一种基于双重功率谱表征输入和数据增强的深度学习宽带频谱感知方法

本发明涉及一种基于双重功率谱表征输入和数据增强的深度学习宽带频谱感知方法，属频谱感知领域。包括利用周期图法和多抽头谱估计法提取获取的宽带时域信号的功率谱表征，得到周期图功率谱和多抽头功率谱；基于周期图功率谱和对应的多抽头功率谱和样本标签构建样本数据集；其中，样本标签为各个子带的状态，状态包括占用和空闲；基于卷积神经网络构建宽带频谱感知模型，利用样本数据集，得到训练好的宽带频谱感知模型；获取待检测信号的周期图功率谱和多抽头功率谱利用训练好的宽带频谱感知模型，得到多个子带的置信度；基于判决门限和各子带的置信度进行频谱判决，得到待检测信号的感知结果。提高宽带频谱感知检测性能，有效控制虚警概率。