赵季红，张艳平，曲 桦，徐西光

(1.西安邮电大学 通信与信息工程学院，陕西 西安 710061；2.西安交通大学 电子与信息工程学院，陕西 西安 710049)

冲击噪声背景下基于KPCA和C-SVM的频谱检测算法

赵季红1，2，张艳平1，曲 桦2，徐西光2

(1.西安邮电大学 通信与信息工程学院，陕西 西安 710061；2.西安交通大学 电子与信息工程学院，陕西 西安 710049)

针对背景噪声是冲击噪声，且在低信噪比中，二级用户检测性能低的问题，提出了核主成分分析(Kernel Principal Component Analysis，KPCA)和C-支持向量机(Support Vector Machine，SVM)的频谱检测方法。提取接收信号的循环谱特征，核主成分分析对信号特征进行降维，提取出信号的主要非线性特征，再结合C-SVM对接收信号进行分类。仿真结果表明，在冲击噪声背景下，低信噪比中，与PCA-SVM、SVM算法进行比较，所提算法能够提高次级用户的检测性能。关键词: 冲击噪声；循环谱特征；核主成分分析；C-支持向量机

随着无线通信业务的增长，可用的频谱资源越来越稀缺。但是，很多授权频谱却没有被充分利用。认知无线电(Cognitive Radio，CR)作为一种智能频谱资源共享技术能够显著提高频谱利用率[1-4]，受到了人们的广泛关注。认知无线电的关键技术是频谱检测[5]。

在认知无线电网络(Cognitive Radio Network，CRN)中，具有认知功能的非授权用户为认知用户。文献[6]指出频谱检测的本质是认知用户对接收信号进行检测，以判断某信道是否存在授权用户。文献[7]提出了基于最大最小特征值(Maximum-minimum Eigenvalue，MME)的频谱检测算法。文献[8]提出了一种基于小波分析的频谱检测算法。一些学者把机器学习算法应用于频谱检测中，文献[9]提出了一种基于接收信号矩阵特征值的SVM频谱感知算法。……