基于深度学习的动态主用户频谱感知算法

摘要：

实际的频谱感知场景中主用户可能随机到达或者离开,当主用户状态在实时频谱感知期间动态变化时,现有的静态频谱感知算法性能急剧恶化.针对该现状,研究提出基于残差收缩注意力机制的动态主用户频谱感知算法.频谱感知间隔内,主用户随机到达或者随机离开的时间服从均匀分布.采用深度残差收缩网络(DRSN)提取动态主用户特征,并且滤除冗余的噪声特征;利用协调注意力模块(CAM)增强每个通道不同方向的特征信息,提高模型对动态主用户特征的表达能力.仿真结果表明,所提算法性能优于对比算法ResNet、CBAM_IQ和CBAM_Energy,所提算法对主用户随机到达或者离开服从不同分布的主用户都可以保持较高的检测概率.

关键词：认知无线电、频谱感知、动态主用户、深度残差收缩网络、协调注意力机制

所属期刊栏目：50

分类号：TN925

资助基金：国家自然科学基金;浙江省教育厅一般科研项目

在线出版日期：2024-01-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：60-65