【摘要】：認(rèn)知無(wú)線電是為緩解無(wú)線頻譜資源緊缺與充分使用空閑頻譜進(jìn)行無(wú)線通信使之在一定程度上提高頻譜利用率的可行方法。而頻譜預(yù)測(cè)技術(shù)是認(rèn)知無(wú)線電中分析歷史頻段使用規(guī)則預(yù)測(cè)未來(lái)空閑頻段進(jìn)行機(jī)會(huì)接入的技術(shù),認(rèn)知用戶通過(guò)頻譜感知技術(shù)實(shí)時(shí)轉(zhuǎn)換信道以確保有效地接入,頻譜預(yù)測(cè)技術(shù)則可以降低未授權(quán)用戶對(duì)授權(quán)用戶造成的干擾,避免不必要的能量損失,提高接入的精確度和可靠性,從而實(shí)現(xiàn)頻譜更合理有效的利用,因此,對(duì)無(wú)線頻段進(jìn)行接入預(yù)測(cè)研究是非常有用的。目前主要的頻譜預(yù)測(cè)方法有:基于回歸分析的預(yù)測(cè)、基于Markov模型預(yù)測(cè)和基于機(jī)器學(xué)習(xí)的預(yù)測(cè)等。本論文首先研究了認(rèn)知無(wú)線電頻譜預(yù)測(cè)技術(shù)的幾種不同方法,詮釋并比較了現(xiàn)有的頻譜預(yù)測(cè)算法,對(duì)比了各自存在的優(yōu)點(diǎn)和不足,其次對(duì)神經(jīng)網(wǎng)絡(luò)和模糊系統(tǒng)的基本原理進(jìn)行說(shuō)明,分析了兩者結(jié)合的必然性,進(jìn)而主要研究了動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)的內(nèi)部結(jié)構(gòu)和原理,并列舉相關(guān)的例子來(lái)說(shuō)明動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)的特點(diǎn)。根據(jù)排隊(duì)論知識(shí)對(duì)認(rèn)知無(wú)線電系統(tǒng)的信道狀態(tài)建立模型,之后進(jìn)行原理說(shuō)明和仿真實(shí)驗(yàn),產(chǎn)生信道狀態(tài)數(shù)據(jù),將其作為之后頻譜預(yù)測(cè)研究的頻譜數(shù)據(jù)。建立基于DFNN(動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò))的頻譜預(yù)測(cè)模型,依據(jù)數(shù)據(jù)序列在學(xué)習(xí)訓(xùn)練過(guò)程中自適應(yīng)調(diào)整和優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu),之后使用MATLAB仿真來(lái)完成預(yù)測(cè)與對(duì)比,實(shí)驗(yàn)結(jié)果表明相比BP網(wǎng)絡(luò)的預(yù)測(cè)算法具有更高的預(yù)測(cè)精確度。之后仿真分析說(shuō)明相比單獨(dú)的頻譜感知,加入頻譜預(yù)測(cè)可有效降低感知檢測(cè)的時(shí)間,避免不必要的能量損失。針對(duì)不同信噪比對(duì)DFNN預(yù)測(cè)模型進(jìn)行系統(tǒng)分析,并且對(duì)比說(shuō)明基于DFNN預(yù)測(cè)模型的在同樣噪聲干擾情況下具有更高的穩(wěn)定性和準(zhǔn)確度。最后針對(duì)多信道的頻譜預(yù)測(cè)進(jìn)行研究,分析了多信道之間時(shí)域相關(guān)度對(duì)預(yù)測(cè)性能的影響。
【學(xué)位授予單位】：長(zhǎng)春理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TN925;TP183

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王敬;王媛;;信道中QPSK信號(hào)傳輸性能的仿真分析[J];電腦知識(shí)與技術(shù);2015年20期

2 張凱;齊麗娜;;一種基于隱馬爾可夫模型的自適應(yīng)聯(lián)合頻譜預(yù)測(cè)方法[J];南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年01期

