利用卷积神经网络和协方差的协作频谱感知算法

针对基于信号协方差矩阵的频谱感知算法门限难于准确得到及没有充分利用原始信号信息等问题,提出了基于卷积神经网络和协方差矩阵的协作频谱感知算法。首先将接收的I、Q两路正交信号的归一化协方差矩阵组成双通道输入矩阵,然后使用卷积神经网络直接提取协方差矩阵的特征信息,并进行训练得到分类器,最后使用训练好的模型进行频谱感知。仿真结果表明,本文所提出的频谱感知算法优于对比算法,在信噪比为-13 dB、40个次用户协作感知时,本文算法虚警概率低于0.1,检测概率达到0.9以上。

基于功率谱与噪声估计的频谱感知算法及实现

针对基于功率谱的窄带频谱感知算法中噪声影响问题,提出一种利用功率谱极值与噪声方差估计的频谱感知算法。使用排序系数估计噪声方差,提高其估计精度,最终,提高了算法的抗频偏以及抗噪声功率不确定性的性能。使用USRP X310和GNU Radio搭建软硬件平台,通过编程实现了基于PSEENVR的频谱感知算法,对每个子窄带进行感知,算法仿真和实际信号感知所得结论均表明:该文方法的检测性能优于对比算法,在实际信号感知过程中,虚警概率为0.08时,检测概率达到1,而对比算法的检测概率仅为0.8。