الانحدار الخطي وتخفيض الأبعاد في الراديو الإدراكي مع التحقق التجريبي

هناك اتجاه لتطبيق خوارزميات التعلم الآلي على الراديو الإدراكي. واحدة من المشاكل المفتوحة الأساسية هي تحديد كيف وأين تكون هذه الخوارزميات مفيدة في شبكة الراديو الإدراكي. في معالجة إشارات الرادار والاستشعار، يعتبر التحكم في درجات الحرية (DOF) --- أو الأبعاد --- هو الخطوة الأولى، والتي تسمى ما قبل المعالجة. في هذه الورقة، تم اقتراح دمج تخفيض الأبعاد مع SVM بدلاً من تطبيق SVM فقط للتصنيف في الراديو الإدراكي. يتم استخدام إشارات Wi-Fi المقاسة ذات نسبة إشارة إلى ضجيج عالية (SNR) للتجارب. يتم استخراج DOF لإشارات Wi-Fi بواسطة تقنيات تخفيض الأبعاد. تظهر النتائج التجريبية أن مع تخفيض الأبعاد، تكون أداء التصنيف أفضل بكثير مع عدد أقل من المميزات مقارنة بدونه. يمكن أن تتطابق معدلات الخطأ في التصنيف باستخدام ميزة واحدة فقط من الخوارزمية المقترحة مع معدلات الخطأ لـ 13 ميزة من البيانات الأصلية. سيتم اختبار الطريقة المقترحة بشكل أكبر في منصة اختبار شبكة الراديو الإدراكي الخاصة بنا.