3 趙春燕;石丹;高攸綱;陳亞洲;;基于BP神經(jīng)網(wǎng)絡(luò)的天線識(shí)別[J];環(huán)境技術(shù);2014年S1期

4 吳建絨;胡津銘;秦繼新;;基于K-RBF神經(jīng)網(wǎng)絡(luò)的認(rèn)知無(wú)線電頻譜預(yù)測(cè)[J];電視技術(shù);2014年05期

5 張朝龍;胡紹剛;;基于自組織競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷策略[J];信息系統(tǒng)工程;2013年04期

6 榮騰中;肖智;;高階馬爾可夫鏈的降階模型及其應(yīng)用[J];數(shù)理統(tǒng)計(jì)與管理;2013年01期

7 張雨濃;曲璐;陳俊維;劉錦榮;郭東生;;多輸入Sigmoid激勵(lì)函數(shù)神經(jīng)網(wǎng)絡(luò)權(quán)值與結(jié)構(gòu)確定法[J];計(jì)算機(jī)應(yīng)用研究;2012年11期

8 劉彩紅;;BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的研究[J];西安工業(yè)大學(xué)學(xué)報(bào);2012年09期

9 黨小超;閻林;;基于多元線性自回歸模型的流量預(yù)測(cè)[J];計(jì)算機(jī)工程;2012年01期

10 鮮永菊;楊鉞;徐昌彪;鄭湘渝;;認(rèn)知無(wú)線電中基于混沌神經(jīng)網(wǎng)絡(luò)的頻譜預(yù)測(cè)[J];計(jì)算機(jī)應(yīng)用;2011年12期

相關(guān)博士學(xué)位論文 前3條

1 邢曉雙;認(rèn)知無(wú)線電網(wǎng)絡(luò)中的頻譜預(yù)測(cè)技術(shù)研究[D];北京交通大學(xué);2014年

2 張萌;協(xié)同無(wú)線通信系統(tǒng)中的關(guān)鍵技術(shù)研究[D];上海交通大學(xué);2014年

3 劉鑫;認(rèn)知無(wú)線電集中式聯(lián)合頻譜感知算法研究[D];哈爾濱工業(yè)大學(xué);2012年

相關(guān)碩士學(xué)位論文 前9條

1 胡超;基于BP人工神經(jīng)網(wǎng)絡(luò)的區(qū)域森林火災(zāi)預(yù)測(cè)研究[D];浙江海洋學(xué)院;2015年

2 崔龍;WSN中基于認(rèn)知無(wú)線電的動(dòng)態(tài)頻譜管理技術(shù)研究[D];南京郵電大學(xué);2014年

3 鄔月春;基于動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)的交通流預(yù)測(cè)[D];蘭州交通大學(xué);2013年

4 孫宇;基于神經(jīng)網(wǎng)絡(luò)的軟巖巷道位移時(shí)序預(yù)測(cè)方法研究[D];遼寧工程技術(shù)大學(xué);2012年

5 孫強(qiáng);認(rèn)知無(wú)線電的頻譜感知技術(shù)研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2011年

6 孫喜波;BP神經(jīng)網(wǎng)絡(luò)算法與其它算法的融合研究及應(yīng)用[D];重慶大學(xué);2011年

7 鄧偉;隨機(jī)環(huán)境下的幾類可修排隊(duì)系統(tǒng)[D];中南大學(xué);2010年

8 姚遠(yuǎn);排隊(duì)論跨層優(yōu)化LTE分組調(diào)度系統(tǒng)[D];北京郵電大學(xué);2010年

9 吳瓊;基于BP神經(jīng)網(wǎng)絡(luò)的光學(xué)CT圖像重建技術(shù)基礎(chǔ)研究[D];南京航空航天大學(xué);2006年

，

本文編號(hào)：2528295