基于图像K-means聚类分析的频谱感知算法
发布时间：2021-02-02 12:19
近年来,基于能量检测的协作频谱感知算法被广泛应用于频谱感知领域。由于该方法在计算能量检测的判决门限受噪声影响较大以及受限于认知用户的数量等问题,导致其检测性能受到影响。为了解决这一问题,本文提出一种基于图像K-means聚类分析的频谱感知算法。这种方法利用主用户信号存在与否的两种认知信号状态映射成图像,经过调整图像强度和高斯滤波预处理之后利用提取图像像素分布直方图的方法提取出特征向量,然后利用改进的K均值聚类算法对这些特征向量进行训练得到分类模型。最后利用训练好的分类模型对未知信号进行检测,从而实现频谱感知。仿真结果表明,本文所提出的频谱感知算法,在检测性能上优于传统能量检测以及协作频谱感知算法,尤其在低虚警概率、低信噪比的环境下效果更加突出。
【文章来源】：信号处理. 2020,36(02)北大核心
【文章页数】：7 页
【部分图文】：
图１（ｂ）?ｉ／，时信号映射图像??Ｆｉｇ．?１（ｂ）?Ｓｉｇｎａｌ?ｍａｐ?ｉｍａｇｅ?ａｔ??对图像数组进行预处理，首先是对图像像素值??的压缩（截取），截取规则如下??ｉ＿ｍｉｎ?ｙｍ＼＿ｉ￣＼＜?＝?ｉ＿ｍｉｎ??Ｔｎ＼＿ｉ￣＼?，［?ｉ］?＜ｉ＿ｍａｘ，?ｉ?＝?１，２，?？？？?，ｎ－??ｉ＿ｍａｘ?ｙｍ＼＿ｉ￣＼＞?＝?ｉ＿ｒａａｘ??
第２期??岳文静等：基于图像Ｋ－ｍｅａｎｓ聚类分析的频谱感知算法??２０７??－１５－１４－１３－１２－１１－１０－９?－８?－７?－６?－５?－４?－３?－２?－１?０??信噪比／ｄＢ??图４不同采样点对检测性能的影响??Ｆｉｇ．?４?Ｉｎｆｌｕｅｎｃｅ?ｏｆ?ｄｉｆｆｅｒｅｎｔ?ｓａｍｐｌｉｎｇ?ｐｏｉｎｔｓ?ｏｎ??ｄｅｔｅｃｔｉｏｎ?ｐｅｒｆｏｒｍａｎｃｅ??图５反应了在信号采样点不．同时，基于图像的??Ｋ－脈咖聚类频谱感知算法的虚鲁概率的随信噪比??变化的曲线ｕ由于噪声狺号的随机性，导致佐真结??果会出规小范Ｍ的上下波动。从？中可以着到与??检测概率Ｐｄ变化相反的情况，当信噪比越来越大，??采样点越多財虚警概率整体趋势越来越小，在傖??噪比为〇?ｄＢ时虚警概率几率为０?ａ??０．９７５??０．９５??０．９２５??图４反映了绉信号釆样点数不同財对桧测性能??的影响。本文中以取采样点数作＝５〇、１〇〇、２〇〇为例??进行仿真，从图中可以得到，当信噪比太小相同的??情况下，当采样点数越多时，算法的检测性能也就??越好＊低信噪比时效果尤其明显。，??＇－１５－１４－１３－１２－１１－１０－９?－８?－７?－６?－５?－４?－３?－２?－１?０??翁噪比／ｄＢ??圈３不两检概雾鑛的性能比霞??Ｆｉｇ＊?３?Ｅｅｒｆｏｔｆｉｉａｆｔｆｔ？?ＳｏｊｉｌｐａＭｔａｉ?ｏｆ?ｔｆｉｆｆｓｉｆｉｉｎｔ??ｄｅｉＢｏｔｉｏｉｉ?ａｌｇｏｒｉｔｌｉｉｉｊｓ??比较？和〇２的大小进行判决，??Ｓ心＝凡表示主甩Ｐ信号不存在，反之Ｈｅ?＝??拓则表示主甩户信号存在。，??评价频谱感知算法性能好坏常用的指标包括??
