• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Progress in Artificial Intelligence >Robust Deep Sensing Through Transfer Learning in Cognitive Radio
【24h】

Robust Deep Sensing Through Transfer Learning in Cognitive Radio

机译：通过认知收音机的转移学习强大的深刻感应

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We propose a robust spectrum sensing framework based on deep learning. The received signals at the secondary user's receiver are filtered, sampled and then directly fed into a convolutional neural network. Although this deep sensing is effective when operating in the same scenario as the collected training data, the sensing performance is degraded when it is applied in a different scenario with different wireless signals and propagation. We incorporate transfer learning into the framework to improve the robustness. Results validate the effectiveness as well as the robustness of the proposed deep spectrum sensing framework.
机译：我们提出了一种基于深度学习的强大频谱传感框架。 默认用户接收器处的接收信号被过滤，采样然后直接馈入卷积神经网络。 虽然在与收集的训练数据的相同场景中操作时这种深度感测是有效的，但是当在具有不同无线信号和传播的不同场景中应用时，感测性能降低。 我们将转移学习纳入框架，以提高稳健性。 结果验证了所提出的深度频谱传感框架的有效性以及鲁棒性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号