联合循环平稳特征PCA与RVM的频谱感知

针对无线信道环境中低信噪比情况下主用户信号检测率较低的问题,提出了一种基于循环平稳特征主成分分析(PCA)与相关向量机(RVM)的认知网络频谱感知算法。该算法结合了主成分分析算法与相关向量机分类方法,应用于解决认知网络频谱感知问题。首先对信号循环平稳特征参数进行特征提取,通过主成分分析进行降维提取信号主成分,生成训练样本和待测样本,并完成对相关向量机的训练,再采用训练完成的相关向量机算法分别对有无主用户情况下的信号进行分类检测,最后获得主用户信号存在性的感知判断。仿真实验表明,与人工神经网络、支持向量机和最大最小特征值算法相比较,所提算法在低信噪比情况下具有较高的分类检测性能,检测率最大可提高61.6%,有效地实现了对主用户信号的感知。     

基于循环平稳ANN的主用户频谱感知算法研究

针对无线信道环境中,信道多径衰落和噪声不确定性等低信噪比情况下主用户信号检测性能较低的问题,提出一种基于循环平稳人工神经网络(ANN)的主用户信号频谱感知算法。该算法首先对信号特征参数进行提取,作为训练样本和待测样本,再采用ANN算法分别对有无主用户情况下的信号进行分类检测。仿真实验表明,与能量检测法(ED)和循环平稳特征检测法(CD)相比较,所提算法可在低信噪比情况下,不受噪声不确定性等因素影响,具有较高的分类检测性能,有效地实现了对主用户信号的感知。     

频谱协作认知检测算法研究

为实现对低信噪比主用户信号进行可靠的检测,论文结合基于循环平稳的主用户信号具有不同循环频率的特性,以及次用户间的协作检测能有效地克服无线环境中多径衰减和阴影效应等不利因素影响的特点,提出了基于循环平稳特性的协作频谱检测算法。算法利用次用户对主用户信号的多个不同循环频率进行协作检测,并对各个次用户独立的检测结果进行权值数据融合,从而实现最终全局判决。同时,为进一步改善检测性能,论文研究了基于最大比合并的权值优化方法。仿真实验表明即使信号在较低信噪比情况下,论文研究的算法亦具有较好的检测性能。      

冲击噪声背景下基于KPCA和C-SVM的频谱检测算法

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 PrincipalComponent 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.     

基于能量和循环平稳特征检测的CMMB主用户信号感知技术研究

认知无线电是提高频谱利用率的有效手段。CMMB是我国自主知识产权的一种移动多媒体广播制式,当CMMB主用户不在线时,次用户可以使用该频段进行通信。文章研究了基于能量的和循环平稳特征检测的CMMB主用户信号频谱感知技术。仿真结果表明:所提ED-CFD算法检测概率较ED算法有较大提高,尤其是低信噪比条件下,同时也较CFD算法大大降低了计算量。     

基于循环谱能量的自适应频谱检测算法

根据信号循环平稳谱的特征,研究在低信噪比环境下的频谱检测问题,提出一种基于循环谱能量的自适应判决门限频谱检测算法。该算法融合能量检测与循环平稳特征检测的机理,以信号的循环谱能量为检测统计量,加权合并虚警率与检测率,准确估计循环谱特征值,构建了具有噪声自适应能力的频谱检测判决门限。仿真结果表明,该算法可以在低信噪比环境下有效地完成频谱检测,克服了噪声波动对频谱检测性能的影响,对不同调制主信号的感知具有稳健性。与最大—最小特征值算法和盲检测算法相比,该算法分别改善了信噪比4dB和8dB。     

