融合稠密连接网络与MLP-Mixer的频谱感知方法

随着无线应用的持续激增,干扰环境下的通信变得愈发重要,频谱感知技术在解决无线电用频冲突方面发挥了重要作用。然而实际应用环境复杂,获取到的频谱信号不易被高效提取特征,这降低了频谱信号的实用性。如今人工智能在通信领域应用广泛,对通信技术产生重要影响。为此,从深度学习方法入手,提出一种融合稠密连接网络与MLP-Mixer的频谱感知方法。该模型首先通过Deepinsight网络对频谱信号数据实施处理与转换,使其变换为特征图像,再使用生成式对抗网络合成新的特征图,并在得到特征图像后,采用融合稠密连接网络的混合感知器提取特征,从而感知主用户信道占用情况。经过消融试验对比,所提方法相较于已有模型,较好地提升了频谱感知的检测概率。