基于FLOM和LSTM的频谱感知算法

为解决现有频谱感知检测方法在Alpha噪声中性能下降的问题,提出一种基于FLOM(fractional low order moment,FLOM)和LSTM(long short-term memory,LSTM)神经网络的频谱感知算法。利用分数低阶矩在解决非高斯噪声下感知性能退化的强大能力以及长短期记忆神经网络在解决时序特性问题上的强大处理能力,设计一个频谱感知算法。不同于现有的基于能量和协方差矩阵等二阶统计量的频谱感知,利用FLOM对数据进行分数低阶预处理后,LSTM通过提取分数低阶协方差矩阵的特征进行决策。仿真结果表明,该算法比传统的频谱感知算法具有更高的检测概率。在低信噪比下,基于分数低阶矩阵感知的LSTM检测方案的检测概率比其它基于数据驱动的检测方法改善了至少15%。