来源：期刊VIP网 时间：
作者：殷晓虎;张珂珂;张安熠;田冲;
单位：西安科技大学通信与信息工程学院;
摘要：在认知无线电(Cognitive Radio, CR)中，频谱感知与频谱预测是关键技术，用于监测和识别授权用户对频谱的占用情况，在频谱资源未被使用时让非授权用户使用，提高频谱资源利用率。现有研究中大多单独使用其中一种技术对授权用户频谱使用状态进行判定，为了充分利用频谱感知与频谱预测技术的优势，进一步提升信道环境不佳时的频谱状态识别率，提出了一种频谱预测与感知协同识别频谱状态的方法。使用双向长短时记忆网络(Bi-directional Long Short-Term Memory Network, Bi-LSTM)频谱预测与灰狼算法优化的支持向量机(Grey Wolf Optimizer-Support Vector Machines, GWO-SVM)频谱感知协同，将二者输出根据动态自适应选择策略处理后得到最终识别结果。实验证明，该方法能够自适应信道环境，在信道环境对单一技术负面影响较大时，仍然保持较高的频谱状态识别率。
关键词：认知无线电;;频谱感知;;频谱预测;;灰狼算法优化的支持向量机;;双向长短时记忆网络
基金资助：陕西省科技计划项目(2020GY-029)~~
