在认知无线电网络中,高效且准确的频谱感知是必不可少的一个环节。针对传统机器学习算法在频谱感知训练慢的难题,提出一种基于卷积神经网络的正交频分复用(orthogonal frequency division multiplexing,OFDM)频谱感知方法,将深度学习在...在认知无线电网络中,高效且准确的频谱感知是必不可少的一个环节。针对传统机器学习算法在频谱感知训练慢的难题,提出一种基于卷积神经网络的正交频分复用(orthogonal frequency division multiplexing,OFDM)频谱感知方法,将深度学习在图像处理上的优势应用到OFDM信号频谱感知中。该方法首先分析OFDM信号的循环自相关和频谱感知模型,对循环自相关进行归一化灰度处理,形成循环自相关灰度图;然后以LeNet-5网络为基础设计卷积神经网络分层地对训练数据进行学习,提取出更加抽象的特征;最后将测试数据输入到训练好的卷积神经网络模型,完成频谱感知。仿真实验表明,该方法能够完成OFDM信号的频谱感知,在低信噪比条件下具有较高的检测概率。展开更多
随着通信技术的发展,频谱感知技术已经成为解决频谱资源稀缺的重要解决手段之一。针对传统的频谱感知方法在低信噪比(Signal to Noise Ratio,SNR)下准确率较低的问题,提出一种基于残差神经网络和注意力机制相结合的正交频分复用(Orthogo...随着通信技术的发展,频谱感知技术已经成为解决频谱资源稀缺的重要解决手段之一。针对传统的频谱感知方法在低信噪比(Signal to Noise Ratio,SNR)下准确率较低的问题,提出一种基于残差神经网络和注意力机制相结合的正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)频谱感知方法。将频谱感知问题转化为图像二分类任务。通过分析OFDM信号的循环自相关特征,将其灰度处理以生成循环自相关灰度图像。利用改进后的残差神经网络进行训练,提取这些灰度图像的深层特征,使用测试数据验证所得到的频谱感知模型。仿真实验结果表明,在低SNR条件下,所提方法表现出更出色的频谱感知性能,优于传统频谱感知技术。展开更多
在非协作通信领域,传统的基于循环自相关的OFDM(Orthogonal Frequency Division Multiplexing,正交频分复用)时间参数盲估计算法常分析的是无导频OFDM信号,不适用于实际应用场景中含导频OFDM信号的参数盲估计。本文分析了不同导频图案的...在非协作通信领域,传统的基于循环自相关的OFDM(Orthogonal Frequency Division Multiplexing,正交频分复用)时间参数盲估计算法常分析的是无导频OFDM信号,不适用于实际应用场景中含导频OFDM信号的参数盲估计。本文分析了不同导频图案的OFDM信号循环自相关谱特性,针对谱特征变化改进了OFDM信号参数估计算法。改进算法既适用于无导频OFDM信号,也适用于不同导频图案的OFDM信号。仿真结果表明,对于无导频OFDM信号,改进算法比传统算法的时间参数估计误差可降低一个数量级;同时改进算法有效避免了导频引入的二阶周期性谱峰对OFDM时间参数估计的影响,可精确估计含导频OFDM信号的时间参数,具有很好的鲁棒性和应用价值。展开更多
文摘在认知无线电网络中,高效且准确的频谱感知是必不可少的一个环节。针对传统机器学习算法在频谱感知训练慢的难题,提出一种基于卷积神经网络的正交频分复用(orthogonal frequency division multiplexing,OFDM)频谱感知方法,将深度学习在图像处理上的优势应用到OFDM信号频谱感知中。该方法首先分析OFDM信号的循环自相关和频谱感知模型,对循环自相关进行归一化灰度处理,形成循环自相关灰度图;然后以LeNet-5网络为基础设计卷积神经网络分层地对训练数据进行学习,提取出更加抽象的特征;最后将测试数据输入到训练好的卷积神经网络模型,完成频谱感知。仿真实验表明,该方法能够完成OFDM信号的频谱感知,在低信噪比条件下具有较高的检测概率。
文摘随着通信技术的发展,频谱感知技术已经成为解决频谱资源稀缺的重要解决手段之一。针对传统的频谱感知方法在低信噪比(Signal to Noise Ratio,SNR)下准确率较低的问题,提出一种基于残差神经网络和注意力机制相结合的正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)频谱感知方法。将频谱感知问题转化为图像二分类任务。通过分析OFDM信号的循环自相关特征,将其灰度处理以生成循环自相关灰度图像。利用改进后的残差神经网络进行训练,提取这些灰度图像的深层特征,使用测试数据验证所得到的频谱感知模型。仿真实验结果表明,在低SNR条件下,所提方法表现出更出色的频谱感知性能,优于传统频谱感知技术。
文摘在非协作通信领域,传统的基于循环自相关的OFDM(Orthogonal Frequency Division Multiplexing,正交频分复用)时间参数盲估计算法常分析的是无导频OFDM信号,不适用于实际应用场景中含导频OFDM信号的参数盲估计。本文分析了不同导频图案的OFDM信号循环自相关谱特性,针对谱特征变化改进了OFDM信号参数估计算法。改进算法既适用于无导频OFDM信号,也适用于不同导频图案的OFDM信号。仿真结果表明,对于无导频OFDM信号,改进算法比传统算法的时间参数估计误差可降低一个数量级;同时改进算法有效避免了导频引入的二阶周期性谱峰对OFDM时间参数估计的影响,可精确估计含导频OFDM信号的时间参数,具有很好的鲁棒性和应用价值。
