1.一种基于几何功率的监督频谱感知方法，其特征在于，包括以下步骤：S1、构建具有广义高斯分布的噪声模型，在噪声模型产生的噪声环境中仿真并接收信号；

S2、对接收到的信号进行几何功率求解，将得到的几何功率作为特征向量；

S3、构建监督学习模型，通过特征向量对监督学习模型进行训练，得到训练后的监督学习模型；

S4、获取并将实际环境中的信号的几何功率输入训练后的监督学习模型，进行频谱感知；

步骤S2的具体方法包括以下子步骤：

S2‑1、对接收到的信号进行N次采样，每次采样的采样点数为M，得到N个样本集；

S2‑2、根据公式：

通过第i个样本集中样本的平均值代替期望值，并得到与第i个样本集相应的几何功率；其中 表示第i个样本集中第j个样本；

S2‑3、根据公式：

构建特征向量 ；

步骤S3的具体方法包括以下子步骤：

S3‑1、根据公式：

构建监督学习模型的超平面方程，获取线性核 ；其中 是权重向量；为偏差向量； 表示矩阵的转置； 和 均为监督学习模型的待训练参数；X为监督学习模型的输入；

S3‑2、初始化 和 ；

S3‑3、将特征向量作为监督学习模型的输入，获取特征向量对应的线性核的值；

S3‑4、当特征向量对应的线性核的值大于等于1时，监督学习模型输出主用户使用频谱的标签；当特征向量对应的线性核的值小于等于‑1时，监督学习模型输出主用户未使用频谱的标签；

S3‑5、判断当前的监督学习模型的分类成功率是否达到预期，若是则将当前的监督学习模型作为训练后的监督学习模型；否则进入步骤S3‑6；

S3‑6、构建损失函数，通过特征向量的真实标签和监督学习模型输出标签计算损失值，反向传播更新 和 ，返回步骤S3‑3；

步骤S4中获取实际环境中的信号的几何功率的具体方法为：采用与步骤S2相同的方法获取实际环境中的信号的几何功率。

2.根据权利要求1所述的基于几何功率的监督频谱感知方法，其特征在于，步骤S1中噪声的形状参数大于0小于等于2，噪声的尺度参数大于0。

3.根据权利要求1所述的基于几何功率的监督频谱感知方法，其特征在于，步骤S3中的监督学习模型包括SVM模型和KNN模型。