基于循环神经网络的无线电认知网络中 OFDM 收发机概率密度函数估计
信号处理
2018-07-19 v1
摘要
电信中最重要的问题是由于无线技术无控制增长所带来的带宽限制。部署动态频谱接入技术是为高效利用带宽所提供的方案之一。近年来，认知无线电网络作为高效利用频谱的工具被提出。这些无线电能够通过传感器和信号操作识别周围环境来使用无线电资源，即仅当授权用户未使用其频谱时才利用这些资源。次级用户是未授权用户，必须避免与初级用户传输发生干扰。每当初级用户出现时，次级用户必须离开信道以防止对初级用户造成损害。本文中，在基于 OFDM 的认知无线电网络中，基于概率密度函数，提出了一种基于循环神经网络（Recurrent Neural Network）的频谱机会预测方法，用于带宽优化，并通过预测频谱空穴发现来减少能量消耗以优化服务质量。仿真结果表明这些网络具有可接受的 SNR 值和带宽优化，使得次级用户能够在不与初级用户发生碰撞和重叠的情况下获取频谱并发送数据。
引用
@article{arxiv.1807.07009,
title = {Probability Density Function Estimation in OFDM Transmitter and Receiver in Radio Cognitive Networks based on Recurrent Neural Network},
author = {Mahdi Mir},
journal= {arXiv preprint arXiv:1807.07009},
year = {2018}
}
备注
OFDM, Cognitive Radio Networks, Recurrent Neural Network, Probability Density Function