师浩东, 姜斌, 包建荣, 刘超
针对信号采样协方差矩阵主特征信息未被充分利用及检测门限不稳等问题,提出了协方差分解的卷积神经网络(Convolutional Neural Network, CNN)协作频谱感知方案。首先,对接收信号采样矩阵的协方差矩阵Cholesky分解后,进行统计量的计算,以充分提取两种信号的特征。其次,累计多个次用户所得统计量,组成统计量特征矩阵,以提高协作性及检测精度。最后,利用CNN对高维矩阵的特征提取性,经训练数据集训练得到CNN分类模型,并用测试数据集预测获得频谱结果。实验表明:相对支持向量机(SVM)、传统CNN等算法,所提算法训练精度高,延时小;当虚警概率为0.1,且信噪比为-15 dB时,所提方案检测概率分别比传统CNN和SVM类方法高约60%和69%。