近年來,基于能量檢測的協(xié)作頻譜感知算法被廣泛應(yīng)用于頻譜感知領(lǐng)域。由于該方法在計(jì)算能量檢測的判決門限受噪聲影響較大以及受限于認(rèn)知用戶的數(shù)量等問題,導(dǎo)致其檢測性能受到影響。為了解決這一問題,本文提出一種基于圖像K-means聚類分析的頻譜感知算法。這種方法利用主用戶信號(hào)存在與否的兩種認(rèn)知信號(hào)狀態(tài)映射成圖像,經(jīng)過調(diào)整圖像強(qiáng)度和高斯濾波預(yù)處理之后利用提取圖像像素分布直方圖的方法提取出特征向量,然后利用改進(jìn)的K均值聚類算法對(duì)這些特征向量進(jìn)行訓(xùn)練得到分類模型。最后利用訓(xùn)練好的分類模型對(duì)未知信號(hào)進(jìn)行檢測,從而實(shí)現(xiàn)頻譜感知。仿真結(jié)果表明,本文所提出的頻譜感知算法,在檢測性能上優(yōu)于傳統(tǒng)能量檢測以及協(xié)作頻譜感知算法,尤其在低虛警概率、低信噪比的環(huán)境下效果更加突出。 

【文章來源】：信號(hào)處理. 2020,36(02)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

圖１（ｂ）?ｉ／，時(shí)信號(hào)映射圖像??Ｆｉｇ．?１（ｂ）?Ｓｉｇｎａｌ?ｍａｐ?ｉｍａｇｅ?ａｔ??對(duì)圖像數(shù)組進(jìn)行預(yù)處理，首先是對(duì)圖像像素值??的壓縮（截�。�，截取規(guī)則如下??ｉ＿ｍｉｎ?ｙｍ＼＿ｉ￣＼＜?＝?ｉ＿ｍｉｎ??Ｔｎ＼＿ｉ￣＼?，［?ｉ］?＜ｉ＿ｍａｘ，?ｉ?＝?１，２，?？？？?，ｎ－??ｉ＿ｍａｘ?ｙｍ＼＿ｉ￣＼＞?＝?ｉ＿ｒａａｘ??

第２期??岳文靜等：基于圖像Ｋ－ｍｅａｎｓ聚類分析的頻譜感知算法??２０７??－１５－１４－１３－１２－１１－１０－９?－８?－７?－６?－５?－４?－３?－２?－１?０??信噪比／ｄＢ??圖４不同采樣點(diǎn)對(duì)檢測性能的影響??Ｆｉｇ．?４?Ｉｎｆｌｕｅｎｃｅ?ｏｆ?ｄｉｆｆｅｒｅｎｔ?ｓａｍｐｌｉｎｇ?ｐｏｉｎｔｓ?ｏｎ??ｄｅｔｅｃｔｉｏｎ?ｐｅｒｆｏｒｍａｎｃｅ??圖５反應(yīng)了在信號(hào)采樣點(diǎn)不．同時(shí)，基于圖像的??Ｋ－脈咖聚類頻譜感知算法的虛魯概率的隨信噪比??變化的曲線ｕ由于噪聲狺號(hào)的隨機(jī)性，導(dǎo)致佐真結(jié)??果會(huì)出規(guī)小范Ｍ的上下波動(dòng)。從？中可以著到與??檢測概率Ｐｄ變化相反的情況，當(dāng)信噪比越來越大，??采樣點(diǎn)越多財(cái)虛警概率整體趨勢越來越小，在傖??噪比為〇?ｄＢ時(shí)虛警概率幾率為０?ａ??０．９７５??０．９５??０．９２５??圖４反映了縐信號(hào)釆樣點(diǎn)數(shù)不同財(cái)對(duì)檜測性能??的影響。本文中以取采樣點(diǎn)數(shù)作＝５〇、１〇〇、２〇〇為例??進(jìn)行仿真，從圖中可以得到，當(dāng)信噪比太小相同的??情況下，當(dāng)采樣點(diǎn)數(shù)越多時(shí)，算法的檢測性能也就??越好＊低信噪比時(shí)效果尤其明顯。，??＇－１５－１４－１３－１２－１１－１０－９?－８?－７?－６?－５?－４?－３?－２?－１?０??翁噪比／ｄＢ??圈３不兩檢概霧鑛的性能比霞??Ｆｉｇ＊?３?Ｅｅｒｆｏｔｆｉｉａｆｔｆｔ？?ＳｏｊｉｌｐａＭｔａｉ?ｏｆ?ｔｆｉｆｆｓｉｆｉｉｎｔ??ｄｅｉＢｏｔｉｏｉｉ?ａｌｇｏｒｉｔｌｉｉｉｊｓ??比較？和〇２的大小進(jìn)行判決，??Ｓ心＝凡表示主甩Ｐ信號(hào)不存在，反之Ｈｅ?＝??拓則表示主甩戶信號(hào)存在。，??評(píng)價(jià)頻譜感知算法性能好壞常用的指標(biāo)包括??

