基于深度学习的动态主用户频谱感知算法

作     者：李新玉 赵知劲 Li Xinyu;Zhao Zhijin

作者机构：杭州电子科技大学通信工程学院浙江杭州310018 中国电子科技集团第36研究所通信系统信息控制技术国家级重点实验室浙江嘉兴314001 

出 版 物：《电子技术应用》 (Application of Electronic Technique)

年 卷 期：2024年第50卷第1期

页      面：60-65页

学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 080402[工学-测试计量技术及仪器] 0804[工学-仪器科学与技术] 081001[工学-通信与信息系统] 

基　　金：国家自然科学基金(U19B2016) 浙江省教育厅一般科研项目(Y202249757) 

主　　题：认知无线电 频谱感知 动态主用户 深度残差收缩网络 协调注意力机制 

摘      要：实际的频谱感知场景中主用户可能随机到达或者离开,当主用户状态在实时频谱感知期间动态变化时,现有的静态频谱感知算法性能急剧恶化。针对该现状,研究提出基于残差收缩注意力机制的动态主用户频谱感知算法。频谱感知间隔内,主用户随机到达或者随机离开的时间服从均匀分布。采用深度残差收缩网络(DRSN)提取动态主用户特征,并且滤除冗余的噪声特征;利用协调注意力模块(CAM)增强每个通道不同方向的特征信息,提高模型对动态主用户特征的表达能力。仿真结果表明,所提算法性能优于对比算法ResNet、CBAM_IQ和CBAM_Energy,所提算法对主用户随机到达或者离开服从不同分布的主用户都可以保持较高的检测概率。