%0 Journal Article
%T 基于卷积神经网络的OFDM频谱感知方法
%J -
%D 2019
%R 10.3969/j.issn.1001-506X.2019.01.25
%X 在认知无线电网络中,高效且准确的频谱感知是必不可少的一个环节。针对传统机器学习算法在频谱感知训练慢的难题,提出一种基于卷积神经网络的正交频分复用(orthogonal frequency division multiplexing,OFDM)频谱感知方法,将深度学习在图像处理上的优势应用到OFDM信号频谱感知中。该方法首先分析OFDM信号的循环自相关和频谱感知模型,对循环自相关进行归一化灰度处理,形成循环自相关灰度图;然后以LeNet-5网络为基础设计卷积神经网络分层地对训练数据进行学习,提取出更加抽象的特征;最后将测试数据输入到训练好的卷积神经网络模型,完成频谱感知。仿真实验表明,该方法能够完成OFDM信号的频谱感知,在低信噪比条件下具有较高的检测概率
%K 正交频分复用
%K 频谱感知
%K 循环自相关
%K 卷积神经网络
%U http://www.sys-ele.com/CN/10.3969/j.issn.1001-506X.2019.01.25