1.一种基于Cholesky分解采样协方差矩阵的SVM高效频谱感知方法，其特征在于：S1，采用Cholesky分解感知信号的采样协方差矩阵，构造统计量；

S2，对所述统计量进行标记标签；

S3，将所述统计量和对应的标签作为训练样本集，采用SVM算法训练所述样本，得到凸二次规划问题；

S4，采用序列最优化算法求解所述凸二次规划问题，得到SVM分类器；

S5，采用SVM分类器对主用户状态进行分类。

2.权利要求1所述的方法，其特征在于：步骤S1采用以下步骤完成：S1.1：将认知无线电划分为PU和SU，PU为主用户，SU为次用户，PU的频谱优先级高于SU，其中，SU具有M根天线，且M为自然数；

认知设备接收信号二进制假设检验表示为：其中，H0和H1分别表示主用户存在与否；k为自然数，k＝1,2,…N，且N为自然数，表示在一个时隙中感知的样本维数；s(k)为实数，代表第k个接收的PU信号序列；n(k)为实数，代表第k个接收信号附加的加性高斯白噪声；x(k)和h(k)均为实数，分别是第k个SU接收的感知信号和信道增益；

S1.2：在SU的M根天线上收集信号，感知信号矩阵表示为式(2)：其中，矩阵X1中的元素xi(k)为第i个天线，第k个接收信号的取值，且i，k和M均为自然数；

S1.3：感知信号的采样协方差矩阵表示成：维度为M×M的矩阵R其中，(·)T代表转置；

S1.4：Cholesky分解感知信号的采样协方差矩阵，并构造统计量：Cholesky分解矩阵R，R＝UUT；

其中，U是一个下三角矩阵表达式如下：其中，uij≥0(j≥i)，且i,j为自然数；

其计算如下

其中，Rij是式(3)所表示的协方差矩阵R的第i行，第j列元素；

统计量构造为下式：

其中，L为训练样本的维数，L为自然数；且统计量Xk是接近1的实数；分子为下三角矩阵U的元素之和，分母为下三角矩阵U的主对角线元素。

3.权利要求1所述的方法，其特征在于：步骤S2采用以下步骤完成：在能量检测中，检测统计量的构造及检测规则如下：其中，D1和D0分别代表SU感知到PU存在或不存在的状态，并采用标签“+1”和“-1”表示，E为感知信号的平均能量，λ为实数，表示检测门限；

检测门限是λ利用预设的虚警概率Pf，通过下式得到：其中，n为实数且计算为：n＝2TW；T为实数，代表观测时间，W代表带通滤波器的带宽。

4.权利要求1所述的方法，其特征在于：步骤S3采用以下步骤完成：S3.1：初始化训练集G＝{(Xi,fi)}，Xi代表步骤S1构造的训练统计量，fi∈{+1,-1}代表步骤S2对应的标签；

S3.2：假设超平面能够将训练样本正确分类，即对于(Xi,fi)∈G，若fi＝+1，则有：(w·Xi)+b＞0；若fi＝-1，则有：(w·Xi)+b＜0；

令：

(w·Xi)+b≥+1(fi＝+1),  (10)(w·Xi)+b≤-1(fi＝-1),  (11)其中，w为法向量，决定了超平面的方向；b为位移项，决定了超平面和原点间的距离；

由超平面决定的分类间隔为γ＝2/||w||2，||.||代表向量的范数；

当||w||2最小时，分类间隔γ最大；

具有“最大间隔”的超平面表示为：

s.t.fi[(w·Xi)+b]≥1,i＝1,2,…L.  (13)式(15)和式(16)通过拉个朗日乘子法及其对偶问题，得到优化问题(14)和(15)：其中，α为拉个朗日乘子，C为惩罚系数。

5.权利要求1所述的方法，其特征在于：步骤S4采用以下步骤完成：S4.1：初始化α(0)＝0，令k＝0，精度为ε；

S4.2：选取变量 和 求取新的

其中，Ei是预测值与真实值之间的误差，并定义η为：η＝K11+K22-2K12＝||Φ(X1)-Φ(X2)||,  (18)其中,Φ(X)表示X映射到特征空间的特征向量，核函数为:K(Xi,Xj)＝＜Φ(Xi),Φ(Xj)＞，代表X映射到特征空间的内积；

S4.3：更新 和 两个变量如式(22)和式(23)所示:其中，P和Q的表达式如下：

其中，C为惩罚系数；

S4.4：若在精度ε范围内，ε为正实数，检查是否满足式(23)-式(27)的终止条件，若满足返回值 否则令k＝k+1，转步骤S4.2；

0≤αi≤C，i＝1,2,…,L  (24)S4.5：根据返回的 更新偏移量b和差值E，转步骤S4.2；

得到bk后，更新Ei如下式：

其中，S为支持向量的下标的集合；

S4.6：所求的参数α和b代入决策函数，即SVM分类器：其中，sign(·)代表符号函数。y代表的PU信号的存在与否；

若y＝+1，则有假设H1成立，即PU存在；否则PU不存在。

6.权利要求1所述的方法，其特征在于：步骤S5采用以下步骤完成：将待测认知用户采样数据通过步骤S1的预处理，得到测试样本X＝[R1；R2]T写入SVM分类器，检测出频谱中PU使用情况与工作状态，并对此区分；

若SVM的输出值为“+1”,则表示频谱被PU占用；

若SVM的输出值为“-1”，则表示频谱未被PU占用。