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(jìn)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）