基于Bi-LSTM及贝叶斯似然比检验的GEO与LEO卫星组合频谱感知 |
| |
引用本文: | 杨凯,胡圣波,张欣.基于Bi-LSTM及贝叶斯似然比检验的GEO与LEO卫星组合频谱感知[J].空间科学学报,2023(3):567-575. |
| |
作者姓名: | 杨凯 胡圣波 张欣 |
| |
作者单位: | 1. 贵州大学大数据与信息工程学院;2. 贵州师范大学智能信息处理研究所 |
| |
基金项目: | 国家自然科学基金项目(61561009); |
| |
摘 要: | 目前的频谱感知算法以模型驱动为主,其感知性能过于依赖预定的统计模型,这使得其在信道环境复杂的卫星通信场景中的部署变得困难。对LEO卫星过境期间的信噪比波动情况进行分析,结果显示信噪比的波动达到14 dB。针对该复杂场景提出了一种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。该算法不需要任何主信号的先验知识,可自动从主信号中学习隐藏特征并做出决策。基于Neyman-Pearson准则,在神经网络输出端设计了一种基于阈值的检测方案,可方便地控制恒定的虚警概率。仿真结果表明,所提算法在信噪比为–14 dB的情况下,仍能达到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。
|
关 键 词: | 认知卫星通信 频谱感知 深度学习 LSTM 贝叶斯似然比检验 |
|