傖夸处理??第３６卷??－１５－１４－１３－１２－１１－１０，－９?－８?－７?－６?－５?－４?－３?－２?－１?０??信噪比／ｄＢ??图５不同采样点对虚警概率的影响??Ｆｉｇ．?５?Ｉｎｆｌｕｅｎｃｅ?ｏｆ?ｄｉｆｆｅｒｅｎｔ?ｓａｍｐｌｉｎｇ?ｐｏｉｎｔｓ?ｏｎ??ｆａｌｓｅ?ａｌａｒｍ?ｐｒｏｂａｂｉｌｉｔｙ??５结论??传象的频谱感知算：法，如提到的能量检测法和??协作检测Ｈ他检测性能前者比较依赖宁裣测＇??门裉的准确性，肩者比较依赖在认知甩．户的数量，??教检测门限不准确以及认知用户比较少时，系统的??检测概率相对较低，检测性能将会裉大受到影响。??．本：文賴．出的識于＿餅Ｋ－ｍ娜Ｓ?：聚養顧豫靡：??知箅法则避免了上述方法的不足，．在单用户检测时??也能达到比较倉：的检测性能，通过对两种历史魯号??数据的训练学习，训练出分类器模型，利用该分类??器从而实现频谱感知。模拟仿真实鼇也儀姆了该??方法的可行性和■高的可攀性１且在相同虚警概率??以及信噪比的情况下，诙：算法也检测性能上相歲于??传统；频谱感知算法得到明．凰改：善，井且狻测＇性能随??＿桴点数的增加而提■?ｆ而＇．虚警概率随鬢采稈离??数的增加而整体呈降低趋势。本文中在图像餘征??提取过程中靖到Ｓ像处理方法，找到意有效的提取??信号特征向量的方法以提高輪铡性能，减小厨像处??理的时闻复袭度提供系统检测的宴时性将是下一??歩工作的誠ｅ??参考文献??［１］Ｓｅｓｈｕｋｕｍａｒ?Ｋ，?Ｓａｒａｖａｎａｎ?Ｒ，?Ｓｕｒａｊ?Ｍ?Ｓ．?Ｓｐｅｃｔｒｕｍ?ｓｅｎｓ？??ｉｎｇ?ｒｅｖｉｅｗ?ｉｎ?ｃｏｇｎｉｔｉｖｅ?ｒａｄｉｏ?＼＿?
【参考文献】：
期刊论文
[1]K-means算法聚类中心选取[J]. 张朝,郭秀娟,张坤鹏. 吉林大学学报(信息科学版). 2019(04)
[2]协作频谱感知研究及其面临的问题和挑战[J]. 刘乐. 现代导航. 2019(03)
[3]基于支持向量机的认知无线电频谱感知[J]. 姚迪,刘会杰,刘洁,谢卓辰. 电子设计工程. 2018(21)
[4]认知无线电频谱感知技术综述[J]. 郭文祥,余志勇,逄晨,孙亚民. 通信技术. 2018(02)
[5]分布式协作频谱感知的信誉模型[J]. 许力,黄毅杰,林晖. 北京邮电大学学报. 2015(04)
[6]基于集中式协作频谱感知的数据融合技术研究[J]. 谢前英,姚远程,秦明伟. 微型机与应用. 2015(12)
[7]衰落信道下提高协作频谱感知能力的方法[J]. 岳文静,郑宝玉,孟庆民,崔景伍,解培中. 中国科学:信息科学. 2011(02)
硕士论文
[1]基于多传感器的智能护理系统研究[D]. 甄文奇.南京理工大学 2017
本文编号：3014686
【文章来源】：信号处理. 2020,36(02)北大核心
【文章页数】：7 页
【部分图文】：
图１（ｂ）?ｉ／，时信号映射图像??Ｆｉｇ．?１（ｂ）?Ｓｉｇｎａｌ?ｍａｐ?ｉｍａｇｅ?ａｔ??对图像数组进行预处理，首先是对图像像素值??的压缩（截取），截取规则如下??ｉ＿ｍｉｎ?ｙｍ＼＿ｉ￣＼＜?＝?ｉ＿ｍｉｎ??Ｔｎ＼＿ｉ￣＼?，［?ｉ］?＜ｉ＿ｍａｘ，?ｉ?＝?１，２，?？？？?，ｎ－??ｉ＿ｍａｘ?ｙｍ＼＿ｉ￣＼＞?＝?ｉ＿ｒａａｘ??