基于能量和循环平稳检测的双门限两层感知算法

针对传统能量检测法容易受到噪声干扰、循环平稳检测法计算复杂度高的问题,提出了一种基于能量检测和循环平稳检测的双门限两层感知算法。利用双门限能量检测法对接收信号进行第一层检测,对于能量统计值落入双门限之间的信号,采用循环平稳检测法进行第二层检测。通过对传统能量检测法、循环平稳检测法和文中双门限两层感知算法的检测性能和复杂度进行仿真对比,结果显示在相同检测概率情况下,文中方法相较前两种方法,信噪比分别提升了2 dB和1 dB,虚警率分别降低了0.18和0.1,验证了双门限两层感知算法的有效性和可靠性。     

瑞利信道中自适应双门限频谱感知算法研究

频谱感知是认知无线电中的一项关键技术,能量检测、匹配滤波器检测和周期循环频谱检测是认知无线电中频谱感知技术中传统、经典的算法.基于能量检测的频谱感知算法因实现简单且不需要先验信息而被广泛应用,但低信噪比的情况下检测概率会降低,用户的检测性能不足,从而导致认知用户和主用户之间的冲突碰撞次数增多.针对以上存在的问题,在基于自适应频谱感知的基础上,利用噪声功率估计,提出了一种瑞利信道下的自适应双门限频谱感知算法.仿真结果表明,在低信噪比噪声不确定的情况下,这种算法能够大大提高检测概率,有效降低了认知用户和主用户之间的冲突碰撞次数,从而提高频谱的利用率.     

基于二阶循环累积量的多载波信号频谱检测

针对认知无线电系统中多载波信号OFDM/OQAM进行循环谱特征检测预处理要求严格的问题,提出一种以二阶循环累积量的循环频率为特征,结合循环平稳性检测的频谱感知改进算法.算法无需各种参数估计以及同步等预处理过程,理论推导及仿真结果证明,该算法能够实现低信噪比下主用户信号的有效感知,且相比于能量检测法能达到更好的检测性能.     

基于图像K-means聚类分析的频谱感知算法

近年来,基于能量检测的协作频谱感知算法被广泛应用于频谱感知领域。由于该方法在计算能量检测的判决门限受噪声影响较大以及受限于认知用户的数量等问题,导致其检测性能受到影响。为了解决这一问题,本文提出一种基于图像K-means聚类分析的频谱感知算法。这种方法利用主用户信号存在与否的两种认知信号状态映射成图像,经过调整图像强度和高斯滤波预处理之后利用提取图像像素分布直方图的方法提取出特征向量,然后利用改进的K均值聚类算法对这些特征向量进行训练得到分类模型。最后利用训练好的分类模型对未知信号进行检测,从而实现频谱感知。仿真结果表明,本文所提出的频谱感知算法,在检测性能上优于传统能量检测以及协作频谱感知算法,尤其在低虚警概率、低信噪比的环境下效果更加突出。      

基于AdaBoost和PCA的动态人脸考勤技术研究

设计并实现了基于Adaboost和PCA的动态人脸识别考勤系统。利用AdaBoost快速人脸检测方法为基础,然后使用PCA方法来实现人脸识别.实验结果表明,利用该方法开发的动态人脸识别考勤系统具有识别率高、实用性好、可靠性强等特点.     

基于PCA特征提取和距离哈希K近邻分类的人脸表情识别

使用PCA降维,提取人脸表情特征,并结合基于距离的哈希K近邻分类算法进行人脸表情识别。首先使用类Haar特征和AdaBoost算法进行人脸检测,并对人脸图像进行预处理;接着使用PCA提取人脸表情特征,并将特征加入到哈希表;最后使用K近邻分类算法进行人脸表情的识别。将特征库重构为哈希表后,很大地提高了识别效率。     

融合SVM和AdaBoost的近红外人脸识别方法

针对人脸识别算法复杂度高和误检率高的问题,提出了一种在二维主元分析(2DPCA)方法基础上,融合支持向量机(SVM)和AdaBoost训练法的近红外人脸识别新算法。该算法首先对近红外光照下的图像通过人脸检测、小波变换和二维主元分析得到"特征脸";然后,对特征数据先进行SVM分类学习,并以SVM学习结果作为初始分类器,再通过Ada-Boost方法进一步加强,形成强分类器,作用于待测样本,完成识别。实验证明,该算法不仅提高了分类器的分类能力,而且降低了计算的复杂度,在实际场景应用中有较高的识别率。     

