基于LSTM神经网络的频谱感知算法
来源：信号处理杂志 2019年第12期北京时间：
作者：卢光跃, 施聪, 吕少卿, 周亮
摘要：在频谱感知中经典的能量检测算法在低信噪比时检测性能较低且门限难以估计，基于机器学习的感知算法受限于检验统计量的构造会造成接收信号原有结构信息的丢失。针对这些问题，本文提出一种基于LSTM神经网络的频谱感知方法，首先利用接收信号序列作为神经网络的输入特征向量，然后使用LSTM神经网络进行训练得到分类器，最后使用训练好的模型实现频谱感知。该方法无需估计检测门限值，也无需构造特征向量，仿真结果表明，所提算法在采样点和次级用户更少的情况下仍优于对比算法。
关键词：认知无线电, 频谱感知, 机器学习, LSTM神经网络
