基于残差神经网络的频谱感知算法

传统频谱感知算法依赖检测门限的准确性,在低信噪比条件下检测概率较低,针对此问题提出基于残差神经网络的频谱感知算法。该算法使用信号实部序列构造二维矩阵,将矩阵映射为灰度图像,然后通过训练残差神经网络提取灰度图像中的抽象特征,将训练完成的残差神经网络作为最终的分类器实现频谱感知。实验结果表明,在高斯信道中信噪比为-20 dB时,残差神经网络频谱感知算法的检测概率为89.60%,而在瑞利衰落信道中信噪比为-18 dB时检测概率也可达到91.90%。直接使用信号序列构造灰度图像,并将其作为特征输入残差神经网络的频谱感知算法,在低信噪比条件下仍然具有很好的检测性能。

资料为PDF文档格式.

本文档关键词:频谱,算法,感知,神经网络