10.16208/j.issn1000-7024.2023.06.009
基于FLOM和LSTM的频谱感知算法
为解决现有频谱感知检测方法在 Alpha 噪声中性能下降的问题,提出一种基于 FLOM(fractional low order mo-ment,FLOM)和 LSTM(long short-term memory,LSTM)神经网络的频谱感知算法.利用分数低阶矩在解决非高斯噪声下感知性能退化的强大能力以及长短期记忆神经网络在解决时序特性问题上的强大处理能力,设计一个频谱感知算法.不同于现有的基于能量和协方差矩阵等二阶统计量的频谱感知,利用 FLOM对数据进行分数低阶预处理后,LSTM通过提取分数低阶协方差矩阵的特征进行决策.仿真结果表明,该算法比传统的频谱感知算法具有更高的检测概率.在低信噪比下,基于分数低阶矩阵感知的 LSTM检测方案的检测概率比其它基于数据驱动的检测方法改善了至少 15%.
认知无线电、频谱感知、分数低阶矩、LSTM神经网络、非高斯噪声、分数低阶预处理、频谱感知算法
44
TN911.6
国家自然科学基金;江苏省自然科学基金
2023-06-26(万方平台首次上网日期,不代表论文的发表时间)
共9页
1656-1664