一种基于长短期记忆的新颖频谱感知方案设计与实验验证
信息论
2021-12-07 v1 人工智能
机器学习
信号处理
math.IT
摘要
频谱感知使认知无线电系统能够在存在严重干扰的情况下检测相关信号。大多数现有频谱感知技术使用带特定假设的特殊信号-噪声模型并推导出一定的检测性能。为应对这种不确定性，基于学习的方法正被采用，且近来基于深度学习的工具已变得流行。此处，我们提出一种基于长短期记忆（LSTM）的频谱感知方法，LSTM是深度学习网络（DLN）的关键要素。LSTM的使用便于从频谱数据中隐式学习特征。该DLN使用若干特征训练，且所提感知技术的性能借助使用Adalm Pluto的实证测试平台设置得以验证。该测试平台经训练以获取使用FM进行的真实世界广播的主信号。实验数据显示，即便在低信噪比下，与当前频谱感知方法相比，我们的方法在检测与分类准确率方面表现良好。
引用
@article{arxiv.2111.10769,
title = {Design of an Novel Spectrum Sensing Scheme Based on Long Short-Term Memory and Experimental Validation},
author = {Nupur Choudhury and Kandarpa Kumar Sarma and Chinmoy Kalita and Aradhana Misra},
journal= {arXiv preprint arXiv:2111.10769},
year = {2021}
}