基于主要用户活动统计量和LSTM的认知无线电频谱感知方案

摘要

认知无线电网络由主要用户(PU)和次要用户(SU)组成。认知无线电网络中的SU感知频谱,会在有机会时访问白频谱,而有效利用白频谱有助于提高频谱效率。机器学习/深度学习框架具有优秀的学习能力,近年来许多工作已经将浅层/深度多层感知器方法应用于频谱感知。但是由于缺乏记忆单元,多层感知器网络不太适合时间序列数据。而长短期记忆(LSTM)网络是递归神经网络的改进版本,非常适合于时间序列数据。