联合循环平稳特征PCA与XGBoost的频谱感知

• 作者: 束学渊 汪立新
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 认知网络 频谱感知 循环谱 主成分分析 极限梯度提升
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 网络与通信
• 页码范围: 114-118,126
• 页数: 6页
• 分类号: TP3
• 字数: 4682字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.04.019

摘要

针对低信噪比条件下主用户信号检测概率低的问题,提出一种基于循环平稳特征主成分分析与极限梯度提升算法(eXtreme Gradient Boosting,XGBoost)的主用户信号频谱感知算法.在信号各循环频率不为零值的情况下,提取能量最大的信号循环谱,通过PCA对循环谱特征进行降维处理,生成训练样本和测试样本.利用训练完成的XGBoost算法对待检测的信号进行分类,实现主用户信号是否存在检测.实验结果表明:与支持向量机算法、随机森林算法和传统循环谱算法相比较,该算法在低信噪比和低虚警率情况下具有更优的检测性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	汪立新	杭州电子科技大学通信工程学院	44	119	6.0	8.0
2	束学渊	杭州电子科技大学通信工程学院	3	0	0.0	0.0