红外光谱结合化学计量学检验直液式走珠笔墨水

检验鉴定书写墨水是法庭科学领域中一项重要的工作。利用傅里叶变换红外光谱仪对市面上常见的20种直液式走珠笔墨水样品进行检验,采取化学计量学实现了对直液式走珠笔墨水的快速检验。对傅里叶变换红外光谱数据做标准化处理,采取自动基线矫正、峰面积归一化、Savitzky-Golay 5点平滑3种方法对谱图做预处理,通过误差平方和指标（sum of the squares errors, SSE）确定分类K的最优取值,对样品进行K-均值聚类分析并解释聚类结果。采取主成分分析方法验证K-均值聚类的结果,利用组均值均等检验考察主成分变量对Fisher判别分析（Fisher discriminant analysis, FDA）模型的贡献程度,构建直液式走珠笔墨水的FDA判别模型。结果表明,K-均值聚类将全部墨水样本聚类为3类,PCA-FDA（principal components analysis-fisher discriminant analysis）模型能够对不同类别直液式走珠笔墨水达到100%的预测分类,经交叉验证后正确率达到100%。红外光谱与PCA-FDA模型结合可用于直液式走珠笔墨水的快速、准确检验鉴定。     

基于主成分分析和模糊识别方法的生物分子太赫兹光谱识别

提出了一种基于主成分分析（PCA）和模糊模式识别方法的生物分子太赫兹（THz）光谱识别方法,并采用多种典型糖类和氨基酸生物分子的太赫兹透射光谱作为实验介质证明所提方法的可行性和有效性。首先,运用PCA方法对生物分子太赫兹光谱数据做降维处理,提取样品太赫兹光谱特征信息;然后,用获得的主成分得分矩阵代替原始太赫兹光谱数据输入到模糊模式识别分析模型中,运用基于择近原则的模糊模式识别方法对待定样品进行分类识别。实验结果表明以生物分子的太赫兹光谱作为数据特征,采用PCA与模糊识别相结合的方法实现生物分子的检测和识别是可行的,该方法为太赫兹光谱技术用于生物分子的鉴定和识别提供了一种新的有效的分析方法。     

频谱异构认知无线电中基于吞吐量降的空时频谱机会感知

在认知无线电(CR)中,频谱感知是实现动态频谱接入的关键技术之一。为适当保护主用户并最大化次级用户的性能,目前大部分相关工作均是用虚报概率和漏检概率作为感知度量来确定最佳感知参数的。但这种度量是用主次用户的碰撞概率来衡量次级用户对主用户的影响的,没有考虑干扰强度的影响,仅适合同构频谱环境;在不同位置次级用户有不同接入机会的异构频谱环境中,并不能最大化频谱利用率。为此,该文首先定义了吞吐量降,并提出在异构频谱环境下采用吞吐量降作为一种新的感知度量。吞吐量降是指由于次级用户占用授权频谱而导致主用户吞吐量下降的百分比。在衡量次级用户对主用户的影响时,它综合了主次用户的碰撞概率和干扰强度两个因素;其次,研究了以吞吐量降为约束的次级用户吞吐量优化问题。最后,数值仿真证实了该方案比目前几种传统方案的频谱利用率显著提高。     

一种新的无监督的卫星影像变化检测算法

提出了一种基于主分量分析(PCA)和上下截集模糊Kohonen聚类网络(UDSFKCN)的、无监督的、不同时相的和卫星影像的像素级变化检测新算法.将PCA和UDSFKCN两种方法结合,并将它应用于不同时相的卫星影像的变化检测.该方法结合每个像素的邻域信息,利用PCA,产生每个像素对应的基于邻域信息的特征向量;又将变化区...