认知无线电中基于迁移学习的鲁棒深度感知
信息论
2019-08-05 v1 机器学习
信号处理
math.IT
摘要
我们提出了一种基于深度学习的鲁棒频谱感知框架。次级用户接收机收到的信号经过滤波、采样后，直接输入卷积神经网络。尽管这种深度感知方法在与采集的训练数据相同的场景下运行有效，但当应用于具有不同无线信号和传播条件的不同场景时，其感知性能会下降。我们将迁移学习引入该框架以提高鲁棒性。实验结果验证了所提出的深度频谱感知框架的有效性和鲁棒性。
引用
@article{arxiv.1908.00658,
title = {Robust Deep Sensing Through Transfer Learning in Cognitive Radio},
author = {Qihang Peng and Andrew Gilman and Nuno Vasconcelos and Pamela C. Cosman and Laurence B. Milstein},
journal= {arXiv preprint arXiv:1908.00658},
year = {2019}
}