【摘要】：在當(dāng)今世界經(jīng)濟(jì)和社會發(fā)展信息化的潮流中，無線通信技術(shù)得到了迅速發(fā)展，各種無線業(yè)務(wù)和應(yīng)用以驚人迅速增長，新的無線通信及網(wǎng)絡(luò)技術(shù)不斷涌現(xiàn)。無線通信和網(wǎng)絡(luò)蓬勃發(fā)展的同時，其高速和寬帶化特征使得對頻譜資源的需求日益加大，同時也使得頻譜資源的供需矛盾問題日益突出。認(rèn)知無線電提出的從固定頻譜使用到動態(tài)頻譜使用的變革可有效地提高頻譜利用率；同時，認(rèn)知無線電強(qiáng)調(diào)的高度智能性符合無線通信系統(tǒng)和網(wǎng)絡(luò)的發(fā)展方向。本論文關(guān)注認(rèn)知無線電智能性體現(xiàn)的最重要環(huán)節(jié)——學(xué)習(xí)，在離線學(xué)習(xí)和在線學(xué)習(xí)兩個方面開展研究，主要完成了以下具有創(chuàng)新性的研究成果： 1.提出一種通用的CR離線學(xué)習(xí)與決策框架，在此框架下研究神經(jīng)網(wǎng)絡(luò)（NN）和最小二乘支持向量機(jī)（LSSVM）兩種學(xué)習(xí)方法的具體應(yīng)用。在NN方面，提出了“直接的”徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（RBF-NN）學(xué)習(xí)與決策方法；與傳統(tǒng)“間接的”方法相比，通過在學(xué)習(xí)訓(xùn)練前增加優(yōu)化案例搜索處理，減少了輸入及輸出神經(jīng)元數(shù)量，降低了訓(xùn)練的復(fù)雜度；并可直接完成配置參數(shù)決策，提高決策實(shí)時性。在LLSVM方面，從復(fù)雜度、性能等方面對比研究了CR場景下的幾種多分類LSSVM；研究了非支配排序遺傳算法完成LSSVM超參數(shù)搜索以提高學(xué)習(xí)算法的普適性。仿真結(jié)果表明，RBF-NN和LSSVM方法都能提升認(rèn)知無線電系統(tǒng)性能，非支配排序的遺傳算法能夠在較少進(jìn)化代數(shù)內(nèi)搜索出合適的超參數(shù)，基于LSSVM的離線學(xué)習(xí)具有更好的決策性能和泛化性能。 2.提出一種能促進(jìn)多用戶學(xué)習(xí)收斂的，基于用戶聚類和可變學(xué)習(xí)速率的多Agent強(qiáng)化學(xué)習(xí)方法，以解決多用戶在下墊式頻譜共享下的信道選擇與功率分配問題。首先使用分層處理分離信道選擇與功率控制，采用快速最優(yōu)信道搜索結(jié)合基于性能預(yù)測的用戶數(shù)均衡調(diào)節(jié)方法實(shí)現(xiàn)信道分配；其次，使用隨機(jī)博弈框架對多用戶功率控制問題進(jìn)行建模，引入K均值用戶聚類減少博弈參與用戶數(shù)量和降低單個用戶的環(huán)境復(fù)雜度，并提出可變Q學(xué)習(xí)速率和策略學(xué)習(xí)速率的方法進(jìn)一步促進(jìn)多Agent強(qiáng)化學(xué)習(xí)的收斂。仿真結(jié)果表明，，該方法能使多個用戶的功率狀態(tài)和總收益有效收斂，并且獲得整體性能達(dá)到次優(yōu)。 3.提出了一種在總功率資源受限條件下基于納什議價解的方法，用于多信道多用戶的信道選擇與功率分配。設(shè)計了合理的納什議價效用函數(shù)，使納什乘積能明確表征認(rèn)知無線電系統(tǒng)的性能指標(biāo)，并證明了納什議價解的存在性與唯一性。提出基于梯度下降思想和性能變化預(yù)測的具體迭代議價過程完成信道與功率的分配。理論分析與仿真結(jié)果表明，基于納什議價的功率分配滿足全局比例公平，信道與功率分配的迭代算法能夠得到較好性能，達(dá)到系統(tǒng)總性能的次優(yōu)解。 4.提出協(xié)作去耦合方法和跨層聯(lián)合方法解決多跳認(rèn)知無線網(wǎng)絡(luò)的多層資源分配問題。協(xié)作去耦合方法首先單獨(dú)完成路徑選擇任務(wù)，隨后進(jìn)行信道與功率的博弈分配；跨層聯(lián)合方法則通過博弈直接對路徑、信道、功率三層資源進(jìn)行同時分配。兩種方法都綜合考慮網(wǎng)絡(luò)層、MAC層、物理層的啟發(fā)原則，引入了節(jié)點(diǎn)被干擾度信息和節(jié)點(diǎn)主動干擾度信息來輔助路徑的選擇；設(shè)計了基于功率允許寬度信息的Boltzmann探索來完成信道與功率選擇；設(shè)計了長鏈路和瓶頸鏈路替換消除手段以進(jìn)一步提高網(wǎng)絡(luò)性能。從促進(jìn)收斂角度，選用序貫博弈方法，并設(shè)計了具體的博弈過程；此外還分析了博弈的納什均衡，討論了兩種算法的復(fù)雜度。仿真結(jié)果表明，協(xié)作去耦合方法和跨層聯(lián)合方法在成功流數(shù)量、流可達(dá)速率、發(fā)射功耗性能指標(biāo)上均優(yōu)于簡單去耦合的鏈路博弈、流博弈方法。 5.提出一種無需信息交互的多用戶自主Q學(xué)習(xí)方法，用于實(shí)現(xiàn)認(rèn)知無線電中的多用戶動態(tài)頻譜訪問。該方法采用自學(xué)習(xí)方案，每個認(rèn)知無線電用戶不需要耗費(fèi)通信資源與其他用戶進(jìn)行信息交互，僅通過觀察自己的回報進(jìn)行強(qiáng)化學(xué)習(xí)，定義的回報值能反應(yīng)信道優(yōu)劣以及信道沖突狀態(tài)；設(shè)計了充分探索、傾向優(yōu)勢信道、沖突懲罰的學(xué)習(xí)策略，實(shí)現(xiàn)多用戶多信道的動態(tài)頻譜訪問。對2用戶2信道的場景，提出一種快速學(xué)習(xí)算法并證明了它能夠收斂到整體回報最大。仿真結(jié)果表明，該方法能使認(rèn)知無線電多用戶多信道選擇以大概率收斂到納什均衡，且得到高的整體回報性能。
[Abstract]:......
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2014
【分類號】：TN925

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 江虹;伍春;馬景輝;;最小二乘SVM的CR認(rèn)知引擎設(shè)計[J];電子科技大學(xué)學(xué)報;2011年01期

2 趙志宏;高陽;駱斌;陳世福;;多Agent系統(tǒng)中強(qiáng)化學(xué)習(xí)的研究現(xiàn)狀和發(fā)展趨勢[J];計算機(jī)科學(xué);2004年03期

3 趙知勁;鄭仕鏈;尚俊娜;孔憲正;;基于量子遺傳算法的認(rèn)知無線電決策引擎研究[J];物理學(xué)報;2007年11期

相關(guān)博士學(xué)位論文 前1條

1 楊春剛;認(rèn)知無線網(wǎng)絡(luò)中基于博弈論的功率控制研究[D];西安電子科技大學(xué);2011年

本文編號：2471332