基于XGBoost与协方差特征的频谱感知算法

发布时间：2024-04-23 01:40

　　近年来随着盲检测算法的提出,越来越多基于采样协方差矩阵的盲检测算法开始应用于频谱感知。针对基于信号协方差矩阵的频谱感知算法门限无法准确获得,以及特征信息单一等问题,提出基于XGBoost与协方差特征的频谱感知算法。首先提取接收信号采样协方差矩阵统计量作为XGBoost的训练特征向量,并生成训练样本和测试样本,然后对XGBoost进行训练得到频谱感知分类器,最后利用分类器进行频谱感知。仿真结果表明,该算法比支持向量机算法、随机森林算法及传统最大最小特征算法的检测概率更高,在信噪比为-14dB时,该算法检测概率达到0.98,且训练时间与测试时间少于对比算法,具有良好的性能。

【文章页数】：6 页

【部分图文】：

图1基于XGBoost的频谱感知模型

本文频谱感知方法处理过程如图1所示。算法流程如下：

图2模型在测试数据上AUC值比较

将数据分为3组进行实验对比，第1组训练数据量为11000，每个信噪比数据为1000；第2组训练数据量为22000，每个信噪比数据为2000；第3组训练数据量为33000，每个信噪比数据为3000；测试数据量均为11000，每个信噪比数据为1000。分别用以上3组训....

图3不同认知用户数对模型AUC值影响

图5、图6反映的是当认知用户M为5时，不同采样点数对XGBoost模型性能的影响，由图5、图6得出采样点数越多，检测性能越好。1.0图4不同认知用户数对模型检测概率影响

图4不同认知用户数对模型检测概率影响

图3不同认知用户数对模型AUC值影响图5不同采样点数对模型AUC值影响

本文编号：3962433