孟田
- 作品数:3 被引量:19H指数:3
- 供职机构:上海大学通信与信息工程学院上海市特种光纤与光接入网重点实验室更多>>
- 发文基金:国家自然科学基金上海市教育委员会创新基金更多>>
- 相关领域:电子电信自动化与计算机技术更多>>
- 基于PCA和混合核函数QPSO_SVM频谱感知算法被引量:13
- 2016年
- 频谱感知是认知无线电系统的关键技术之一,针对基于支持向量机的频谱感知方法中核函数选取的单一性和核函数参数的不确定性,提出一种基于混合核函数支持向量机的频谱感知算法,将两种核函数混合构造新的核函数,采用量子粒子群算法对其中的参数进行优化,并引入主成分分析方法对样本进行降维并提取其全局特征。实验结果表明,该模型较传统方法在低信噪比下无线环境中的分类精度上有了明显提高,在信噪比为-10dB的无线环境中能完全识别出主用户,为频谱感知提供了一种可靠性高的设计方案。
- 翟旭平杨兵兵孟田
- 关键词:频谱感知混合核函数主成分分析
- 采用对数预处理的SVM频谱感知方法被引量:4
- 2017年
- 为提高频谱感知灵敏度和准确率,减少训练时间,提出一种采用对数函数预处理的支持向量机频谱感知方法.通过实验平台采集出样本集,在保证频谱感知性能前提下,选取一个尺寸最小且具有适用性的训练样本集,利用对数函数对样本集进行预处理,增大主用户信号存在与不存在时样本的平均值之差.实验表明,经对数函数预处理的样本集送入支持向量机进行训练和测试,其频谱感知性能在低信噪比下有明显提高,检测率达到90%以上.
- 翟旭平孟田王涛
- 关键词:认知无线电频谱感知对数函数
- 基于SOM-SVM频谱感知算法被引量:4
- 2016年
- 频谱感知技是认知无线电中的关键技术。本文提出了利用SOM-SVM模型进行频谱分类的方法。SOMSVM模型是利用SOM的聚类特点,将含有相同特征的输入样本聚集在一起,并把离聚类中心较远的输入样本舍去。经过20%的样本压缩后,将含有代表性的小样本再送入SVM进行训练。本文的样本集通过实验平台采集,验证了基于支持向量机的频谱感知方法在实际数据测试条件下也能取得很好的感知性能。仿真结果表明,SOM-SVM模型在低信噪比下,频谱检测率接近100%,检测错误率也得到了很好的改善。
- 翟旭平孟田杨兵兵
- 关键词:频谱感知认知无线电支持向量机