| 摘要: |
| 根据海量智能移动终端的持续接入对无线移动通信频谱资源分配与管理的要求，针对现有的频谱感知算法存在单一数据域特征提取有限、低信噪比环境下感知精度低以及计算效率较低等问题，提出了一种基于StarViG模型的移动通信智能协作频谱感知算法，以提高频谱资源利用率。首先，利用小波包分解，对协作采样信号提取时频图特征，并构建时频谱图。然后，设计了StarViG双分支网络模型。双支路并行处理后进行特征融合，可以聚焦更细微的特征，以实现对频谱占用状态的准确识别和分类。基于N-Nakagami信道条件，在-10~-4 dB信噪比范围内，与MobileViG、ConvNeXtV2、GhostNetV2、Convolutional Neural Network(CNN)、Graph Convolutional Network(GCN)算法相比，采用QPSK调制方式时，StarViG的检测概率提升了22%，虚警概率降低了16%；在2FSK调制方式下，检测概率提升了25%，虚警概率降低了18%。 |
| 关键词: 移动通信 协作频谱感知 时频谱图 小波包分解 图-通道协同模块 |
| DOI：10.20079/j.issn.1001-893x.250603004 |
|
| 基金项目:国家自然科学基金资助项目(62201313)；安徽省普通高校交通信息与安全重点实验室开放课题(JTX202404)；数字化学习技术集成与应用教育部工程研究中心创新基金项目(1321012) |
|
| Intelligent Cooperative Spectrum Sensing for Mobile Communication Based on StarViG Model |
| ZHANG Liliang,,XUE Peiyou,XU Lingwei |
| (1.Key Laboratory of Traffic Information and Safety of Anhui Higher Education Institutes，Hefei 230601，China;2.Engineering Research Center of Integration and Application of Digital Learning Technology，Ministry of Education，Beijing 100039，China;3.College of Information Science and Technology，Qingdao University of Science and Technology，Qingdao 266061，China) |
| Abstract: |
|
| Key words: mobile communications cooperative spectrum sensing time-frequency spectrum wavelet packet decomposition figure-channel coordination module |
《电讯技术》编辑部 