本文關(guān)鍵詞：認(rèn)知無(wú)線電學(xué)習(xí)決策方法研究

  更多相關(guān)文章： 認(rèn)知無(wú)線電 認(rèn)知引擎 人工智能 神經(jīng)網(wǎng)絡(luò) 遺傳算法

【摘要】： 隨著無(wú)線通信技術(shù)的迅猛發(fā)展和人們通信要求的不斷提高,頻譜資源日益顯得匱乏,現(xiàn)有的固定頻譜分配體制造成已分配頻譜在很多時(shí)間出現(xiàn)閑置狀態(tài)。面對(duì)頻譜利用率低下和頻譜資源緊張的矛盾,認(rèn)知無(wú)線電技術(shù)被認(rèn)為是解決這一難題的有效方法。認(rèn)知無(wú)線電技術(shù)革新傳統(tǒng)的頻譜管理體制,用全新的觀點(diǎn)調(diào)度利用頻譜資源,提高頻譜利用率。認(rèn)知無(wú)線電技術(shù)是當(dāng)今無(wú)線通信領(lǐng)域的研究熱點(diǎn)。 認(rèn)知無(wú)線電是高度智能化的無(wú)線電系統(tǒng),人工智能技術(shù)在其中起著重要作用。本文總結(jié)了知識(shí)表示、專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、遺傳算法、模糊邏輯、博弈論等人工智能技術(shù)在認(rèn)知無(wú)線電中的應(yīng)用。認(rèn)知引擎是人工智能技術(shù)應(yīng)用的智能平臺(tái)。認(rèn)知無(wú)線電的工作過(guò)程構(gòu)成認(rèn)知循環(huán),根據(jù)認(rèn)知循環(huán)過(guò)程的主要任務(wù),本文改進(jìn)了認(rèn)知引擎模型的結(jié)構(gòu)和功能劃分。 感知電磁環(huán)境、發(fā)現(xiàn)頻譜空穴是實(shí)現(xiàn)認(rèn)知通信的基礎(chǔ)。對(duì)感知的信息進(jìn)行學(xué)習(xí)推理、制定認(rèn)知設(shè)備參數(shù)優(yōu)化調(diào)整方案是實(shí)現(xiàn)認(rèn)知通信的關(guān)鍵,也是認(rèn)知無(wú)線電智能的核心體現(xiàn)。本文提出一種基于神經(jīng)網(wǎng)絡(luò)和遺傳算法的學(xué)習(xí)決策方法,用神經(jīng)網(wǎng)絡(luò)完成參數(shù)學(xué)習(xí),遺傳算法實(shí)現(xiàn)可調(diào)參數(shù)的多目標(biāo)優(yōu)化,最終制定出最佳的空閑頻譜利用決策。 GSM系統(tǒng)是當(dāng)前廣泛應(yīng)用的一種固定頻段通信系統(tǒng),在夜間閑時(shí)和人口稀少的地點(diǎn),認(rèn)知無(wú)線電可以利用發(fā)現(xiàn)的GSM系統(tǒng)空閑頻譜。認(rèn)知設(shè)備通過(guò)學(xué)習(xí)決策占用發(fā)現(xiàn)的GSM系統(tǒng)空閑頻譜。根據(jù)GSM系統(tǒng)的蜂窩小區(qū)特點(diǎn)和認(rèn)知設(shè)備的距離,本文將面向GSM的認(rèn)知通信劃分為不同的情形,運(yùn)用文中提出的認(rèn)知學(xué)習(xí)決策方法,仿真了認(rèn)知引擎的參數(shù)學(xué)習(xí)和自適應(yīng)調(diào)整過(guò)程。
【關(guān)鍵詞】：認(rèn)知無(wú)線電 認(rèn)知引擎 人工智能 神經(jīng)網(wǎng)絡(luò) 遺傳算法
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2010
【分類號(hào)】：TN925
【目錄】：

