基于深度卷积神经网络的频谱感知算法

作者：曾昱祺; 饶路

来源：中国无线电, 2021, (04): 54-57.

• 卷积神经网络
• 能量检测
• 频谱感知

随着无线通信的快速发展,频率资源日益紧张,认知无线电技术在未来无线通信中将发挥越来越重要的作用。频谱感知是认知无线电的关键部分。现有的频谱感知技术主要有能量检测法、频谱周期检测法、最大最小特征值检测法等,但这些方法都是模型驱动的方法,需要事先了解信号或噪声信息。然而,在实际环境下,信号往往未知,且噪声情况动态变化,传统频谱感知方法性能受挫。基于数据驱动的深度神经网络可以通过网络预训练实现对电磁环境的感知,从而对动态噪声以及未知信号具有一定鲁棒性。本文提出了一种基于卷积神经网络(CNN)的频谱感知方法,利用神经网络强大的特征提取能力对数据进行表征。首先,将接收信号的协方差矩阵作为CNN的输入,通过离线训练得到判决门限值。基于该门限,通过在线检测来确定主用户(PU)是否"存在"。仿真结果表明,该方法具有较高的准确率,且在低信噪比情况下优于传统的能量检测方法。

• 单位
  北京邮电大学; 国家无线电监测中心