基于连续隐马尔可夫模型的协作频谱检测

• 作者: 张凯 齐丽娜
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 认知无线电 机器学习 连续隐马尔可夫模型 频谱检测
• 年，卷（期）: 2015,（6）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 64-68
• 页数: 5页
• 分类号: TN911.1
• 字数: 3471字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2015.06.014

摘要

机器学习是当前人工智能的主要研究方向,连续隐马尔可夫模型( Continuous Hidden MarKov Model,CHMM)作为机器学习方法的一种被广泛应用于故障诊断、图像处理、生命科学等领域。研究表明,在信道占用和空闲状态下采样得到的能量值满足不同的高斯分布,故可采用机器学习方法通过模式识别进行频谱感知；同时为了克服离散隐马尔可夫模型( Discrete Hidden MarKov Model,DHMM)在处理连续信号矢量量化过程中产生的信息失真问题,文中将CHMM引入多用户协作频谱检测技术,分别根据信道占用和信道空闲时采集到的能量值来训练CHMM模型建立CHMM1-CHMMn ,多个次用户分别将当前采集到的信道的能量值作为待测矩阵同CHMM1-CHMMn进行模式识别,根据识别结果判定当前信道是占用还是空闲。仿真结果表明,该方法在频谱感知方面具有较高的准确性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	齐丽娜	南京邮电大学通信与信息工程学院	36	158	6.0	11.0
2	张凯	南京邮电大学通信与信息工程学院	2	14	2.0	2.0