• 中文摘要3-4
• 英文摘要4-8
• 1 緒論8-14
• 1.1 引言8-12
• 1.2 本文的主要工作及結(jié)構(gòu)安排12-14
• 2 認(rèn)知無(wú)線電概述14-28
• 2.1 認(rèn)知無(wú)線電的定義14-15
• 2.2 認(rèn)知無(wú)線電的關(guān)鍵技術(shù)15-21
• 2.3 認(rèn)知無(wú)線電的標(biāo)準(zhǔn)化和研究現(xiàn)狀21-25
• 2.3.1 認(rèn)知無(wú)線電的標(biāo)準(zhǔn)化進(jìn)展21-22
• 2.3.2 認(rèn)知無(wú)線電的研究現(xiàn)狀22-24
• 2.3.3 現(xiàn)階段研究存在的問(wèn)題24-25
• 2.4 認(rèn)知無(wú)線電的應(yīng)用場(chǎng)景25-28
• 2.4.1 在軍事通信中的應(yīng)用25
• 2.4.2 在商業(yè)通信中的應(yīng)用25-26
• 2.4.3 在應(yīng)急通信中的應(yīng)用26-28
• 3 人工智能技術(shù)應(yīng)用于認(rèn)知無(wú)線電的綜合分析28-40
• 3.1 認(rèn)知循環(huán)28-31
• 3.2 認(rèn)知引擎模型31-35
• 3.2.1 現(xiàn)有的認(rèn)知引擎模型31-33
• 3.2.2 認(rèn)知引擎模型的改進(jìn)33-35
• 3.3 不同認(rèn)知階段的人工智能技術(shù)應(yīng)用分析35-39
• 3.3.1 環(huán)境感知、信息存儲(chǔ)階段36-37
• 3.3.2 認(rèn)知學(xué)習(xí)、推理階段37-38
• 3.3.3 認(rèn)知決策、調(diào)整階段38-39
• 3.4 本章小結(jié)39-40
• 4 基于神經(jīng)網(wǎng)絡(luò)和遺傳算法的學(xué)習(xí)決策方法40-54
• 4.1 認(rèn)知無(wú)線電的學(xué)習(xí)決策過(guò)程40-42
• 4.1.1 認(rèn)知過(guò)程對(duì)授權(quán)網(wǎng)絡(luò)的智能要求40-41
• 4.1.2 認(rèn)知無(wú)線電的學(xué)習(xí)決策過(guò)程41-42
• 4.2 認(rèn)知學(xué)習(xí)決策研究現(xiàn)狀42-43
• 4.3 基于神經(jīng)網(wǎng)絡(luò)和遺傳算法的學(xué)習(xí)決策方法43-53
• 4.3.1 神經(jīng)網(wǎng)絡(luò)工作階段45-49
• 4.3.2 遺傳算法工作階段49-52
• 4.3.3 本文所提學(xué)習(xí)決策方法的性能分析52-53
• 4.4 本章小結(jié)53-54
• 5 面向 GSM 系統(tǒng)的認(rèn)知通信學(xué)習(xí)決策研究54-70
• 5.1 GSM 系統(tǒng)環(huán)境下的認(rèn)知無(wú)線電應(yīng)用分析54-57
• 5.1.1 GSM 系統(tǒng)頻譜使用情況分析54-55
• 5.1.2 認(rèn)知設(shè)備占用GSM 系統(tǒng)空閑頻譜分析55-56
• 5.1.3 具體應(yīng)用模型56-57
• 5.2 學(xué)習(xí)決策過(guò)程仿真和結(jié)果分析57-65
• 5.2.1 條件判決性能仿真和分析57-58
• 5.2.2 權(quán)值預(yù)測(cè)性能仿真和分析58-61
• 5.2.3 優(yōu)化決策性能仿真和分析61-65
• 5.3 本章小結(jié)65-70
• 6 總結(jié)與展望70-72
• 6.1 主要工作70
• 6.2 研究展望70-72
• 致謝72-74
• 參考文獻(xiàn)74-78
• 附錄78
• A 作者在攻讀碩士學(xué)位期間發(fā)表（或在審）的論文目錄78
• B 作者在攻讀碩士學(xué)位期間參與的科研項(xiàng)目78

【引證文獻(xiàn)】

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前4條

1 吳兵偉;基于OFDM技術(shù)的認(rèn)知無(wú)線電研究[D];北方工業(yè)大學(xué);2011年

2 李俊建;認(rèn)知無(wú)線電參數(shù)優(yōu)化與敏感度分析研究[D];重慶大學(xué);2011年

3 楊晟堯;基于多目標(biāo)遺傳算法的認(rèn)知無(wú)線電決策引擎[D];大連理工大學(xué);2011年

4 張楠;基于感知的認(rèn)知OFDM系統(tǒng)中的最優(yōu)感知時(shí)間及功率分配方案的研究[D];鄭州大學(xué);2012年

，

本文編號(hào)：765094