电讯技术

作者：赵立,赵宏坚,高智伟,王黎明,刘越,罗渝,廖勇

单位：(1.成都希盟泰克科技发展有限公司，成都 610041;2.重庆大学 微电子与通信工程学院，重庆 400044)

关键词：认知传感网；MAC协议识别；深度学习；自注意力机制；Transformer网络；

基金：四川省科技厅重点研发项目（2023YFG0328）

媒体接入控制（Media Access Control，MAC）识别有助于优化认知无线电系统的频谱管理并提高通信质量。已有的基于深度学习的MAC协议识别方法仍存在复杂信道环境的适应性不足、长期依赖关系捕捉能力有限的问题。因此，提出基于Transformer网络的MAC协议识别方法，利用自注意力机制有效捕捉长距离依赖，通过多头注意力机制同时关注输入序列中不同部分的相关性，提升对信号特征和行为的理解。针对认知传感网的特定需求，对传统的Transformer模型结构进行了优化，包括调整模型的深度和宽度以适应信号数据的特性。自注意力机制不仅增强了模型对时间序列数据的处理能力，还通过位置编码保留序列中的位置信息，结合前馈神经网络增强模型的非线性表达能力，并通过层归一化和残差连接机制提高模型的稳定性和训练效率。实验结果表明，所提方法在复杂无线通信环境中具有显著的性能优势，在识别4种主要MAC协议时展现出超过95%的高准确率。

来源：2024年第10期

《电讯技术》期刊编辑部

查看电讯技术杂志2024年第10期