基于深度學(xué)習(xí)的認(rèn)知物聯(lián)網(wǎng)頻譜感知算法研究

打開文本圖片集
摘 要:針對認(rèn)知物聯(lián)網(wǎng)(Internet of Things,IoT) 對低信噪比(Signal to Noise Ratio,SNR) 的頻譜感知性能低下以及傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN) 頻譜感知方法提取數(shù)據(jù)特征不充分導(dǎo)致感知性能差等問題,提出了一種改進殘差網(wǎng)絡(luò)———ResNeXt 的單節(jié)點頻譜感知算法,ResNeXt 只需要設(shè)置少量超參數(shù)且高度模塊化,將該網(wǎng)絡(luò)在圖像處理上的優(yōu)勢應(yīng)用在頻譜感知問題上,先將接收信號轉(zhuǎn)成二維矩陣并歸一灰度化處理,得到灰度圖像作為網(wǎng)絡(luò)的輸入。(剩余685字)