文献

J-GLOBAL ID：201702254140399543   整理番号：17A1986904

コグニティブ無線センサネットワークにおける新しいSVMスペクトルセンシング戦略【JST・京大機械翻訳】

A New SVM Spectrum Sensing Strategy Based on Cognitive Wireless Sensor Networks

著者 (4件)： Wang Xiaodong (空軍工程大学理学院,西安,710051) ,  Chen Zhangxing (空軍工程大学理学院,西安,710051) ,  Ren Xiaoyue (空軍工程大学理学院,西安,710051) ,  Lin Xing (空軍工程大学理学院,西安,710051)
資料名： Kongjun Gongcheng Daxue Xuebao Zirankexueban  (Kongjun Gongcheng Daxue Xuebao Zirankexueban)
巻： 18  号： 4  ページ： 73-78  発行年： 2017年 
JST資料番号： C2706A  ISSN： 1009-3516  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 認知無線センサネットワークに基づくサポートベクトルマシン(SVM)の実現可能性について述べた。低SNR雑音の複雑さが高い無線環境に対して、単一の識別方法は相対的に正確な結果を得ることが難しい。隠れMarkovモデル(HMM)に基づいて,従来のSVMスペクトル認識アルゴリズムを最適化し,多重分類器アンサンブルを用いて,認識誤りを低減し,認識ロバスト性を強化した。最小二乗法を用いて線形不等式制約を線形制約に変換して最適な超平面を獲得し、主信号とノイズ干渉を分割し、主ユーザの状態に対して決定を行い、最後に従来のエネルギー検出アルゴリズムと比較した。シミュレーション結果により,SVMのスペクトル検出性能は理論値に近く,エネルギー検出よりも信頼性が高く,誤り率が1.6%であり,低SNRでの検出確率が18%より高く,より良い検出性能とロバスト性を有することを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 隠れMarkovモデル ,  最小二乗法 ,  *センサネットワーク ,  ロバスト性 ,  サポートベクトルマシン ,  最適化 ,  *スペクトル ,  誤り率
準シソーラス用語： 検出能 ,  エネルギー検出 ,  検出アルゴリズム ,  低SN比 ,  *無線センサネットワーク ,  *スペクトル検出 ,  *コグニティブ無線 , 【Automatic Indexing@JST】

著者キーワード (5件)： cognitive wireless sensor networks ,  spectrum sensing ,  support vector machine ,  Hidden Markov model ,  energy detection

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： コグニティブ無線 ,  センサネットワーク ,  SVM ,  スペクトルセンシング ,  戦略