1.一种集中式频谱感知方法，其特征在于，包括以下步骤：获取各次用户感知信号的训练数据，生成所述训练数据的原始信号矩阵；对所述训练数据的原始信号矩阵进行I/Q分解，通过将所述训练数据的原始信号矩阵的分解结果转化为协方差矩阵，构建所述训练数据的信号特征向量；以所述训练数据的信号特征向量作为样本生成训练集；

获取各次用户感知信号的测试数据，生成所述测试数据的原始信号矩阵；对所述测试数据的原始信号矩阵进行I/Q分解，通过将所述测试数据的原始信号矩阵的分解结果转化为协方差矩阵，构建所述测试数据的信号特征向量；以所述测试数据的信号特征向量生成测试集；

根据所述训练集，运用DBSCAN算法获取频谱感知判决分类器；

根据所述测试集，运用所述频谱感知判决分类器判断是否存在主用户信号。

2.根据权利要求1所述的集中式频谱感知方法，其特征在于，所述原始信号矩阵Y按以下方式表示：其中，xm(n)表示次用户m在第n个采样时间点的感知信号，m＝[1，2，...，M]，n＝[1，

2，...，N]。

3.根据权利要求2所述的集中式频谱感知方法，其特征在于，所述原始信号矩阵经过I/Q分解得到的分解结果YI和YQ分别按以下方式表示：

4.根据权利要求3所述的集中式频谱感知方法，其特征在于，所述分解结果YI和YQ分别转化为协方差矩阵CI和CQ后按以下方式表示：CI＝E[YI(YI)T]；

CQ＝E[YQ(YQ)T]；

其中，E[·]表示期望运算，协方差矩阵CI和CQ分别可以表示为：

5.根据权利要求4所述的集中式频谱感知方法，其特征在于，所述信号特征向量按以下方式表示：t＝[tI，tQ]；

其中：

6.根据权利要求1至5任一项所述的集中式频谱感知方法，其特征在于，根据所述训练集，运用DBSCAN算法获取频谱感知判决分类器，包括以下步骤：运用DBSCAN算法将所述训练集的样本划分为C1和C2两个簇；

通过最小化簇中样本间的欧式距离分别获取C1和C2对应的簇中心ψ1和ψ2；

根据所述簇中心ψ1和ψ2，构建频谱感知判决分类器。

7.根据权利要求6所述的集中式频谱感知方法，其特征在于，所述频谱感知判决分类器按以下公式表示：其中，表示测试集的待测试信号特征向量；当Γ≥γ时，代表主用户信号存在，否则代表主用户信号不存在；γ为控制虚警概率的参数。

8.一种集中式频谱感知系统，其特征在于，包括：

训练集获取模块，用于获取各次用户感知信号的训练数据，生成所述训练数据的原始信号矩阵；对所述训练数据的原始信号矩阵进行I/Q分解，通过将所述训练数据的原始信号矩阵的分解结果转化为协方差矩阵，构建所述训练数据的信号特征向量；以所述训练数据的信号特征向量作为样本生成训练集；

测试集获取模块，用于获取各次用户感知信号的测试数据，生成所述测试数据的原始信号矩阵；对所述测试数据的原始信号矩阵进行I/Q分解，通过将所述测试数据的原始信号矩阵的分解结果转化为协方差矩阵，构建所述测试数据的信号特征向量；以所述测试数据的信号特征向量生成测试集；

频谱感知判决分类器获取模块，用于根据所述训练集，运用DBSCAN算法获取频谱感知判决分类器；

主用户信号判断模块，用于根据所述测试集，运用所述频谱感知判决分类器判断是否存在主用户信号。

9.一种储存介质，其上储存有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的集中式频谱感知方法的步骤。

10.一种通信设备，包括相互构成认知无线电网络的主用户端、次用户端以及中心节点，其特征在于：所述中心节点包括储存介质、处理器以及储存在所述储存介质中并可被所述处理器执行的计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的集中式频谱感知方法的步骤。