用于检测卫星物联网信号的脉冲神经网络
信息论
2025-11-11 v1 信号处理
math.IT
摘要
随着物联网（IoT）网络的快速增长，泛在覆盖正变得愈发必要。已提出用于物联网的低地球轨道（LEO）卫星星座，以为地面系统无法覆盖的区域提供连接。然而，用于上行链路通信的 LEO 星座受到用户设备高密度的严重限制，这导致了高水平的同信道干扰。本研究提出了一种利用脉冲神经网络（SNNs）在存在上行链路干扰情况下检测物联网信号的新框架。SNNs 的关键优势是相对于传统深度学习（DL）网络极低的功耗。将基于脉冲的神经网络检测器的性能与最先进的 DL 网络以及常规匹配滤波器检测器进行比较。结果表明，由于 DL 和 SNN 接收机能够有效区分同信道干扰中的目标信号，在强干扰场景下二者均优于匹配滤波器检测器。此外，我们的工作凸显了 SNNs 相对于其他 DL 信号检测方法极低的功耗。SNNs 强大的检测性能和低功耗使其特别适用于物联网 LEO 卫星上的星载信号检测，尤其是在高干扰条件下。
引用
@article{arxiv.2304.03896,
title = {Spiking Neural Networks for Detecting Satellite-Based Internet-of-Things Signals},
author = {Kosta Dakic and Bassel Al Homssi and Sumeet Walia and Akram Al-Hourani},
journal= {arXiv preprint arXiv:2304.03896},
year = {2025}
}