無線センサーネットワークにおける効率的データ通信のための認知無線に基づくディープラーニング-CTスペクトルセンシング

スペクトルセンシングは、認知無線ネットワークの重要な要素です。これは、ライセンスを持たないユーザーがライセンスのあるユーザー（PU）に干渉することなく、未利用の帯域にアクセスするための基盤です。ディープラーニングは、エネルギー検出や以前の従来の方法と比較して信号を分析するためのより良い方法を提供しています。本研究は、CNNとトランスフォーマーネットワーク（TN）を統合して効率的なスペクトル利用を最大化するCNN-TNベースのスペクトルアプローチを紹介します。CNNは、信号の時間的パターンを見つけるのが得意であり、IQベースのスペクトルデータから重要な特徴を抽出するのに役立ちます。一方、トランスフォーマーネットワークは、時間に対する長距離の依存関係を考慮に入れることができ、これらの特徴をさらに改善し微調整するのに役立つ可能性があります。この方法は、スペクトルデータ内の局所的および全体的なパターンを捉えることにより、低感知エラーとより良い検出確率を達成します。コーエンのカッパ係数やF1スコアのような性能指標は、この方法の性能が以前の方法よりも優れていることを示しています。これらの結果は、実際の無線通信システムが提案された方法論を使用する可能性があることを示唆しており、全体的な利用を改善し、実際の応用の可能性を示しています。