GA-LSSVM的认知无线电离线学习  

GA-LSSVM Offline Learning in Cognitive Radios

作　　者：伍春[1,2] 李颖 易克初[1] 

机构地区：[1]西安电子科技大学综合业务网理论及关键技术国家重点实验室,西安710071 [2]西南科技大学国防科技学院,四川绵阳621000 [3]中国电子系统工程公司研究所,北京100141

出　　处：《北京邮电大学学报》2012年第2期90-93,98,共5页Journal of Beijing University of Posts and Telecommunications

基　　金：国家重点基础研究发展计划项目(2009CB320403);国家科技重大专项项目(2009ZX03007-004);国家自然科学基金项目(61072138);西安电子科技大学ISN实验室开放课题(ISN10-09)

摘　　要：针对认知无线电(CR)的智能学习研究需求,提出了一种基于最小二乘支持向量机(LSSVM)的CR学习、决策方法.通过遗传算法(GA)进行超参数搜索,建立适当的基于LSSVM的CR学习模型,利用历史案例进行LSSVM离线训练学习,获得知识来指导未来的决策.仿真结果表明,GA-LSSVM能在较少进化代数内搜索出合适的超参数,并且LSSVM学习决策方法能有效提高CR系统的性能.A cognitive radio（CR） learning and decision making method based on least squares support vector machine（LSSVM） is proposed by the demand of CR intelligent learning research.Genetic algorithm is adopted to search the hyper-parameters of LSSVM,and the CR learning model based on LSSVM is established.Through LSSVM offline learning on historical instances,the CR system gets the knowledge and uses it to guide future decisions.Simulation shows that GA-LSSVM algorithm can find out appropriate hyper-parameters within small generations and the LSSVM learning and decision making method can improve CR system＇s performances effectively.

关 键 词：认知无线电 智能学习 最小二乘支持向量机 遗传算法 

分 类 号：TN929.5[电子电信—通信与信息系统]