随着无线通信技术的不断演进,频谱资源紧张问题日益突出。频谱感知作为认知无线电系统的核心环节,在复杂无线信道环境下对检测精度提出了更高要求。然而,传统的频谱感知方法在多径衰落与阴影衰落等复杂信道条件下,性能往往难以满足实际...随着无线通信技术的不断演进,频谱资源紧张问题日益突出。频谱感知作为认知无线电系统的核心环节,在复杂无线信道环境下对检测精度提出了更高要求。然而,传统的频谱感知方法在多径衰落与阴影衰落等复杂信道条件下,性能往往难以满足实际需求。为此,提出一种融合分集接收机制与神经网络模型的频谱感知方法,旨在提升复杂衰落环境中的检测能力。该方法构建于双影梯度衰落信道模型基础之上,采用最大比合并(Maximum Ratio Combining,MRC)算法对信号进行增强处理,并结合一套自适应双重时频域融合感知算法,对信号进行特征提取与智能分类。通过构建仿真数据集并开展多组实验,验证了所提方法在同时存在多径衰落与阴影衰落的情形下,具有较高的检测准确性与稳健性。不仅为提升复杂无线环境下的频谱利用效率提供了理论依据,也为未来认知无线电系统的实际部署和优化提供了可行路径与技术支撑。展开更多
文摘随着无线通信技术的不断演进,频谱资源紧张问题日益突出。频谱感知作为认知无线电系统的核心环节,在复杂无线信道环境下对检测精度提出了更高要求。然而,传统的频谱感知方法在多径衰落与阴影衰落等复杂信道条件下,性能往往难以满足实际需求。为此,提出一种融合分集接收机制与神经网络模型的频谱感知方法,旨在提升复杂衰落环境中的检测能力。该方法构建于双影梯度衰落信道模型基础之上,采用最大比合并(Maximum Ratio Combining,MRC)算法对信号进行增强处理,并结合一套自适应双重时频域融合感知算法,对信号进行特征提取与智能分类。通过构建仿真数据集并开展多组实验,验证了所提方法在同时存在多径衰落与阴影衰落的情形下,具有较高的检测准确性与稳健性。不仅为提升复杂无线环境下的频谱利用效率提供了理论依据,也为未来认知无线电系统的实际部署和优化提供了可行路径与技术支撑。
