Abstract
تؤثر تقلبات نسبة الإشارة إلى الضوضاء (SNR) بشكل كبير على أداء استشعار الطيف في الاتصالات اللاسلكية. يُظهر الشبكة العصبية التلافيفية التقليدية (CNN) قدرات محدودة في استخراج الميزات واستخدام غير فعال للميزات عند مستويات SNR المنخفضة، مما يؤدي إلى أداء غير مثالي لاستشعار الطيف. تقترح هذه الورقة طريقة استشعار الطيف بناءً على شبكة دمج ميزات متعددة المقاييس (MSFFNet) لمعالجة هذه المشكلة. أولاً، تستخدم الطريقة المقترحة كتلة استخراج ميزات متعددة المقاييس (MSFEB) لالتقاط معلومات متعددة المقاييس من بيانات الإدخال بشكل شامل. بعد ذلك، تبرز استراتيجية فرز الميزات التكيفية (AFSS) الميزات الرئيسية مع قمع المعلومات الزائدة. وأخيرًا، يقوم آلية دمج الميزات متعددة المستويات (MLFFM) بتحسين وتكامل الميزات عبر المقاييس والمستويات، مما يعزز أداء استشعار الطيف. تظهر نتائج المحاكاة أنه مقارنة بالطرق الأخرى، يحقق النهج المقترح أداءً متفوقًا في سيناريوهات الاتصالات ذات نسبة SNR المنخفضة. عند SNR بقيمة -14 ديسيبل، تصل احتمال الكشف P d إلى 0.936، بينما يكون احتمال الإنذار الكاذب P fa فقط 0.1. علاوة على ذلك، تنشئ هذه الورقة مجموعة بيانات مختلطة متعددة المستويات متعددة SNR لمحاكاة بيئات الاتصال الحقيقية وتعزيز متانة استشعار الطيف.
Keywords
الراديو الإدراكي؛ استشعار الطيف؛ التعلم العميق؛ دمج ميزات متعددة المقاييس