信息与通信工程学院胡祝华教授团队在SCI期刊《IEEE Transactions on Vehicular Technology》（JCR Q1，中科院计算机科学2区Top期刊，IF=6.239）发表文章。
随着“物联网”技术的火热，5G技术的成熟以及6G技术的发展，对宽带频谱的需求越来越迫切。宽带频谱感知往往需要极高速率的ADC，显然不满足低能耗，绿色环保的需求，因此，基于压缩采样技术构建新型的感知模型，对实现高精度，高准确率的宽带频谱感知具有重要的意义。
主用户的活跃程度在大时间尺度上展现出一定的规律，而利用这种先验规律建立了一种符合实际的大的时间尺度的主用户活跃模型（如图1）。
图1.主用户具有大时间尺度上的活跃特性
基于此模型提出了一种时频融合可调深度卷积神经网络 TFF_aDCNN，同时，还提出了一种新颖的基于 TFF_aDCNN 的宽带频谱感知框架，主要由MWC采样，PCA降维预处理和TFF_aDCNN网络组成（如图2）。在这个框架中，可以通过训练 TFF_aDCNN 获得一个具有简单分布的预训练基础模型。然后，对于实际环境中的感知任务，使用基础模型进行迁移学习，这样可以非常快速地得到一个在新环境下迁移训练的感知模型（即fine-tuned model），具有适应不同复杂电磁环境的能力。TFF_aDCNN主要包含一个主网络和一个可调节的辅助网络，前者学习复杂抽象的信号特征并完成主要分类功能，而后者在训练过程中辅助主网络学习不同的数据分布模式，调节感知过程中主网络要注意的内容。
图2.提出的基于TFF_aDCNN的传感框架
该工作首次将预训练模型用于宽带频谱感知，通过迁移学习实现在不同模式和场景规律下的感知适配，属于首创性的工作。海南大学信息与通信工程学院本科生李向辉同学为第一作者，海南大学胡祝华教授为通讯作者。本工作受到国家自然科学基金（61963012），海南省科技专项（ZDYF2022SHFZ039）和海南省自然科学基金（620RC564）的资助。
论文信息：Xianghui Li, Zhuhua Hu*, Chong Shen, Huaming Wu, Yaochi Zhao, TFF_aDCNN: A Pre-trained Base Model for Intelligent Wideband Spectrum Sensing [J], IEEE Transactions on Vehicular Technology, 2023.
链接：https://ieeexplore.ieee.org/document/10114605.
