基于均值辅助的LSTM网络频谱感知算法

摘要：

针对传统感知算法在低信噪比时检测性能低和深度学习感知算法网络训练量大、复杂度高等问题,本文提出一种在均值辅助下的长短时记忆网络(Long Short-Term Memory,LSTM)频谱感知算法.具体来讲,首先对接收信号序列做多点均值计算,然后利用所得的均值构造特征向量并作为LSTM网络的输入来训练网络,最后利用训练好的网络对新的接收序列进行感知.仿真结果表明:相比于传统算法,所提算法在检测性能上有较大提升;相对于利用原始接收序列直接训练的深度学习算法,所提算法的复杂度大幅下降.

关键词：频谱感知、LSTM、神经网络、均值辅助

所属期刊栏目：37

分类号：TP391(计算技术、计算机技术)

资助基金：陕西省宽带无线技术应用创新团队;西安邮电大学创新基金

在线出版日期：2021-04-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：409-416