文档名：一种基于特征值和级联聚类的协作频谱感知方法
摘要：为了提高低信噪比(Signal-to-NoiseRatio,SNR)下频谱感知的性能,使用模糊C均值(FuzzyC-means,FCM)和高斯混合模型(GaussianMixtureModel,GMM),提出了一种基于特征值和级联聚类的协作频谱感知方法.从接收信号的协方差矩阵中提取特征值构造特征向量,通过在三维空间中执行聚类得到信道是否可用的分类模型,此过程无需获得主用户(PrimaryUser,PU)信号以及噪声功率的先验信息,避免了复杂的门限计算.FCM聚类用于优化GMM聚类的初始参数,有效解决了在低SNR下GMM容易陷入局部最小值的问题.仿真结果表明,该方法降低了GMM的收敛时间并提高了模型分类的准确性,与其他主流方法相比能够有效提升频谱感知的性能.
Abstract：Inordertoimprovetheperformanceofspectrumsensinginlowsignaltonoiseratio(SNR),acooperativespectrumsensingmethodbasedoneigenvalueandcascadeclusteringisproposedbyusingFuzzyC-means(FCM)andGaussianMixtureModel(GMM).Thefeaturevectorsareconstructedbyextractingtheeigenvaluesfromthecovariancematrixofthereceivedsignals,andtheclassificationmodelofwhetherthechannelisavailableisobtainedbyperformingclusteringinthree-dimensionalspace.Thisprocessdoesnotneedtoobtainthepriorinformationoftheprimaryuser(PU)signalandthenoisepower,whichavoidsthecomplexthresholdcalculation.FCMclusteringisusedtooptimizetheinitialparametersofGMMclustering,whicheffectivelysolvestheproblemthatGMMispronetofallintolocalminimuminlowSNR.SimulationresultsshowthattheproposedmethodbothreducestheconvergencetimeofGMMandimprovestheaccuracyofmodelclassification.Comparedwithothermainstreammethods,itcaneffectivelyimprovethespectrumsensingperformance.
作者：吴城坤 王全全 宛汀Author：WUChengkun WANGQuanquan WANTing
作者单位：南京邮电大学通信与信息工程学院,南京210003
刊名：电讯技术 ISTICPKU
Journal：TelecommunicationEngineering
年，卷(期)：2023, 63(12)
分类号：TN92
关键词：认知无线电 协作频谱感知 高斯混合模型 级联聚类
Keywords：cognitiveradio cooperativespectrumsensing Gaussianmixturemodel cascadeclustering
机标分类号：
在线出版日期：2024年1月3日
基金项目：国家自然科学基金一种基于特征值和级联聚类的协作频谱感知方法[
期刊论文] 电讯技术--2023, 63(12)吴城坤 王全全 宛汀为了提高低信噪比(Signal-to-NoiseRatio,SNR)下频谱感知的性能,使用模糊C均值(FuzzyC-means,FCM)和高斯混合模型(GaussianMixtureModel,GMM),提出了一种基于特征值和级联聚类的协作频谱感知方法.从接收信号的协方差...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
一种基于特征值和级联聚类的协作频谱感知方法 A Cooperative Spectrum Sensing Method Based on Eigenvalue and Cascade Clustering
一种基于特征值和级联聚类的协作频谱感知方法.pdf
- 文件大小:
- 1.99 MB
- 下载次数:
- 60
-
高速下载
|
|
