10.16798/j.issn.1003-0530.2020.08.016
基于LSTM神经网络的卫星频谱多门限感知算法
针对在卫星认知通信场景下传统频谱感知算法感知性能低、受通信时延影响大的问题,提出了一种基于长短期记忆(LSTM)神经网络的卫星频谱多门限感知算法.首先构建卫星认知通信模型,其次将仿真数据送入长短期记忆(LSTM)神经网络进行预测感知,采用动量随机梯度下降(SGDM)算法对网络进行更新,然后提出多门限算法对网络输出进行优化,最后与其他神经网络算法作性能对比.该算法无需构建特征值,实验结果表明:在卫星信道条件下,当面对低接收信噪比及低网络迭代次数时,该算法频谱感知性能要优于其他神经网络算法.
卫星认知通信、频谱感知、长短期记忆神经网络、动量随机梯度下降算法、多门限优化
36
TN927
国家自然科学基金面上项目61871474
2020-10-14(万方平台首次上网日期,不代表论文的发表时间)
共9页
1326-1334