基于深度强化学习的认知无线电协作频谱感知

为了解决频谱资源利用率低的问题，引入了认知无线网络的概念。在认知无线网络中，次要用户可以在不影响主要用户正常工作的前提下机会性地接入授权频段，故精确地感知频谱的状态并快速准确地接入授权频段就显得尤为重要。由于网络中存在干扰和阴影衰落等因素，传统的频谱感知效果不理想。本文引入了协作频谱感知技术，通过强化学习算法选择参与协作的次要用户，综合各协作用户的感知信息来最小化信道中的干扰，同时也减少次要用户的信令损耗，最后通过深度神经网络对感知结果的分类问题进行改进；提出了一种基于协作频谱感知的深度强化学习算法。仿真结果表明，该算法相比传统的SVM、K-out-of-N和深度学习算法具有更好的感知性能。