Resumen

Para resolver los problemas de bajo rendimiento del método tradicional de detección de espectro bajo relación señal-ruido baja, se propone un nuevo método de detección de espectro basado en el algoritmo de Descomposición en Modos Empíricos y el algoritmo de agrupamiento K-means. En primer lugar, se utiliza el algoritmo de Descomposición en Modos Empíricos y el algoritmo de umbral de wavelet para eliminar los componentes de ruido en la señal de detección de espectro, y se utiliza el algoritmo de agrupamiento K-means para determinar si existe el usuario primario. El método puede eliminar los componentes redundantes como el ruido en la señal de muestreo no estacionaria o no lineal en el entorno real y no necesita conocer la información previa como la señal, canal y ruido, por lo que puede manejar bien la señal de detección complicada en un entorno real. Este método puede reducir el impacto del ruido en el sistema de detección de espectro y, por lo tanto, mejorar el rendimiento de det

• Materias:Internet de las cosas Dispositivos móviles Ransomware Ingeniería de Telecomunicación Servidores en la nube
• Subjects:Internet of things Mobile devices Ransomware Telecommunication engineering Cloud Servers
• Palabras claves:Detección del espectro; Descomposición modal empírica; Agrupación de K-means; Eliminación del ruido; Detección del usuario principal; Características de la señal
• Keywords:Spectrum sensing; Empirical Mode Decomposition; K-means clustering; Noise removal; Primary user detection; Signal features