【摘要】：針對(duì)無(wú)線(xiàn)通信系統(tǒng)面臨的人為干擾日益嚴(yán)重、電磁環(huán)境日益復(fù)雜、確保無(wú)線(xiàn)通信的可靠性日益困難的問(wèn)題,研究更為有效的抗干擾方法已成為該領(lǐng)域的一項(xiàng)重要課題。動(dòng)態(tài)多域抗干擾方法以干擾認(rèn)知為基礎(chǔ),通過(guò)對(duì)通信系統(tǒng)的多域行為(功率域、頻率域、調(diào)制域、信道編碼域等)進(jìn)行自主決策,力圖明顯增強(qiáng)系統(tǒng)對(duì)干擾環(huán)境的適應(yīng)能力,降低系統(tǒng)抗干擾的頻譜代價(jià)和功率代價(jià),達(dá)到可靠、有效傳輸信息的目的。本文主要針對(duì)動(dòng)態(tài)多域抗干擾中的決策算法進(jìn)行研究。首先,本文介紹了動(dòng)態(tài)多域抗干擾系統(tǒng)單向鏈路模型,給出了抗干擾決策引擎的工作環(huán)境,并提出了一種基于粗糙集理論的動(dòng)態(tài)多域通信抗干擾決策規(guī)則提取方法,該方法首先通過(guò)信道聚合對(duì)決策空間進(jìn)行壓縮,再運(yùn)用粗糙集理論對(duì)決策空間進(jìn)行約簡(jiǎn),主要分為條件屬性約簡(jiǎn)和條件屬性值約簡(jiǎn),去掉冗余數(shù)據(jù),從而導(dǎo)出決策規(guī)則。仿真驗(yàn)證了該算法的有效性。然后,將決策規(guī)則與傳統(tǒng)遺傳算法結(jié)合,提出一種基于決策規(guī)則和遺傳算法的決策方法,利用決策規(guī)則篩選遺傳算法隨機(jī)生成的初始種群,并根據(jù)實(shí)際應(yīng)用提出了一種與權(quán)重?zé)o關(guān)的決策目標(biāo)函數(shù)。仿真表明,改進(jìn)后的遺傳算法在保證算法準(zhǔn)確性的前提下顯著提高了收斂速度。最后,將基于規(guī)則與基于案例的推理決策相結(jié)合,提出一種基于案例推理和規(guī)則的決策方法,并提出一種不依賴(lài)于經(jīng)驗(yàn)的案例特征權(quán)重計(jì)算方法。針對(duì)案例重用這一技術(shù)難點(diǎn),提出一種基于特征重要度的多次匹配算法,實(shí)現(xiàn)多案例的經(jīng)驗(yàn)集成�；谝�(guī)則的推理實(shí)現(xiàn)了對(duì)案例推理系統(tǒng)的完善。仿真驗(yàn)證了該算法的有效性。
【圖文】：

無(wú)線(xiàn)通信系統(tǒng)中的動(dòng)態(tài)多域抗干擾決策方法研究知周?chē)姶怒h(huán)境，動(dòng)態(tài)地尋找空閑的頻譜資源，可以在不影響主用戶(hù)譜利用率，實(shí)現(xiàn)頻譜資源的動(dòng)態(tài)管理。認(rèn)知設(shè)備不僅要有尋找頻譜空整發(fā)射參數(shù)的能力，，從而避免干擾主用戶(hù)[7]。由此可見(jiàn)，對(duì)環(huán)境的學(xué)決策的能力是認(rèn)知無(wú)線(xiàn)電必須具備的能力，智能決策引擎（Intellige就是認(rèn)知無(wú)線(xiàn)電實(shí)現(xiàn)這種功能的核心單元。一般來(lái)說(shuō)，我們將認(rèn)知無(wú)線(xiàn)習(xí)單元封裝在一起統(tǒng)稱(chēng)為智能決策引擎[8]。若能將智能決策的思想引過(guò)對(duì)通信環(huán)境進(jìn)行感知，根據(jù)信道質(zhì)量、干擾類(lèi)型以及業(yè)務(wù)要求來(lái)進(jìn)上對(duì)系統(tǒng)的通信參數(shù)進(jìn)行最優(yōu)決策，盡量避開(kāi)或消除干擾，將明顯提此，本文研究了動(dòng)態(tài)多域抗干擾決策算法：以干擾認(rèn)知為基礎(chǔ)，根據(jù)件，實(shí)現(xiàn)頻率、功率、編碼碼率、調(diào)制方式等多個(gè)工作參數(shù)的自主選干擾性能較優(yōu)的參數(shù)組合，達(dá)到可靠、有效傳輸信息的目的。

南京航空航天大學(xué)碩士學(xué)位論文、學(xué)習(xí)單元和認(rèn)知單元組成一個(gè)核心，并與 SDR 平臺(tái)進(jìn)行交互，其具體的示。軟件無(wú)線(xiàn)電平臺(tái)輸出無(wú)線(xiàn)電參數(shù)到認(rèn)知單元，推理單元根據(jù)認(rèn)知單元行為，學(xué)習(xí)單元通過(guò)學(xué)習(xí)使系統(tǒng)取得能使目標(biāo)函數(shù)值最大的各工作參數(shù)。多學(xué)者在設(shè)計(jì)智能決策引擎時(shí)都借鑒了此模型[10-11]。
【學(xué)位授予單位】：南京航空航天大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類(lèi)號(hào)】：TN92;TP18


本文編號(hào)：2556450