8、数据挖掘在认知无线电系统中的调制分类应用

数据挖掘在认知无线电系统中的调制分类应用

1. 认知无线电与调制分类概述

认知无线电（CR）是一项创新技术，它能让未授权用户机会性地接入授权频谱频段，从而提高频谱利用率。这一过程借助异构架构和动态频谱接入技术来实现。认知无线电被定义为一种智能无线通信系统，它能感知周围环境，从环境中学习，并自适应调整传输参数，如频率、调制方式、发射功率和通信协议等。

频谱感知是认知无线电的一个重要方面，主要包括信号检测和调制分类两项任务。信号检测是指检测未使用的频谱（频谱空洞），相对简单，例如可通过将感兴趣频段的能量与预定阈值进行比较来完成。这一任务很重要，能确保未授权用户不会对授权用户造成干扰。调制分类则是要在短时间内以较高的成功率自动识别给定通信系统的调制方式（如PSK、FM、QAM等），识别调制方式有助于认知无线电对接收到的信号进行解调。为完成调制分类任务，可应用多种数据挖掘技术，如人工神经网络、支持向量机、贝叶斯分类器等。

2. 调制分类问题

调制分类系统由前端和后端（分类器）组成。前端将接收到的信号r(t)转换为一个由N个元素组成的向量x[k]（k = 1, …, N），分类器以x[k]为输入，从C个预定的调制方式中确定类别y ∈{1, …, C}。其过程可表示为：r(t)（信号）→前端→x[k]（特征）→分类器→y（类别）。

特征选择是分类器性能的关键步骤，它取决于待分类的调制类型、信噪比、衰落情况、频率偏移等因素。这里采用循环平稳性技术来提取调制特征，因为它对噪声和干扰信号的敏感度较低，还能提取载波频率和符号率等信号参数。

在以往的研究中，有很多将不同特征提取技术和分类器结合进行调制分类的工作，如下表所示：
|Ref.|前