1.一种基于卷积长短时记忆神经网络的频谱感知方法，其特征在于，所述方法包括以下步骤：

1)数据预处理

将次用户所接收到的IQ信号先进行N点采样再进行数据归一化处理：其中xI、xQ分别代表I和Q信号数据，xI_min、xQ_min分别代表I和Q信号数据中的最小值，xI_max、xQ_max分别代表I和Q信号数据中的最大值；

然后得到2*N矩阵记作E0，其中第一行代表归一化后的I信号数据、第二行代表归一化后的Q信号数据；

2)将E0送入到ConvLstm2D网络，ConvLstm2D网络对E0进行第一次空间与时间特征提取得到输出的数据记作E1；

3)将E1输入到批量归一化神经网络，输出的归一化的数据记作E2，对于一层具有d维的

1 d

输入向量x＝[x…x]，将会对该向量的每一个维度进行归一化：k k k

其中，x代表第k维度的数据，E[x]是代表第k维度数据的期望，Var[x ]是代表第k维度数据的方差， 是代表第k维度数据归一化后的数据；

4)将E2输入到第二个ConvLstm2D网络中对IQ数据进行第二次空间和时间特征提取得到的数据记作E3；

5)将E3输入到批量归一化神经网络中进行如同步骤3)的操作得到的数据记作E4；

6)将E4输入到Flatten层，将输入来的数据进行压平得到一维数据E5；

7)然后将E5输入到全连接层得到数据E6；

8)最后进入分类部分，将E6输入到神经元为1的全连接层中，激活函数为sigmoid函数，当输出结果大于等于0.5，则表明信道被主用户所使用着；当结果小于0.5，则表明该信道未被占用；

10)通过最小化损失函数来训练模型参数，损失函数L定义为：其中，qj表示主用户存在的真实概率；pj：主用户存在的预测概率；n表示每训练一批量中含有n个数据。

2.如权利要求1所述的一种基于卷积长短时记忆神经网络的频谱感知方法，其特征在于，所述步骤10)中，模型参数包括矩阵元素与神经网络权重。