留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于Bi-LSTM及贝叶斯似然比检验联合的认知卫星通信频谱感知算法

杨凯 胡圣波 张欣

杨凯, 胡圣波, 张欣. 基于Bi-LSTM及贝叶斯似然比检验联合的认知卫星通信频谱感知算法[J]. 空间科学学报. doi: 10.11728/cjss2022-0017
引用本文: 杨凯, 胡圣波, 张欣. 基于Bi-LSTM及贝叶斯似然比检验联合的认知卫星通信频谱感知算法[J]. 空间科学学报. doi: 10.11728/cjss2022-0017
Spectrum Sensing Algorithm for Cognitive Satellite Communication Based on Bi-LSTM and Bayesian Likelihood Ratio Test[J]. Journal of Space Science. doi: 10.11728/cjss2022-0017
Citation: Spectrum Sensing Algorithm for Cognitive Satellite Communication Based on Bi-LSTM and Bayesian Likelihood Ratio Test[J]. Journal of Space Science. doi: 10.11728/cjss2022-0017

基于Bi-LSTM及贝叶斯似然比检验联合的认知卫星通信频谱感知算法

doi: 10.11728/cjss2022-0017

Spectrum Sensing Algorithm for Cognitive Satellite Communication Based on Bi-LSTM and Bayesian Likelihood Ratio Test

Funds: Guizhou Province Education Department Projects of China;National Natural Science Foundation of China
  • 摘要: 随着LEO巨型卫星星座投入运营,可用的频谱资源变得更加稀缺,为了改善频谱利用率,GEO中继卫星和LEO卫星组成的认知卫星通信技术成为了解决该问题的首选。认知卫星通信场景中,最为关键一步则是用于快速判断主用户是否存在的频谱感知技术。然而,当前的频谱感知算法以模型驱动为主,但模型驱动算法的感知性能过于依赖预先假设的统计模型,这使得其在多变的卫星通信场景的部署变得困难。本文首先对LEO卫星过境期间的信噪比波动情况进行了分析,其次针对此多变的信道环境提出了一个基于双向长短期记忆网络及贝叶斯似然比检验联合的频谱感知算法。该算法不需要任何PU信号的先验知识,可自动从PU信号数据中学习特征信息并做出决策。仿真结果表明,所提算法在信噪比为-14dB的情况下,依旧能达到83%的检测性能,且始终优于卷积神经网络、多层感知机和基于模型驱动的能量检测算法。

     

  • 加载中
计量
  • 文章访问数:  35
  • HTML全文浏览量:  5
  • PDF下载量:  57
  • 被引次数: 0
出版历程
  • 收稿日期:  2022-05-05
  • 录用日期:  2022-06-20
  • 修回日期:  2022-06-07
  • 网络出版日期:  2022-06-20

目录

    /

    返回文章
    返回