Detección del espectro marítimo basada en características cicloestacionarias y redes neuronales convolucionales

Área de la Ciencia:

• Ingeniería eléctrica
• Ciencias de la computación
• Procesamiento de señales

Sus antecedentes:

• Las redes de radio cognitivas marítimas (MCRN) se enfrentan a desafíos significativos de detección de espectro (SS) debido a la dinámica ambiental.
• Los métodos SS existentes luchan con las complejidades de los entornos marítimos, incluido el movimiento del mar y los enlaces inestables.

Objetivo del estudio:

• Desarrollar un algoritmo de detección de espectro adaptativo para MCRN que aborde las complejidades ambientales.
• Mejorar la precisión y fiabilidad de la detección del espectro en entornos marítimos.

Principales métodos:

• Un enfoque guiado por la clasificación que transforma el SS en un problema de clasificación.
• Extracción de las características cicloestacionarias mediante el método de acumulación de la transformación rápida de Fourier (FFT, por sus siglas en inglés).
• Utilización de las redes neuronales convolucionales (CNN) para la clasificación y detección de señales (algoritmo TC2NND).

Principales resultados:

• El algoritmo TC2NND logró una probabilidad de detección del 91,5% con una probabilidad de falsa alarma del 5% a -10 dB SNR.
• Se ha demostrado un rendimiento superior en comparación con los métodos convencionales de detección de espectro en entornos marítimos.

Conclusiones:

• El algoritmo TC2NND propuesto ofrece una solución robusta y eficaz para la detección de espectro en MCRN.
• El aprovechamiento de las características cicloestacionarias y las CNN mejora significativamente el rendimiento de las SS en condiciones marítimas dinámicas.