如需要完整文档点击下方 "点击下载文档" 按钮

频谱感知作为认知无线电系统中重要的一环，传统的频谱感知算法在信道质量好的情况下检测概率较高，但是易受噪声影响，当信噪比较低时，检测性能急剧下降。针对传统频谱感知算法的优缺点，提出了基于卷积神经网络模型的频谱预测，提高了低信噪比情况下的检测概率，由于信道是时变的，加入信道感应和模型匹配，提升系统的可用性。将仿真的信号序列映射为RGB图片，将图片输入到卷积神经网络中训练得到模型，利用信噪比估计算法将认知用户接收的检测信号与模型进行匹配，通过训练好的匹配模型进行频谱感知。仿真实验表明:在低信噪比情况下，当虚警概率相同时，卷积神经网络模型比传统能量检测法的检测概率有大幅度的提升。甚至在能量检测法信号采样点比卷积神经网络模型多的情况下，卷积神经网络模型依然有着非常好的性能。在信号与模型匹配阶段，二阶－四阶信噪比估计算法在 -６ｄＢ到 -１０ｄＢ，理论信噪比与估计信噪比基本一致。所提出的模型不但显著提高了检测的准确率，而且通过信噪比匹配提高了模型的自适应和高可用性。

如需要完整文档点击下方 "点击下载文档" 按钮

《基于卷积神经网络的自适应频谱感知模型》

将 完整文档 下载到本地，方便收藏和查阅

文件号：061050

点击下载文档