10.3979/j.issn.1673-825X.202105070148
基于卷积神经网络的宽带合作频谱感知
利用认知无线电网络中的多个次用户所能提供的大量频谱观测数据,提出一种基于卷积神经网络(convo-lutional neural network,CNN)的宽带合作频谱感知方案.宽带频谱感知旨在灵活地检测跟踪目标宽带授权频段上的可供使用的频谱空穴,该方案考虑利用宽带频谱上被占用的子带与未被占用的子带之间在信号能量及占用位置方面所体现出的类别差异,通过设计一种CNN模型并基于此对频谱观测数据进行训练学习,得到频带占用模式分类模型,从而实现宽带合作频谱感知.仿真结果证明,与传统的基于能量检测技术和典型机器学习(machine learn-ing,ML)分类算法的宽带合作频谱感知方案相比,该方案在检测性能上具有较大的优势,特别是在低信噪比环境下的检测性能.
卷积神经网络(CNN)、频带占用模式、监督学习、分类器、宽带合作频谱感知
34
TN929.5
国家自然科学基金62071078
2022-11-01(万方平台首次上网日期,不代表论文的发表时间)
共10页
766-775