频谱感知中的K-D树KNN-SVM算法研究

作者：蒋礼君; 张晓格^*

来源：现代电子技术, 2021, 44(16): 7-13.

DOI：10.16652/j.issn.1004-373x.2021.16.002

• 联合分类器
• 频谱感知
• 认知无线电
• 特征提取
• 机器学习
• 冗余计算
• K-D树结构

传统的特征值检测法需要计算信号检测统计量和检测阈值,在不同的应用场景下,需要运用不同的特征提取算法来提取信号特征,却难以找到合适的特征提取算法。基于此文中提出一种改进的基于特征向量的K-D树KNN-SVM联合分类器算法。该算法相比传统的特征值检测法,无需计算检测统计量和检测阈值,且在KNN部分将训练样本排列成K-D树结构,可以大大减少KNN部分的冗余计算,使得支持向量机在分类超平面模糊时,加快K近邻算法的搜索速度。仿真实验结果表明,在选定最佳参数的K-D树KNN-SVM联合分类器中,相比KNN或SVM频谱感知算法,其检测性能明显提高,且检测效率也比KNN-SVM高。

• 单位
  南通先进通信技术研究院有限公司