首页|期刊导航|新一代信息技术|基于深度学习的软件定义无线网络智能频谱感知研究

基于深度学习的软件定义无线网络智能频谱感知研究OA

中文摘要

由于频谱资源的稀缺和无线环境的动态变化,使得传统的感知技术很难同时兼顾探测精度和资源利用率。为此,本文开展基于深度学习技术的智能频谱感知方法研究。基于卷积神经网络和短时记忆学习的光谱智能感知方法,通过多域特征抽取获取光谱的静态特性和时序相关性,并采用结构修剪和INT8量化相结合的方法实现模型的轻量化。原始卷积神经网络(Convolutional Neural Network,CNN)模型参数规模1.5×10^(6)、计算量8.2 GFLOPs,轻量化后参数降至5.8×10^(5)、计算量3.1 GFLOPs;原始长短期记忆网络(Long Short-Term Memory,LSTM)模型参数1.2×10^(6)、计算量6.5 GFLOPs,轻量化后参数4.5×10^(5)、计算量2.4 GFLOPs。实验结果显示,该轻量级模型在信噪比-5 dB时,探测率大于90%,探测时延小于5.5 ms,CPU使用率不超过24.7%。与传统算法相比,准确率提高14.6%,资源利用率下降42%,为软件定义网络的动态频谱配置提供有效支持。

蒋婷;苏胜州

广西第一工业学校,广西南宁530023广西第一工业学校,广西南宁530023

信息技术与安全科学

深度学习软件定义无线网络智能频谱感知设计

《新一代信息技术》 2026 (5)

P.28-34,7

10.12263/newIT.2026.05.006

评论