.png){kind=icon}
返回
Efficient Spectrum Sensing via a Multi-Scale Dual-Path Segmentation Network
.png){kind=icon}
PRE
AI
DOI：10.1109/LWC.2025.3564151.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本封信介绍了一种针对采用双路径架构（称为DPSegNet）的下一代无线网络的高级频谱感知（SS）方法。该创新模型旨在通过识别基于信号占用频率和时间的光谱内容，精确分割5G新空口（NR）和长期演进（LTE）信号。DPSegNet集成了用于捕获高层语义信息的上下文路径、用于保留详细空间特征的空间路径以及一种新颖的特征融合机制，以有效结合来自两条路径的信息。该架构有效学习局部和全局光谱特征，从而显著提升其分割性能。实验结果突显了DPSegNet的效率和有效性，其紧凑架构仅包含7M参数，实现了高精度，全局准确率达到97.25%，平均交并比（IoU）达到94.76%。这些结果表明，DPSegNet是下一代无线通信系统极具前景的解决方案。
Keyword:
5G new radio
cognitive radio systems
spectrum sensing
signal identification
deep learning
image segmentation
期刊
IF:
11.5
论文数:
2.8K
被引数:
1.3W
机构
引用论文
.png){kind=icon}
Leveraging Bayesian Factor Analysis for Cooperative Wideband Spectrum Sensing利用贝叶斯因子分析进行协同宽带频谱感知
PREAI
分享收藏分享收藏
查看更多内容