基于LSTM神经网络的卫星频谱多门限感知算法

作者：刘东健; 杨霄鹏; 肖楠; 朱圣铭

来源：信号处理, 2020, 36(08): 1326-1334.

DOI：10.16798/j.issn.1003-0530.2020.08.016

• 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

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。

• 单位
  空军工程大学信息与导航学院