典型文献
基于卷积神经网络的宽带合作频谱感知
文献摘要：
利用认知无线电网络中的多个次用户所能提供的大量频谱观测数据,提出一种基于卷积神经网络(convo-lutional neural network,CNN)的宽带合作频谱感知方案.宽带频谱感知旨在灵活地检测跟踪目标宽带授权频段上的可供使用的频谱空穴,该方案考虑利用宽带频谱上被占用的子带与未被占用的子带之间在信号能量及占用位置方面所体现出的类别差异,通过设计一种CNN模型并基于此对频谱观测数据进行训练学习,得到频带占用模式分类模型,从而实现宽带合作频谱感知.仿真结果证明,与传统的基于能量检测技术和典型机器学习(machine learn-ing,ML)分类算法的宽带合作频谱感知方案相比,该方案在检测性能上具有较大的优势,特别是在低信噪比环境下的检测性能.
文献关键词：
卷积神经网络(CNN);频带占用模式;监督学习;分类器;宽带合作频谱感知
中图分类号：
作者姓名：
张红;申滨;张燕;方广进;许怀文
作者机构：
重庆邮电大学 通信与信息工程学院,重庆400065;重庆大学 辛辛那提大学联合学院,重庆400044
文献出处：
引用格式：
[1]张红;申滨;张燕;方广进;许怀文-.基于卷积神经网络的宽带合作频谱感知)[J].重庆邮电大学学报（自然科学版）,2022(05):766-775
A类：
宽带合作频谱感知,频带占用模式
B类：
认知无线电网络,所能,观测数据,convo,lutional,neural,network,知方,检测跟踪,跟踪目标,频段,可供使用,空穴,信号能量,训练学,模式分类,分类模型,能量检测,machine,learn,ing,ML,分类算法,检测性能,低信噪比,监督学习,分类器
AB值：
0.269791
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
