本文關(guān)鍵詞：認(rèn)知無線電頻譜感知的智能算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：伴隨著信息時代的到來,無線通信系統(tǒng)已經(jīng)滲透到社會各個領(lǐng)域,并在社會經(jīng)濟(jì)發(fā)展起著越來越重要的作用,而固定的頻譜分配方式已經(jīng)越來越限制著無線通信業(yè)務(wù)的廣泛應(yīng)用與發(fā)展。認(rèn)知無線電是解決目前頻譜資源分配不均衡的關(guān)鍵技術(shù),而頻譜感知作為其首要任務(wù),也是建立認(rèn)知無線電系統(tǒng)的最重要的任務(wù),主要了解干擾程度和主用戶在當(dāng)前信道中的占用情況,盡量快而準(zhǔn)確地確定未被占用的頻段,提高頻譜利用率。 面對復(fù)雜的現(xiàn)實(shí)通信環(huán)境,對認(rèn)知系統(tǒng)的智能性要求越來越高,傳統(tǒng)的頻譜感知算法已經(jīng)無法滿足要求�；跈C(jī)器學(xué)習(xí)的頻譜感知算法應(yīng)運(yùn)而生。最有代表性的是基于支持向量機(jī)(SVM)的頻譜感知算法,其在一定程度上提高了系統(tǒng)的測試精度與抗擾能力,但由于其參數(shù)確定困難,需要消耗大量的時間,實(shí)時性很差。 為了解決這一問題,本文提出了一種基于極限學(xué)習(xí)機(jī)(ELM)的頻譜感知算法。論文中首先介紹了ELM算法并分析了ELM用于頻譜感知的可行性,然后提出了一種用來識別主用戶信號的基于ELM的頻譜感知模型,首先計算出樣本信號的能量值和循環(huán)譜值,并對模型進(jìn)行訓(xùn)練,使之具有快速判決測試信號的最佳性能。通過仿真結(jié)果可以看出,其在檢測性能上優(yōu)于傳統(tǒng)的頻譜感知算法和SVM感知算法,并在訓(xùn)練速度上比SVM感知算法有大幅度的性能提升。但由于ELM感知算法參數(shù)需要通過試湊法確認(rèn),可控性較差。 為了解決上述問題,并進(jìn)一步提高頻譜感知算法的泛化能力和訓(xùn)練時間,本文對上述模型進(jìn)行改進(jìn),提出了一種基于核ELM的頻譜感知算法。仿真結(jié)果表明,相比較上述算法,改進(jìn)后的算法檢測性能更強(qiáng),訓(xùn)練時間更短,且參數(shù)設(shè)置具有可控性。
【關(guān)鍵詞】：認(rèn)知無線 電頻譜感知 極限學(xué)習(xí)機(jī) 核函數(shù)
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN925
【目錄】：

• 摘要4-5
• ABSTRACT5-7
• 目錄7-9
• 第一章 緒論9-14
• 1.1 研究背景9-10
• 1.2 研究現(xiàn)狀10-11
• 1.3 論文的研究內(nèi)容和工作安排11-14
• 1.3.1 研究內(nèi)容11-12
• 1.3.2 論文組織12-14
• 第二章 認(rèn)知無線電頻譜感知相關(guān)技術(shù)14-25
• 2.1 概述14
• 2.2 單節(jié)點(diǎn)頻譜感知技術(shù)14-19
• 2.2.1 能量檢測15-16
• 2.2.2 匹配濾波檢測16-17
• 2.2.3 循環(huán)平穩(wěn)檢測17-18
• 2.2.4 傳統(tǒng)單節(jié)點(diǎn)頻譜感知算法性能比較18-19
• 2.3 合作頻譜感知技術(shù)19-20
• 2.4 基于機(jī)器學(xué)習(xí)的頻譜感知算法概述20-24
• 2.4.1 機(jī)器學(xué)習(xí)算法概述20-21
• 2.4.2 機(jī)器學(xué)習(xí)與頻譜感知21
• 2.4.3 支持向量機(jī)概述21-24
• 2.5 本章小結(jié)24-25
• 第三章 基于極限學(xué)習(xí)機(jī)的頻譜感知算法設(shè)計25-44
• 3.1 極限學(xué)習(xí)機(jī)理論25-31
• 3.1.1 單隱層前饋神經(jīng)網(wǎng)絡(luò)介紹25-27
• 3.1.2 極限學(xué)習(xí)機(jī)算法27-29
• 3.1.3 極限學(xué)習(xí)機(jī)研究現(xiàn)狀29-30
• 3.1.4 極限學(xué)習(xí)機(jī)研究的不足30-31
• 3.2 基于極限學(xué)習(xí)機(jī)的頻譜感知算法31-38
• 3.2.1 ELM頻譜感知系統(tǒng)模型31-34
• 3.2.2 ELM頻譜感知算法步驟與實(shí)現(xiàn)34-37
• 3.2.3 ELM頻譜感知算法參數(shù)的選取37-38
• 3.3 仿真結(jié)果與分析38-43
• 3.3.1 不同信噪比下主用戶信號的檢測成功率對比38-40
• 3.3.2 不同的頻譜感知算法的訓(xùn)練時間對比40-41
• 3.3.3 不同的隱層節(jié)點(diǎn)個數(shù)對ELM頻譜感知算法的擬合性能對比41-43
• 3.4 本章小結(jié)43-44
• 第四章 基于核極限學(xué)習(xí)機(jī)的頻譜感知算法44-53
• 4.1 核學(xué)習(xí)理論44-46
• 4.1.1 核函數(shù)概念44-45
• 4.1.2 核函數(shù)性質(zhì)45-46
• 4.2 基于核極限學(xué)習(xí)機(jī)的頻譜感知算法設(shè)計46-49
• 4.2.1 核極限學(xué)習(xí)機(jī)算法46-47
• 4.2.2 核ELM頻譜感知系統(tǒng)模型47
• 4.2.3 不同參數(shù)值對改進(jìn)算法性能的影響47-49
• 4.3 仿真結(jié)果與分析49-52
• 4.3.1 不同信噪比下主用戶信號的檢測成功率對比49-51
• 4.3.2 不同的頻譜感知算法的訓(xùn)練時間對比51-52
• 4.4 本章小結(jié)52-53
• 第五章 總結(jié)和展望53-55
• 參考文獻(xiàn)55-58
• 致謝58-59
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文59

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 郭彩麗;張?zhí)炜?曾志民;馮春燕;;認(rèn)知無線電關(guān)鍵技術(shù)及應(yīng)用的研究現(xiàn)狀[J];電信科學(xué);2006年08期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 賀新穎;基于支持向量機(jī)的認(rèn)知無線電若干關(guān)鍵技術(shù)研究[D];北京郵電大學(xué);2009年

  本文關(guān)鍵詞：認(rèn)知無線電頻譜感知的智能算法研究，，由筆耕文化傳播整理發(fā)布。

本文編號：409617