陈思吉，王 欣，申 滨

(重庆邮电大学 通信与信息工程学院，重庆 400065)

0 引 言

近年来，无线网络用户数量以及对无线服务和应用的需求均迅速增加。然而由于频谱资源的有限性，传统的静态频谱分配方法不能够满足无线高速网络日益增长的需求。因此，需要更高效的技术来应用频谱资源，认知无线电(cognitive radio，CR)技术就是其中之一。CR技术可以动态访问处于空闲状态的授权频谱，利用频谱感知(spectrum sensing)等方法确定授权频段状态信息，使得CR用户获得额外的频谱利用机会，提高频谱利用率[1]。常用的频谱感知方法有能量检测、循环平稳信号谱相关检测、本地振荡器能量泄漏检测、协同频谱感知等。能量检测方法是最普遍采用的方法，通过检测某一频段的信号能量，与设定的阈值相比较，判断主用户(primary user，PU)是否在使用授权频段。然而，能量检测方法效果非常有限，很难区分纯噪声与包含微弱PU信号的噪声。与能量检测相比，其他检测方法往往存在对先验信息依赖较强或者需要预知噪声功率信息等问题[2]。因此，时至今日，频谱感知技术仍然不能很好保证次用户(secondary user，SU)活动相对于PU的透明度。

在人工智能领域，由于机器学习具有自动学习和自动预测的功能，逐渐发展成为模式识别和计算机科学理论的重要研究对象。近年来业界提出了结合机器学习分类器的频谱感知方法[3]。文献[3]直接利用机器学习方法对频谱感知结果进行预测分类，达到了良好的感知性能。文献[4]提出一……