신호 대 잡음비(SNR) 변동은 무선 통신에서 스펙트럼 감지 성능에 크게 영향을 미칩니다. 전통적인 합성곱 신경망(CNN)은 낮은 SNR 수준에서 특징 추출 능력이 제한적이고 특징 활용이 비효율적이어서 최적 이하의 스펙트럼 감지 성능을 보입니다. 본 논문은 이 문제를 해결하기 위해 다중 스케일 특징 융합 네트워크(MSFFNet)에 기반한 스펙트럼 감지 방법을 제안합니다. 먼저, 제안된 방법은 입력 데이터에서 다중 스케일 정보를 포괄적으로 캡처하기 위해 다중 스케일 특징 추출 블록(MSFEB)을 사용합니다. 다음으로, 적응형 특징 선별 전략(AFSS)은 주요 특징을 강조하면서 중복 정보를 억제합니다. 마지막으로, 다중 수준 특징 융합 메커니즘(MLFFM)은 스케일과 수준 전반에 걸쳐 특징을 최적화하고 통합하여 스펙트럼 감지 성능을 향상시킵니다. 시뮬레이션 결과는 다른 방법과 비교할 때 제안된 접근법이 낮은 SNR 통신 시나리오에서 우수한 성능을 달성함을 보여줍니다. SNR이 -14dB일 때, 탐지 확률 P_d은 0.936에 도달하며, 오경보 확률 P_fa는 0.1에 불과합니다. 또한 본 논문은 실제 통신 환경을 시뮬레이션하고 스펙트럼 감지의 견고성을 향상시키기 위해 다중 수준 혼합 SNR 데이터셋을 구성합니다.

인지 라디오;스펙트럼 감지;딥러닝;다중 스케일 특징 융합