傖夸處理??第３６卷??－１５－１４－１３－１２－１１－１０，－９?－８?－７?－６?－５?－４?－３?－２?－１?０??信噪比／ｄＢ??圖５不同采樣點(diǎn)對(duì)虛警概率的影響??Ｆｉｇ．?５?Ｉｎｆｌｕｅｎｃｅ?ｏｆ?ｄｉｆｆｅｒｅｎｔ?ｓａｍｐｌｉｎｇ?ｐｏｉｎｔｓ?ｏｎ??ｆａｌｓｅ?ａｌａｒｍ?ｐｒｏｂａｂｉｌｉｔｙ??５結(jié)論??傳象的頻譜感知算：法，如提到的能量檢測法和??協(xié)作檢測Ｈ他檢測性能前者比較依賴寧襝測＇??門裉的準(zhǔn)確性，肩者比較依賴在認(rèn)知甩．戶的數(shù)量，??教檢測門限不準(zhǔn)確以及認(rèn)知用戶比較少時(shí)，系統(tǒng)的??檢測概率相對(duì)較低，檢測性能將會(huì)裉大受到影響。??．本：文賴．出的識(shí)于＿餅Ｋ－ｍ娜Ｓ?：聚養(yǎng)顧豫靡：??知箅法則避免了上述方法的不足，．在單用戶檢測時(shí)??也能達(dá)到比較倉：的檢測性能，通過對(duì)兩種歷史魯號(hào)??數(shù)據(jù)的訓(xùn)練學(xué)習(xí)，訓(xùn)練出分類器模型，利用該分類??器從而實(shí)現(xiàn)頻譜感知。模擬仿真實(shí)鼇也儀姆了該??方法的可行性和■高的可攀性１且在相同虛警概率??以及信噪比的情況下，詼：算法也檢測性能上相歲于??傳統(tǒng)；頻譜感知算法得到明．凰改：善，井且狻測＇性能隨??＿桴點(diǎn)數(shù)的增加而提■?ｆ而＇．虛警概率隨鬢采稈離??數(shù)的增加而整體呈降低趨勢。本文中在圖像餘征??提取過程中靖到Ｓ像處理方法，找到意有效的提取??信號(hào)特征向量的方法以提高輪鍘性能，減小廚像處??理的時(shí)聞復(fù)襲度提供系統(tǒng)檢測的宴時(shí)性將是下一??歩工作的誠ｅ??參考文獻(xiàn)??［１］Ｓｅｓｈｕｋｕｍａｒ?Ｋ，?Ｓａｒａｖａｎａｎ?Ｒ，?Ｓｕｒａｊ?Ｍ?Ｓ．?Ｓｐｅｃｔｒｕｍ?ｓｅｎｓ？??ｉｎｇ?ｒｅｖｉｅｗ?ｉｎ?ｃｏｇｎｉｔｉｖｅ?ｒａｄｉｏ?＼＿?

【參考文獻(xiàn)】：
期刊論文
[1]K-means算法聚類中心選取[J]. 張朝,郭秀娟,張坤鵬.  吉林大學(xué)學(xué)報(bào)(信息科學(xué)版). 2019(04)
[2]協(xié)作頻譜感知研究及其面臨的問題和挑戰(zhàn)[J]. 劉樂.  現(xiàn)代導(dǎo)航. 2019(03)
[3]基于支持向量機(jī)的認(rèn)知無線電頻譜感知[J]. 姚迪,劉會(huì)杰,劉潔,謝卓辰.  電子設(shè)計(jì)工程. 2018(21)
[4]認(rèn)知無線電頻譜感知技術(shù)綜述[J]. 郭文祥,余志勇,逄晨,孫亞民.  通信技術(shù). 2018(02)
[5]分布式協(xié)作頻譜感知的信譽(yù)模型[J]. 許力,黃毅杰,林暉.  北京郵電大學(xué)學(xué)報(bào). 2015(04)
[6]基于集中式協(xié)作頻譜感知的數(shù)據(jù)融合技術(shù)研究[J]. 謝前英,姚遠(yuǎn)程,秦明偉.  微型機(jī)與應(yīng)用. 2015(12)
[7]衰落信道下提高協(xié)作頻譜感知能力的方法[J]. 岳文靜,鄭寶玉,孟慶民,崔景伍,解培中.  中國科學(xué):信息科學(xué). 2011(02)

碩士論文
[1]基于多傳感器的智能護(hù)理系統(tǒng)研究[D]. 甄文奇.南京理工大學(xué) 2017



本文編號(hào)：3014686