基于径向基函数神经网络的认知无线电自适应均衡频谱感知框架

《Symmetry》：RBFNN-Based Adaptive Equalization for Enhanced Spectrum Sensing in Cognitive Radio Networks

　　

摘要

在频谱资源受限的时代，认知无线电（CRs）正成为有效利用频谱的关键工具。在存在衰落、噪声和干扰等信道损伤的情况下实现准确的频谱感知（SS）是认知无线电面临的关键问题，尤其是在信噪比（SNR）较低期间。在此，我们提出了一种基于径向基函数神经网络（RBFNN-）的自适应均衡框架，该框架集成了频谱感知技术，特别是循环平稳特征检测（CFD）和能量检测（ED），以实现高检测准确率和低虚警率。此外，均衡器利用基于监督学习的优化方法，在非线性噪声信道条件下提高了信号质量。仿真结果表明，在非线性噪声信道上，当信噪比在 0 到 25 dB 范围内时，误码率（BER）和均方误差（MSE）性能得到了改善。与未进行均衡的传统能量检测器相比，所提出的 RBFNN 辅助框架在 5 dB 信噪比下实现了检测概率提高 18.6% 和虚警概率降低 14.3%。此外，所提出的方案在衰落信道中的信号重建和鲁棒频谱感知方面也表现出卓越的性能。