摘要
随着无线通信的发展，无线资源的需求与日俱增，频谱资源越来越稀缺，为了
充分发掘可用频段，同时避免用户之间的频谱利用冲突，认知无线电应运而生，频
谱感知是认知无线电中的核心技术之一。认知用户通过频谱感知，分析信道内用户
接入状态，为后续动态频谱接入提供依据。传统识别技术往往依赖先验信息，并且
无法利用多源数据特征，基于机器学习的智能识别算法具有优异的多源数据拟合
能力，是近年来该领域的研究热点。
然而已有的智能检测研究很少考虑非合作条件下识别的可靠性问题，非合作
条件下人工智能方法将面临如下几个方面的挑战。首先，难以在非合作条件下获得
充足的用户数据，因此目标数据具有稀缺性，模型在训练过程中易出现过拟合问题。
其次，空间中的噪声会带来信道干扰，影响信噪比，继而而给智能感知算法的有效
性带来影响。第三，在非合作条件下，尤其是高速跳频条件下，接收机难以精准跟
踪载波的频率与相位。针对上述问题本文提出如下方法：
1、针对非合作场景下的频率偏移影响，设计了一种基于星座图密度聚类的频
偏校正方法，并通过设计微调VGG-16网络实现对偏移不敏感的信号识别。
2、在此基础上，研究了一种基于领域知识嵌入的卷积神经网络方法，将校正
运算嵌入了神经网络结构，相比于基于密度聚类的频偏校正具有更高的实时性。
3、针对目标样本稀缺问题，设计了一种基于孪生网络的元学习识别算法，可
基于少量样本进行类别匹配，并有效区分未知标签。此外通过在网络中嵌入旋转不
敏感特征，提升了相位无法有效同步时的识别有效性问题。实验基于开源数据以及
软件无线电平台，验证了小样本条件下目标识别的有效性。
4、模拟非合作条件下的时间、相位、频率不同步的实际应用场景，基于软件
无线电搭建了半实物仿真实验平台，平台可支持多台发射机、接收机、干扰机。完
成了相关软件的开发以及硬件的调试，在多种电磁频谱环境下分别基于不同类别
的软件无线硬件构建了射频数据库，并基于实测数据对所设计的算法进行了验证。
本文设计了三种信号识别算法，重点针对非合作条件下的相位、时钟、频率同
步困难问题，以及小样本问题进行了攻关。此外基于ETTUS,DEEPWAVE等多品
牌软件无线电硬件，结合GNURadio工具搭建了非合作的电磁环境，验证了算法
的有效性。本研究对于非合作条件下的频谱识别具有重要的意义。
关键词：非合作条件，频谱感知，偏移校正，小样本，孪生网络
ABSTRACT
Withtheexpansionofwirelesscommunication,thedemandforwirelessresourcesis
increasingandthefrequencyspectrumresourcesarebecomingincreasinglyscarce.In
ordertocompletelyexploretheavailablefrequencyrangeandavoidthespectrumusage
conflictamongstusers,cognitiveradiodevelopsatthehistoricmoment.Spectrum
sensingisoneofthebasictechnologiesofcognitiveradio.CognitiveuserThrough
spectrumsensing,theuseraccessstatusinthechannelisassessedtogiveabasisfor
subsequentdynamicspectrumaccess.Traditionalrecognitiontechniquesgenerallyrely
onpastinformationandcannotmakeuseofmulti-sourcedatafeatures.Intelligent
recognitionalgorithmsbasedonmachinelearningoffergreatmulti-sourceda