典型文献
基于卷积神经网络与注意力机制的频谱感知方案
文献摘要：
频谱感知的关键问题之一是检验统计量的设计,传统的频谱感知算法的检验统计量往往是通过建模得到的,然而这些模型有时并不能对实际环境准确建模,没有利用历史感知时隙的信息并且受噪声功率不确定度(Noise Power Uncertainty,NU)影响大.为解决这些问题,本文提出了一种基于深度学习(Deep Learning,DL)的频谱感知算法,该算法不需要检验统计量的建模,我们使用前k时隙的感知数据与当前时隙数据联合判别当前时隙的信道状态,并且在网络结构中引入了卷积注意力模块(Convolutional Attention Module,CBAM).大量的仿真实验表明,本文所提出的算法具有优异的性能.
文献关键词：
频谱感知;历史感知时隙;卷积注意力模块
中图分类号：
作者姓名：
从战;姜长建;丁蓉
作者机构：
宁波大学信息科学与工程学院,宁波315211
文献出处：
引用格式：
[1]从战;姜长建;丁蓉-.基于卷积神经网络与注意力机制的频谱感知方案)[J].无线通信技术,2022(01):1-5
A类：
历史感知时隙
B类：
注意力机制,知方,检验统计量,频谱感知算法,噪声功率,不确定度,Noise,Power,Uncertainty,NU,Deep,Learning,DL,感知数据,信道状态,卷积注意力模块,Convolutional,Attention,Module,CBAM
AB值：
0.25747
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。