第２期??岳文静等：基于图像Ｋ－ｍｅａｎｓ聚类分析的频谱感知算法??２０７??－１５－１４－１３－１２－１１－１０－９?－８?－７?－６?－５?－４?－３?－２?－１?０??信噪比／ｄＢ??图４不同采样点对检测性能的影响??Ｆｉｇ．?４?Ｉｎｆｌｕｅｎｃｅ?ｏｆ?ｄｉｆｆｅｒｅｎｔ?ｓａｍｐｌｉｎｇ?ｐｏｉｎｔｓ?ｏｎ??ｄｅｔｅｃｔｉｏｎ?ｐｅｒｆｏｒｍａｎｃｅ??图５反应了在信号采样点不．同时，基于图像的??Ｋ－脈咖聚类频谱感知算法的虚鲁概率的随信噪比??变化的曲线ｕ由于噪声狺号的随机性，导致佐真结??果会出规小范Ｍ的上下波动。从？中可以着到与??检测概率Ｐｄ变化相反的情况，当信噪比越来越大，??采样点越多財虚警概率整体趋势越来越小，在傖??噪比为〇?ｄＢ时虚警概率几率为０?ａ??０．９７５??０．９５??０．９２５??图４反映了绉信号釆样点数不同財对桧测性能??的影响。本文中以取采样点数作＝５〇、１〇〇、２〇〇为例??进行仿真，从图中可以得到，当信噪比太小相同的??情况下，当采样点数越多时，算法的检测性能也就??越好＊低信噪比时效果尤其明显。，??＇－１５－１４－１３－１２－１１－１０－９?－８?－７?－６?－５?－４?－３?－２?－１?０??翁噪比／ｄＢ??圈３不两检概雾鑛的性能比霞??Ｆｉｇ＊?３?Ｅｅｒｆｏｔｆｉｉａｆｔｆｔ？?ＳｏｊｉｌｐａＭｔａｉ?ｏｆ?ｔｆｉｆｆｓｉｆｉｉｎｔ??ｄｅｉＢｏｔｉｏｉｉ?ａｌｇｏｒｉｔｌｉｉｉｊｓ??比较？和〇２的大小进行判决，??Ｓ心＝凡表示主甩Ｐ信号不存在，反之Ｈｅ?＝??拓则表示主甩户信号存在。，??评价频谱感知算法性能好坏常用的指标包括??
傖夸处理??第３６卷??－１５－１４－１３－１２－１１－１０，－９?－８?－７?－６?－５?－４?－３?－２?－１?０??信噪比／ｄＢ??图５不同采样点对虚警概率的影响??Ｆｉｇ．?５?Ｉｎｆｌｕｅｎｃｅ?ｏｆ?ｄｉｆｆｅｒｅｎｔ?ｓａｍｐｌｉｎｇ?ｐｏｉｎｔｓ?ｏｎ??ｆａｌｓｅ?ａｌａｒｍ?ｐｒｏｂａｂｉｌｉｔｙ??５结论??传象的频谱感知算：法，如提到的能量检测法和??协作检测Ｈ他检测性能前者比较依赖宁裣测＇??门裉的准确性，肩者比较依赖在认知甩．户的数量，??教检测门限不准确以及认知用户比较少时，系统的??检测概率相对较低，检测性能将会裉大受到影响。??．本：文賴．出的識于＿餅Ｋ－ｍ娜Ｓ?：聚養顧豫靡：??知箅法则避免了上述方法的不足，．在单用户检测时??也能达到比较倉：的检测性能，通过对两种历史魯号??数据的训练学习，训练出分类器模型，利用该分类??器从而实现频谱感知。模拟仿真实鼇也儀姆了该??方法的可行性和■高的可攀性１且在相同虚警概率??以及信噪比的情况下，诙：算法也检测性能上相歲于??传统；频谱感知算法得到明．凰改：善，井且狻测＇性能随??＿桴点数的增加而提■?ｆ而＇．虚警概率随鬢采稈离??数的增加而整体呈降低趋势。本文中在图像餘征??提取过程中靖到Ｓ像处理方法，找到意有效的提取??信号特征向量的方法以提高輪铡性能，减小厨像处??理的时闻复袭度提供系统检测的宴时性将是下一??歩工作的誠ｅ??参考文献??［１］Ｓｅｓｈｕｋｕｍａｒ?Ｋ，?Ｓａｒａｖａｎａｎ?Ｒ，?Ｓｕｒａｊ?Ｍ?Ｓ．?Ｓｐｅｃｔｒｕｍ?ｓｅｎｓ？??ｉｎｇ?ｒｅｖｉｅｗ?ｉｎ?ｃｏｇｎｉｔｉｖｅ?ｒａｄｉｏ?＼＿?
【参考文献】：
期刊论文
[1]K-means算法聚类中心选取[J]. 张朝,郭秀娟,张坤鹏. 吉林大学学报(信息科学版). 2019(04)
[2]协作频谱感知研究及其面临的问题和挑战[J]. 刘乐. 现代导航. 2019(03)
[3]基于支持向量机的认知无线电频谱感知[J]. 姚迪,刘会杰,刘洁,谢卓辰. 电子设计工程. 2018(21)
[4]认知无线电频谱感知技术综述[J]. 郭文祥,余志勇,逄晨,孙亚民. 通信技术. 2018(02)
[5]分布式协作频谱感知的信誉模型[J]. 许力,黄毅杰,林晖. 北京邮电大学学报. 2015(04)
[6]基于集中式协作频谱感知的数据融合技术研究[J]. 谢前英,姚远程,秦明伟. 微型机与应用. 2015(12)
[7]衰落信道下提高协作频谱感知能力的方法[J]. 岳文静,郑宝玉,孟庆民,崔景伍,解培中. 中国科学:信息科学. 2011(02)
硕士论文
[1]基于多传感器的智能护理系统研究[D]. 甄文奇.南京理工大学 2017
本文编号：3014686
本文链接：https://www.wllwen.com/kejilunwen/wltx/3014686.html
