融合DAE-LSTM的认知物联网智能频谱感知算法

来源：计算机工程与应用杂志2024年第5期北京时间：

作者：段闫闫, 徐凌伟

单位：1.青岛科技大学 信息科学技术学院，山东 青岛 266061；2.数字化学习技术集成与应用教育部工程研究中心，北京 100039

摘要：第五代（fifth-generation，5G）移动通信技术的兴起，推动了物联网（Internet of things，IoT）的发展。然而，随着物联网数据传输量的爆发式增长，频谱资源短缺问题越来越严重。频谱感知技术极大的提高了物联网频谱利用率。但是，物联网移动通信环境的复杂性高以及信号易畸变的特性，对现有的频谱感知算法提出了重大挑战。因此，提出了一种融合去噪自编码器（denoising autoencoder，DAE）和改进长短时记忆（long short term memory，LSTM）神经网络的智能频谱感知算法。DAE通过编码和解码过程挖掘移动信号的底层结构特征，改进的LSTM频谱感知分类器模型结合过去时刻信息特征对时序信号序列进行分类。与支持向量机（support vector machine，SVM）、循环神经网络（recurrent neural network，RNN）、LeNet5、学习矢量量化（learning vector quantization，LVQ）和Elman算法相比，该算法的感知性能提高了45%。

关键词：认知物联网,智能频谱感知,去噪自编码器,长短时记忆网络