于支持向量机（SVM）和谱相关性的干扰信号感知算法,有效避免了外界信号对航空通信信号的干扰。该算法采用信号循环谱进行分析的方法提取特征向量,进而结合SVM分类器对航空干扰信号进行检测。仿真结果表明,本文算法对干扰信号具有较高的分类检测精度和良好的识别性能。