从数据集读取原始PU信号数据（使用第1列前50000行信号进行实验），根据噪声信号生成原理，分别生成主用户信号H_1(正样本)和次用户信号 H_0（负样本）...

好的，首先需要明确一下噪声信号的生成原理，一般来说，噪声信号是由多种随机过程叠加而成的。在本次实验中，我们可以采用高斯白噪声（AWGN）作为噪声信号。

接下来，我们可以使用Python的NumPy库读取数据集，并且取第一列前50000行作为原始PU信号数据。具体代码如下：

import numpy as np

# 读取数据集
data = np.loadtxt('data_set.txt')

# 取第一列前50000行作为原始PU信号数据
pu_signal = data[:50000, 0]

接着，我们可以定义一个函数来生成主用户信号H_1和次用户信号H_0。主用户信号H_1可以直接使用原始PU信号数据，而次用户信号H_0则需要将原始PU信号数据与高斯白噪声叠加得到。具体代码如下：

def generate_H1_H0(pu_signal, snr):
    # 生成主用户信号H_1
    H_1 = pu_signal
    
    # 计算噪声功率
    noise_power = np.var(pu_signal) / (10**(snr/10))
    
    # 生成次用户信号H_0
    noise = np.sqrt(noise_power) * np.random.randn(len(pu_signal))
    H_0 = pu_signal + noise
    
    return H_1, H_0

其中，snr表示信噪比，可以根据实际情况进行调整。生成主用户信号H_1和次用户信号H_0的代码如下：

# 生成主用户信号H_1和次用户信号H_0
H_1, H_0 = generate_H1_H0(pu_signal, snr=10)

这样，我们就成功地生成了主用户信号H_1和次用户信号H_0。