-
公开(公告)号：CN112787736A
公开(公告)日：2021-05-11
申请号：CN202011621281.4
申请日：2020-12-30
Applicant: 杭州电子科技大学
IPC: H04B17/382 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于协方差矩阵的长短期记忆协作频谱感知方法，包括以：系统包含1个主用户，L个次用户；当主用户PU通信未被干扰时，第i个次用户SUi对PU信号检测，得到连续时间序列；对连续时间序列执行次用户感知信号检测，得到主信号协方差矩阵；将主信号协方差矩阵作为输入，执行信号样本标注，标记为0或1的标签集，分别代表PU存在或不存在频谱空穴；将第i个次用户SUi的样本标签集作为输入，执行LSTM网络训练，得到样本的特征序列；将样本的特征序列作为输入，执行全连接层与Softmax层联合处理，得到每个次用户的PiH0。本发明充分利用接收信号样本，无需构造不稳定参数，提高认知无线电中PU信号检测性能。
-
公开(公告)号：CN114337883B
公开(公告)日：2024-03-01
申请号：CN202111624495.1
申请日：2021-12-28
Applicant: 杭州电子科技大学
IPC: H04B17/382 , G06F18/213 , G06N3/0464 , G06F123/02 , G06N3/084 , G06N3/0985
Abstract: 本发明涉及一种协方差矩阵Cholesky分解的CNN协作频谱感知方法及系统，方法通过以下步骤：步骤S1，原始信号预处理，得到协方差矩阵；步骤S2，将步骤S1所得协方差矩阵作为输入参数，按协方差矩阵分解方法执行计算，每个次用户得到其下三角矩阵X；步骤S3，将步骤S2所得下三角矩阵X作为输入参数，按统计量构造方法执行计算，得到不同信噪比下的统计矩阵，作为CNN的训练与测试数据；步骤S4，将步骤S3所得统计矩阵标记后作为输入参数，按CNN频谱感知方法执行计算，将测试集输入到训练好的模型中，得到不同信噪比下的检测概率。本发明充分提取了原始信号的特征，极大提高了检测性能，使其在认知无线电系统中有较好应用前景。
-
公开(公告)号：CN112787736B
公开(公告)日：2022-05-31
申请号：CN202011621281.4
申请日：2020-12-30
Applicant: 杭州电子科技大学
IPC: H04B17/382 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于协方差矩阵的长短期记忆协作频谱感知方法，包括以：系统包含1个主用户，L个次用户；当主用户PU通信未被干扰时，第i个次用户SUi对PU信号检测，得到连续时间序列；对连续时间序列执行次用户感知信号检测，得到主信号协方差矩阵；将主信号协方差矩阵作为输入，执行信号样本标注，标记为0或1的标签集，分别代表PU存在或不存在频谱空穴；将第i个次用户SUi的样本标签集作为输入，执行LSTM网络训练，得到样本的特征序列；将样本的特征序列作为输入，执行全连接层与Softmax层联合处理，得到每个次用户的PiH0。本发明充分利用接收信号样本，无需构造不稳定参数，提高认知无线电中PU信号检测性能。
-
公开(公告)号：CN114337883A
公开(公告)日：2022-04-12
申请号：CN202111624495.1
申请日：2021-12-28
Applicant: 杭州电子科技大学
IPC: H04B17/382 , G06F17/16 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种协方差矩阵Cholesky分解的CNN协作频谱感知方法及系统，方法通过以下步骤：步骤S1，原始信号预处理，得到协方差矩阵；步骤S2，将步骤S1所得协方差矩阵作为输入参数，按协方差矩阵分解方法执行计算，每个次用户得到其下三角矩阵X；步骤S3，将步骤S2所得下三角矩阵X作为输入参数，按统计量构造方法执行计算，得到不同信噪比下的统计矩阵，作为CNN的训练与测试数据；步骤S4，将步骤S3所得统计矩阵标记后作为输入参数，按CNN频谱感知方法执行计算，将测试集输入到训练好的模型中，得到不同信噪比下的检测概率。本发明充分提取了原始信号的特征，极大提高了检测性能，使其在认知无线电系统中有较好应用前景。
-
-
-
Search Results
4
records
(took 0.017 seconds)
