基于机器学习主用户发射模式分类的蜂窝认知无线电网络频谱感知

作     者：申滨 王欣 陈思吉 崔太平 SHEN Bin;WANG Xin;CHEN Siji;CUI Taiping

作者机构：重庆邮电大学通信与信息工程学院重庆400065 

出 版 物：《电子与信息学报》 (Journal of Electronics & Information Technology)

年 卷 期：2021年第43卷第1期

页      面：92-100页

核心收录：

学科分类：11[军事学] 0810[工学-信息与通信工程] 1105[军事学-军队指挥学] 08[工学] 081002[工学-信号与信息处理] 110503[军事学-军事通信学] 

基　　金：国家自然科学基金(61571073) 

主　　题：蜂窝认知无线电网络 机器学习 频谱感知 支持向量机 卷积神经网络 

摘      要：近年来,基于机器学习(ML)的频谱感知技术为认知无线电系统提供了新型的频谱状态监测解决方案。利用蜂窝认知无线电网络(CCRN)中的次级用户设备(SUE)所能提供的大量频谱观测数据,该文提出了一种基于主用户(PU)传输模式分类的频谱感知方案。首先,基于多种典型的ML算法,对于网络中的多个主用户发射机(PUT)的传输模式进行分类辨识,在网络整体层面上确定所有PUT的联合工作状态。然后,网络中的SUE根据其所处地理位置或者频谱观测数据,判断其在当前已判定的PUT发射模式下接入授权频谱的可能性。由于PUT在网络中的实际位置可能事先已知或者无法提前确定,该文给出了3种不同的处理方法。理论推导与实验结果表明,所提方案与传统的能量检测方案相比,不仅改善了频谱感知性能,还增加了蜂窝认知网络对于授权频谱的动态访问机会。该方案可以作为蜂窝认知无线电网络中的一种高效实用的频谱感知解决方案。