3.5 GHz频段谱图的深度学习分类及其在频谱感知中的应用
信号处理
2023-08-22 v3 机器学习
摘要
在美国，联邦通信委员会已采纳规则，允许商业无线网络和联邦现有用户在3.5~GHz公民宽带无线电服务频段共享频谱。这些规则要求当传感器检测到美国军方操作的雷达（一个关键例子是SPN-43空中交通管制雷达）时，商业系统须腾出该频段。此类传感器需要高精度的检测算法以满足其运行要求。本文利用近期测量活动收集的超过14,000张3.5~GHz频段谱图库，研究了十三种SPN-43雷达检测方法的表现。具体而言，我们将信号检测理论与机器学习的经典方法与几种深度学习架构进行比较。我们证明机器学习算法明显优于经典信号检测方法。特别地，我们发现三层卷积神经网络在精度与计算复杂度之间提供了更优的权衡。最后，我们应用该三层网络为完整的3.5~GHz谱图库生成描述性统计。我们的发现凸显了经典方法在3.5~GHz频段雷达检测中的潜在弱点以及现代机器学习算法的优势。
引用
@article{arxiv.1806.07745,
title = {Deep Learning Classification of 3.5 GHz Band Spectrograms with Applications to Spectrum Sensing},
author = {W. Max Lees and Adam Wunderlich and Peter Jeavons and Paul D. Hale and Michael R. Souryal},
journal= {arXiv preprint arXiv:1806.07745},
year = {2023}
}