基于支持向量机的认知无线电频谱预测方法

发布时间：2018-09-08 09:35

【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。
[Abstract]:Spectrum prediction is one of the key technologies in cognitive radio systems. It can significantly reduce the energy loss of cognitive users and improve the spectral efficiency of the system. Aiming at the problems of low precision and high failure rate of the existing spectrum prediction methods based on BP neural network, the support vector machine based on statistical learning theory and minimum structural risk principle is introduced into the spectrum prediction of cognitive radio. The channel is predicted by its superior prediction performance for small samples and nonlinear data. The experimental results show that the proposed method can improve the performance of spectrum sensing system by avoiding invalid detection, and has higher prediction accuracy than the model based on BP neural network algorithm, and has good practicability and flexibility.
【作者单位】： 中国科学院半导体研究所;
【基金】：中国科学院战略性先导专项基金资助项目(No.XDA06020700)
【分类号】：TN925

【共引文献】

相关期刊论文 前10条

1 刘金刚;周云山;邹乃威;高帅;苏建业;;基于粗糙集与支持向量机的无级变速器速比控制阀质量分类[J];汽车工程;2008年09期

2 刘金刚;王登峰;何霞辉;周云山;;基于LS-SVM模型的无级变速器夹紧力控制系统故障诊断[J];汽车工程;2009年04期

3 高帅;周云山;安颖;刘金刚;;基于支持向量机的夹紧力控制阀质量分类[J];汽车技术;2009年11期

4 蒋刚;肖建;郑永康;宋昌林;;基于统计学习理论的海色遥感叶绿素浓度反演方法[J];中国海洋大学学报(自然科学版);2006年04期

5 王晓燕;张能;王永瑛;;基于SVM与特征提取的鲁棒性数字水印算法[J];青岛理工大学学报;2010年03期

6 臧大进;刘增良;曹云峰;;基于粒子群优化支持向量机的矿井涌水量预测[J];凯里学院学报;2010年06期

7 祁正兴;;多环芳烃致癌活性的支持向量机分类模型[J];青海师范大学学报(自然科学版);2005年04期

8 祁正兴;;基于量化参数的吡啶类化合物pKa模型的构建[J];青海师范大学学报(自然科学版);2008年01期

9 王红;;支持向量机在多氯代二苯并呋喃logKow中的应用[J];青海师专学报.教育科学;2006年05期

10 演克武;朱金福;;基于支持向量机回归算法的航空公司客流量预测研究[J];企业经济;2010年03期

相关会议论文 前10条

1 周绮凤;林成德;罗林开;彭洪;;一种基于黎曼度量的训练样本类不平衡SVM分类方法研究[A];第二十六届中国控制会议论文集[C];2007年

2 张向波;梅国建;徐宗昌;;基于SVM的装备战备完好性预测模型[A];第十届中国科协年会论文集（一）[C];2008年

3 张永生;魏新军;颜振敏;南海娟;;多元线性回归分光光度法同时测定饮料中三种色素[A];第十届中国科协年会论文集（三）[C];2008年

4 徐慧;李云玮;;基于分形和支持向量机的瓦斯涌出量预测研究[A];煤矿自动化与信息化——第19届全国煤矿自动化与信息化学术会议暨中国矿业大学（北京）百年校庆学术会议论文集[C];2009年

5 肖惠玲;曾翎;黄海莹;张琳;王昱清;杨勤;陈华富;;支持向量机探测脑功能活动[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集（下册）[C];2007年

6 王永春;;一种复合的支持向量机模型在电力系统短期负荷中的应用[A];第十届全国电工数学学术年会论文集[C];2005年

7 吴p，

本文编号：2230141