摘要：近年來隨著盲檢測算法的提出,越來越多的基于采樣協(xié)方差矩陣的盲檢測算法應(yīng)用于頻譜感知。針對其檢測門限是近似值,檢測性能會受到影響等問題,提出了基于采樣協(xié)方差矩陣的混合核函數(shù)的支持向量機(jī)(support vector machine,SVM)高效頻譜感知,通過感知信號采樣協(xié)方差矩陣的最大最小特征值(maximum minimumeigenvalue,MME)和協(xié)方差絕對值(covariance absolutevalue,CAV)提取的統(tǒng)計量作為SVM的特征向量并訓(xùn)練其生成頻譜感知的分類器,無需計算檢測門限并且特征提取減少了樣本集的大小。利用遺傳算法(genetic algorithm,GA)優(yōu)化混合核函數(shù)的SVM的參數(shù)。實驗結(jié)果表明,該方法比MME算法和CAV算法的檢測概率有所提高,并且比SVM減少了感知時間,具有良好的實用性。